数据挖掘、数据仓库、商业智能在电子商务领域的应用.doc

2010 年第4 期福建教育学院学报
随着网络技术的迅速发展和数据库技术的成熟，
电子商务显示出巨大的市场价值和发展潜力。当企业
采用电子商务时，迫切需要把企业信息系统产生的大
量数据转换为有用的数据，为企业创造更大的财富。
数据仓库和数据挖掘技术，可以使企业把数据转化为
有用的信息并帮助决策，从而是企业在激烈的市场竞
争中处于优势地位。
一、数据仓库与数据挖掘
1. 数据仓库
数据仓库是面向主题的（subject-oriented）、集成
的（integrated）、非违约的（non-volatile） 且时变的
（time-variant）用于管理和决策制定的数据集。由此可
见，数据仓库是一种分析型数据库，基于标准企业模
型集成的、带有时间属性的、面向主题的数据集合，与
传统支持查询为主的事务性操作数据库有着本质区
别，具备以下四个特征：
（1）面向主题
主题是一个抽象的概念。基于主题组织的数据，
根据领域的逻辑内涵，分为独立的领域，互不交叉，并
形成相应的数据视图，汇总表等，因此适于联机分析
处理（OLAP）。
（2）集成化
当数据从面向应用提取到数据仓库时，由于命名
冲突、数据结构转换等的冲突，需要对原有数据进行
抽取、清理、加工，形成一致的命名、变量度量、编码结
构、物理属性等。
（3）非违约性
由于数据仓库中的数据是历史数据，当数据集成
到数据仓库后，不需要更改。仅限于装数据和访问数据；
并不存在数据恢复，数据同步，修复死锁等复杂问题。
（4）时变性
出于决策的需要，数据仓库中的数据需要标明时
间参数，并随时间不断变化，即随着时间变化，不断有
新的数据内容添加；不断导出和删除没用的数据内
容；不断地重新综合数据。
2. 数据挖掘
数据挖掘（Data Mining）就是从大量的、不完全
的、模糊的、有噪声的、随机的数据中，提取隐含在其
中的、人们事先不知道的、但又是潜在有用的信息和
知识的非平凡过程，这些信息的表现形式为：规则、概
念、规律及模式等。决策者使用它分析历史数据和当
前数据，提取出隐藏的关系和模式，对未来发生的行
为进行预测。
数据挖掘和数据仓库的协同工作，不仅提高了数
据挖掘的效率和能力，确保了数据挖掘中数据来源的
广泛性和完整性；而且数据挖掘技术已经成为数据仓
库应用中极为重要的方面和相对独立的工具。
二、电子商务
电子商务是指个人或企业通过Internet 网络，采
用数字化电子方式进行商务数据交换和开展商务活
动。电子商务涵盖的范围很广，一般可分为企业对企
业(Business-to-Business)模式，比如阿里巴巴为众多
企业提供一个网络贸易平台；企业对消费者(Business-
to -Consumer)模式，比如亚马逊书店、卓越网、当
摘要：电子商务的产生改变了企业的经营理念、管理方式和支付手段，给社会的各个领域带
来了巨大的变革。文章在简要介绍了数据仓库、数据挖掘技术和电子商务概念的基础上，详细分析
了数据仓库、数据挖掘技术在电子商务中的应用，帮助企业把数据转化为有用的信息并帮助决策，
从而在市场竞争中获得优势地位。
关键词：数据仓库；数据挖掘；电子商务
中图分类号：TP309 文献标识码：A 文章编号：1673-9884(2010)04-0126-03
数据挖掘与数据仓库技术在电子商务中的应用综述
吴金炎
(福建教育学院信息技术研修部，福州350025)
收稿日期：2010-06-12
作者简介：吴金炎（1976-），男，福建诏安人，福建教育学院信息技术研修部讲师，硕士研究生。
第4 期
2010 年8 月
福建教育学院学报
FU JIAN JIAO YU XUE YUAN XUE BAO
NO.4
August，2010
2010 年第4 期
当网，具有其方便快捷个性化消费；另外还有消费者
对消费者（Consumer-to-Consumer)模式，可以为个人
在网络平台上开店赚取利润。随着国内Internet 网络
使用人数的增加，利用Internet 网络进行购物并以银
行卡付款的消费方式已渐流行，市场份额也在迅速增
长，电子商务网站也层出不穷，如图1 所示。
三、数据仓库、数据挖掘在电子商务中的应用
1. 控制商品库存
对于零售业，库存销量比是一个重要的效率指
标。通过使用数据仓库，企业可以随时跟踪库存，及时
通过网上供货商补充，实现了库存商品的有效控制。
比如美国沃玛特连锁店，数据仓库规模从最初的6 万
亿字节增加到现在的100 万亿字节，实现了存货少效
益高的良性循环，始终保持着行业领先。
2. 减少跳线率
对于航空、银行等服务性行业，由于行业竞争激
烈，存在“跳线”的现象，即客户从A 公司跳到B 公
司，几个月后又重新回到A 公司，导致企业资金浪
费。采用数据仓库后，进行数据挖掘，预测客户跳线机
率，在客户跳线之前尽可能挽留，减少跳线率。
3. 客户跟踪
目前在电子商务网站中，84%的在线交易没有跟
踪客户；96%的在线交易不能提供符合客户的个性化
服务；75%的在线交易无法辨别重复客户；导致电子
商务企业不能抓住已有的客户，更不用谈潜在客户的
发展，丧失了该部分重要的资源。随着客户个性化需
求的逐步增加，电子商务企业更是无从招架。当启用
数据仓库后，网站能够对客户的信息以及浏览页面进
行整理并存储，当客户再次访问后，数据仓库就会为
客户提出相应的扩展服务，使顾客能够更加信任该网
站，进而提升了该企业的效益。
4. 聚类客户
在电子商务中，通过客户相似浏览行为和客户的
共同特征进行分析，深层次挖掘和分析企业的客户、
市场、销售、服务与支持信息，可以帮助电子商务的组
织者及时了解客户，尽可能满足客户需求，向客户提
供更适合的服务。
5. 提供优质个性化服务，提高客户忠诚度
在电子商务活动中，网站的内容、标题、奖励方
案、服务等方面都可能吸引客户。由于电子商务网站
的众多，客户可以很方便的在网站间切换，因此电子
商务网站应该能够对客户访问信息进行挖掘，通过客
户的浏览行为，从而了解客户的忠诚度、喜好及需求，
快速调整WEB 页面满足客户的需求。比如京东网，
通过分析客户浏览的页面，运用数据挖掘中的序列模
式发现技术进行挖掘，可以把客户需求的相关物品呈
现出来，方便客户挑选，如图2 所示。
图2 客户分析流程
吴金炎：数据挖掘与数据仓库技术在电子商务中的应用综述
面对面交流网上交流传真/信件电话
客户信息的获取
数据存入企业数据库中
数据分析
将信息分发给当事人处理
市场部门销售部门技术支部管理部门
图1 电子商务处理流程
服务自动化营销自动化销售自动化
订单管理订单预测
现场服务
操作层次的CRM
移动销售商业智能/竞争情报
呼叫中心电话交流
网上交流
Email 传真/ 信件
与客户直接
联系
联系中心
营销活动管理
分析层次的CRM
客户互动数据
集市
客户数据
集市
产品数据
集市
ERP/ERM 供应商历史信息系统数据仓库
后
台
前台
移动通讯
客
户互动
127
2010 年第4 期福建教育学院学报
Survey of the Application of Data Mining and Data Warehouse
Technology in the Electronic Commerce
WU Jin-yan
(Department of Information Technology Research and Training, Fujian Institute of Education, Fuzhou 350025, China)
Abstract：The appearance of e-commerce has changed the enterprise's management outlook, managing modes
and means of payment and thus has brought great changes to various sectors of the society. After a brief introduction
to data warehouse, data mining technology and the concept of e-commerce, this paper makes a detailed analysis of
the application of data mining and data warehouse technology in the e-commerce in order to help the enterprise
make decisions by transforming the data into useful information, thus gaining advantage in the market competition.
Key words：data warehouse; data mining; e-commerce
6. 提高点击率，完善电子商务网站设计
通过数据挖掘技术，分析客户的行为记录和反馈
行为，电子商务企业可以更加有效地优化网站结构，
提高网站的点击率。例如通过关联规则，针对客户需
求，调整站点结构，把客户访问过的有关联的文件进
行直接链接，从而使客户很容易访问想要的页面，增
加客户再次访问的概率。
7. 决策信息服务
数据仓库用于实现对决策主体数据的存储和综
合，通过从源数据库中抽取、清理、集成和转换，提供
标准的报表和图表；通过从多种角度构建多维数据模
型，采用联机分析处理实现多维数据分析；进而挖掘
出隐藏在数据背后的模式和信息，可以针对整个企业
的状况和未来发展做出比较完整、合理、准确的分析
和预测，从而为企业提供了多方位的决策支持。
四、结论
由于电子商务领域拥有丰富的信息资源，为企业
实施数据仓库和数据挖掘技术提供了良好的基础；同
时，数据仓库和数据挖掘技术又为电子商务提供了有
力的技术支持，加快了电子商务的发展和普及。
在电子商务活动中，数据仓库、数据挖掘技术已
成为数据管理、信息处理领域最热门的技术之一。通
过对源数据的整理、归纳，它可以帮助决策者查找数
据间的潜在关联，发现隐藏在数据背后的信息，不仅
可以预测客户的消费趋势以及进一步的市场走向，而
且可以指导电子商务企业提高网站运行效率，进一步
改善企业客户关系，提高销售额，具有良好的发展和
应用前景。
参考文献：
［1］陈京民. 数据仓库与数据挖掘技术［M］. 北京：电子
工业出版社，2003.
［2］聂高辉. 基于电子商务的数据仓库的探讨［J］. 商
业研究，2007（11）.
［3］赵焕平，仝选悦.WEB数据挖掘及其在电子商务中
的应用［J］. 福建电脑，2008( 1) .
［4］ 徐晖.Web 数据挖掘和数据仓库在电子商务市场
营销管理中的应用［J］. 新西部( 下半月) ，2007( 11) .
［5］李晓月，李会. 数据挖掘在电子商务中的应用［J］.
河南机电高等专科学校学报，2008( 6) .
128

浅析商业智能在电子商务中的应用
来源：比特网 2010-05-27 09:38:49 【打印】
　　电子商务作为一种全球化的具有战略意义的贸易手段，不仅为企业提供了无限商机，而且引起了传统贸易手段的变革，导致了对传统商业环境的冲击。本文主要对面向电子商务的商业智能管理系统的概念、功能和特征进行分析，并提出了其实现的关键技术。
　　1.商业智能与电子商务概述
　　商业智能（Business Intelligence）也称为BI，通常被理解为将企业中现有的数据转化为知识，帮助企业做出明智的业务经营决策的工具。这里所谈的数据包括来自企业业务系统的订单、库存、交易账目、客户和供应商等来自企业所处行业和竞争对手的数据以及来自企业所处的其他外部环境中的各种数据。而商业智能能够辅助的业务经营决策，既可以是操作层的，也可以是战术层和战略层的决策。为了将数据转化为知识，需要利用数据仓库、联机分析处理（OLAP）工具和数据挖掘等技术。因此，从技术层面上讲，商业智能不是什么新技术，它只是数据仓库、OLAP和数据挖掘等技术的综合运用。
　　电子商务始于北美，目前已经遍及世界各地，作为一种新的经营模式影响着各行各业，在企业的经营模式、政府的管理模式、商业的营运模式、人们的生活方式等各方面进行看类似工业革命的一次信息革命。电子商务中的“电子”指电子商务技术，我们认为不是单纯的将电子商务技术与商务活动结合，电子商务不是电子和商务的简单相加，而是电子和商务的有效融合，电子和商务的结合并不必然地得到具有更高效率和效益的电子商务。
　　2.面向电子商务的商业智能管理系统的设计思想
　　面向电子商务的商业智能管理系统是基于智能管理系统和在线决策支持系统相结合的基础上，将智能化、集成化、协调化、网络化及在线决策支持的思想融入到传统的商业计算机管理系统之中，使其能够适应现代商业发展的规律与趋势，为经营决策者提供更好的经营管理环境和决策支持。
　　（1）智能化。商业智能管理系统是集合人工智能、知识工程、模式识别、机器学习、数据挖掘等技术，面向智能体的方法和技术应用于商业管理系统设计中，特别是从大量营销数据和市场信息中收集和挖掘知识以及适应市场的变化。
　　（2）集成化。通过方法集成与技术集成的有机结合，实现功能集成，使商业智能管理系统不仅具有信息管理功能，而且具有决策支持、信息管理及商务处理的功能。
　　（3）网络化。采用浏览器/服务器计算模式以及WEB技术，面向电子商务设计基于Intranet的商业智能管理系统，实现与Internet的无缝连接。为发展电子商务活动，开拓信息高速公路上的网络市场提供条件。
　　（4）协调化。采用广义管理模型、多媒体人机智能界面和多库协同软件等智能管理系统的关镁技术，设计和实现商业智能管理系统，不仅可为商业管理决策人员提供友好、自然的人机界面，还可以实现人机合理分工、人机智能结合，提供计算机支持的商业人员协同工作环境，实现基于广义管理模型和智能优化的协调管理。
　　3.设计面向电子商务的商业智能管理系统的关键技术
　　3.1数据仓库技术
　　数据仓库是体系化环境的体现，它是面向主题的、集成的、稳定的、不同时间的数据集合，用于支持经营管理中决策的制定过程，数据仓库技术将分布在商业网络中不同信息岛上的数据集成到一起，存储在一个单一的集成关系型数据库中。利用这种集成信息，可以方便南家对信息的访问，更可使决策者对一段时间内的历史数据进行分析，研究事物的发展趋势。
　　3.2数据挖掘技术和数据导航技术
　　数据挖掘是按照既定的业务目标，对大量的数据进行探索，揭示其中隐藏的规律性井进一步将其模型化的先进、有效的大量数据处理的方法。数据挖掘技术使数据仓库成为决策支持的最好的工具，能够帮助决策者从商业堆积如“山”、势如“洪水”的大量数据中挖掘出隐藏着的规律性，以便支持决策者及时作出正确而科学的经营管理决策。
　　3.3多库协同软件技术
　　为了实现商业智能管理系统的软件技术，对数据挖掘;广义模型、智能优化及多媒体人机智能界面提供软件支持，需要应用和开发多库协同软件的方法和技术。多库协同软件是智能管理系统的软件实现技术，是协同运行的、多库一体化的软件环境。它主要包括：多库协同器和数据库、知识库、模型库、方法库、图形库、图像库、音素库、语料库、文件库、动画库等及其相应的管理系统。
　　3.4智能优化技术
　　在实际系统的优化中，基于数学模型的员优化方法往往难以实际应用，主要困难在于仅用数学模型难以描述实际的复杂系统，而且实际数据可能不准确、信息不充足。智能优化方法的类型取决于所采用的广义管理模型，当集成广义管理模型是由知识模型与数学模型构成时，相应的智能优化方法是知识推理与数学校算相结合的方法。典型的智能优化方法有启发式动态规划方法和自学非线性规划方法等，可用于商业智能管理系统的优化设计和运行。
　　4.电子商务订单实时智能处理案例分析
　　电子商务订单处理需体现智能性与科学性，实现考虑社会化物流配送能力安排的电子商务订单的智能处理。
　　（1）电子商务订单实时智能处理流程分析
　　电子商务订单实时智能处理，一方面，遵循人工处理订单的过程即获取分析订单信息一为订单确定供货点，为订单确定第三方物流配送中心在不能够满足客户的情况下，与客户协商;另一方面，结合人工处理电子商务订单过程中供货点定位、第三方物流配送中心选择以及与客户对话的经验、知识和规则，进行实时智能处理。处理流程如下：
　　首先，需要获取并分析客户的订购信息，明确客户订购的供货定位以及配送选择的要求。
　　其次，需要为客户订购的商品确定合适的供货点。在为客户确定提供供货服务的供货点时，尽可能将配送地点相近的客户订购安排同一个供货点供货，形成供货点定位处理的规则库和知识库，实现客户订购的供货点定位智能处理。
　　再次，在供货情况以及供货点确定后，需要为客户订购的配送确定合适的第三方物流配送中心，结合人工确定第三方物流配送中心过程的经验和知识，形成第三方物流配送中心选择的规则库和知识库。
　　最后，针对物流配送安排情况，在线实时与客户协商，用以接受客户订购还是客户放弃订购。这样处理顺序满足有货才可以配送的实际社会化物流配送处理。
　　（2）电子商务订单实时智能处理的三层结构
　　从电子商务订单实时智能处理流程可以看出，电子商务订单实时智能处理由面向客户层的处理以及针对客户订购的物流配送安排处理两个核心处理组成，支撑这两大核心处理的规则库和知识库是实现智能处理的数据和知识基础。
　　5.总结
　　本文分析了面向电子商务应用的商业智能的概念、功能和主要设计思路，并通过案例进行了阐述。为改造现有电子商务系统、开发新型商业计算机管理系统提供了方法和策略，为现有商务模式面对现在和未来，从传统商务向电子商务、再向商业智能过渡，提供了构架和桥梁。