前言:小編為你整理了5篇數(shù)據(jù)挖掘論文參考范文,供你參考和借鑒。希望能幫助你在寫作上獲得靈感,讓你的文章更加豐富有深度。
一、數(shù)據(jù)挖掘在財(cái)務(wù)分析中的重要作用
首先,提高財(cái)務(wù)信息的利用能力。傳統(tǒng)財(cái)務(wù)數(shù)據(jù)查詢主要面向應(yīng)用,屬于一種支持日常操作的事務(wù)處理,沒有分析所查詢的數(shù)據(jù)信息的能力,決策者也無(wú)法在分析大量歷史數(shù)據(jù)的基礎(chǔ)上多維度的比較、分析某個(gè)主題的相關(guān)數(shù)據(jù)。而財(cái)務(wù)分析中應(yīng)用數(shù)據(jù)挖掘技術(shù)體現(xiàn)出序列導(dǎo)向及多維度的特點(diǎn),從而有效提高財(cái)務(wù)信息的應(yīng)用能力。其次,解決財(cái)務(wù)信息的噪聲問(wèn)題。網(wǎng)絡(luò)環(huán)境下,企業(yè)可以方便、快捷的獲取企業(yè)內(nèi)部信息、各關(guān)聯(lián)方及外部信息,這個(gè)過(guò)程中難免會(huì)出現(xiàn)信息過(guò)量的問(wèn)題,如何迅速?gòu)暮A啃畔⒅蝎@取對(duì)決策有用的信息成為各決策者及管理者面臨的重要問(wèn)題。這種情況下,數(shù)據(jù)挖掘技術(shù)可以在海量信息中分辨、挖掘出對(duì)財(cái)務(wù)決策有用的信息,最大程度上減少信息噪聲的影響。最后,提高財(cái)務(wù)分析的智能化水平。決策本身體現(xiàn)出動(dòng)態(tài)性、復(fù)雜性、多樣性的特點(diǎn),而決策者本身的綜合素質(zhì)也會(huì)對(duì)決策的準(zhǔn)確性產(chǎn)生影響,因此同一種情況可能產(chǎn)生不同的決策結(jié)果。隨著數(shù)據(jù)量的不斷增加,傳統(tǒng)依靠程序人員設(shè)計(jì)專用程序查詢數(shù)據(jù)的方法已經(jīng)相對(duì)滯后,決策者需要更加智能化的信息分析方法,數(shù)據(jù)挖掘技術(shù)便可滿足這一要求,其利用現(xiàn)有數(shù)據(jù)獲取新的、有用的信息,并對(duì)信息的查詢、存儲(chǔ)過(guò)程預(yù)以優(yōu)化,體現(xiàn)出強(qiáng)大的自我學(xué)習(xí)功能,從而最大程度上滿足財(cái)務(wù)信息分析智能化的要求。
二、數(shù)據(jù)挖掘技術(shù)在財(cái)務(wù)分析中的應(yīng)用
財(cái)務(wù)分析的主要目的是改善經(jīng)營(yíng)管理,提高企業(yè)的經(jīng)濟(jì)效益,其主要目的是保證會(huì)計(jì)信息資料的正確可靠性,以保證企業(yè)財(cái)產(chǎn)的安全性、完整性。比如某生態(tài)園林企業(yè)需要投入大量資金完善生產(chǎn)基礎(chǔ)設(shè)施,并保證現(xiàn)場(chǎng)作業(yè)的有序,如有必要還要投資于企業(yè)產(chǎn)品周邊附屬產(chǎn)業(yè)的發(fā)展,因此財(cái)務(wù)決策的重要性不言而喻,而在財(cái)務(wù)決策中應(yīng)用數(shù)據(jù)挖掘技術(shù)十分必要。財(cái)務(wù)分析中應(yīng)用數(shù)據(jù)挖掘的基本流程包括問(wèn)題識(shí)別、數(shù)據(jù)準(zhǔn)備、數(shù)據(jù)開采及結(jié)果表達(dá)與解釋等四個(gè)步驟,圖1可將財(cái)務(wù)分析數(shù)據(jù)挖掘的過(guò)程直觀的表達(dá)出來(lái):
(一)問(wèn)題識(shí)別
典型的財(cái)務(wù)決策包括投資決策、籌資決策、成本決策、銷售決策等,企業(yè)要進(jìn)行財(cái)務(wù)分析前必須識(shí)別決策問(wèn)題,明確需要達(dá)到的決策目標(biāo)等,再將決策目標(biāo)轉(zhuǎn)換為數(shù)據(jù)挖掘的目標(biāo),最后進(jìn)行準(zhǔn)確的數(shù)據(jù)定義。如企業(yè)需要投資企業(yè)產(chǎn)品周邊附屬產(chǎn)業(yè),則需要利用數(shù)據(jù)挖掘技術(shù)明確以下問(wèn)題:
(1)企業(yè)經(jīng)營(yíng)中可隨時(shí)支配的資金額度,需要財(cái)務(wù)人員建立數(shù)據(jù)庫(kù)模型,將可用于投資的資金情況準(zhǔn)確、詳細(xì)的計(jì)算出來(lái);
1數(shù)據(jù)挖掘技術(shù)和過(guò)程
1.1數(shù)據(jù)挖掘技術(shù)概述
發(fā)現(xiàn)的是用戶感興趣的知識(shí);發(fā)現(xiàn)的知識(shí)應(yīng)當(dāng)能夠被接受、理解和運(yùn)用。也就是發(fā)現(xiàn)全部相對(duì)的知識(shí),是具有特定前提與條件,面向既定領(lǐng)域的,同時(shí)還容易被用戶接受。數(shù)據(jù)挖掘?qū)儆谝环N新型的商業(yè)信息處理技術(shù),其特點(diǎn)為抽取、轉(zhuǎn)化、分析商業(yè)數(shù)據(jù)庫(kù)中的大規(guī)模業(yè)務(wù)數(shù)據(jù),從中獲得有價(jià)值的商業(yè)數(shù)據(jù)。簡(jiǎn)單來(lái)說(shuō),其實(shí)數(shù)據(jù)挖掘是一種對(duì)數(shù)據(jù)進(jìn)行深入分析的方法。因此,可以描述數(shù)據(jù)挖掘?yàn)椋焊鶕?jù)企業(yè)設(shè)定的工作目標(biāo),探索與分析企業(yè)大量數(shù)據(jù),充分揭示隱藏的、未知的規(guī)律性,并且將其轉(zhuǎn)變?yōu)榭茖W(xué)的方法。數(shù)據(jù)挖掘發(fā)現(xiàn)的最常見知識(shí)包括:
1.1.1廣義知識(shí)體現(xiàn)相同事物共同性質(zhì)的知識(shí),是指類別特點(diǎn)的概括描述知識(shí)。按照數(shù)據(jù)的微觀特點(diǎn)對(duì)其表征的、具有普遍性的、極高概念層次的知識(shí)積極發(fā)現(xiàn),是對(duì)數(shù)據(jù)的高度精煉與抽象。發(fā)現(xiàn)廣義知識(shí)的方法與技術(shù)有很多,例如數(shù)據(jù)立方體和歸約等。
1.1.2關(guān)聯(lián)知識(shí)體現(xiàn)一個(gè)事件與其他事件之間形成的關(guān)聯(lián)知識(shí)。假如兩項(xiàng)或者更多項(xiàng)之間形成關(guān)聯(lián),則其中一項(xiàng)的屬性數(shù)值就能夠借助其他屬性數(shù)值實(shí)行預(yù)測(cè)。
1.1.3分類知識(shí)體現(xiàn)相同事物共同特點(diǎn)的屬性知識(shí)與不同事物之間差異特點(diǎn)知識(shí)。
1.2數(shù)據(jù)挖掘過(guò)程
一、數(shù)據(jù)挖掘技術(shù)概述
(1)確定業(yè)務(wù)對(duì)象:做好業(yè)務(wù)對(duì)象的明確是數(shù)據(jù)域挖掘的首要步驟,挖掘的最后結(jié)構(gòu)是不可預(yù)測(cè)的,但是探索的問(wèn)題必須是有預(yù)見的,明確業(yè)務(wù)對(duì)象可以避免數(shù)據(jù)挖掘的盲目性,從而大大提高成功率。
(2)數(shù)據(jù)準(zhǔn)備:首先,對(duì)于業(yè)務(wù)目標(biāo)相關(guān)的內(nèi)部和外部數(shù)據(jù)信息進(jìn)行查找,從中找出可以用于數(shù)據(jù)挖掘的信息;其次,要對(duì)數(shù)據(jù)信息的內(nèi)容進(jìn)行全面細(xì)致分析,確定需要進(jìn)行挖掘操作的類型;然后,結(jié)合相應(yīng)的挖掘算法,將數(shù)據(jù)轉(zhuǎn)化稱為相應(yīng)的分析模型,以保證數(shù)據(jù)挖掘的順利進(jìn)行。
(3)數(shù)據(jù)挖掘:在對(duì)數(shù)據(jù)進(jìn)行轉(zhuǎn)化后,就可以結(jié)合相應(yīng)的挖掘算法,自動(dòng)完成相應(yīng)的數(shù)據(jù)分析工作。
(4)結(jié)果分析:對(duì)得到的數(shù)據(jù)分析結(jié)果進(jìn)行評(píng)價(jià),結(jié)合數(shù)據(jù)挖掘操作明確分析方法,一般情況下,會(huì)用到可視化技術(shù)。
(5)知識(shí)同化:對(duì)分析得到的數(shù)據(jù)信息進(jìn)行整理,統(tǒng)一到業(yè)務(wù)信息系統(tǒng)的組成結(jié)構(gòu)中。這個(gè)步驟不一定能夠一次完成,而且其中部分步驟可能需要重復(fù)進(jìn)行。
二、數(shù)據(jù)挖掘技術(shù)在水利工程管理中的實(shí)施要點(diǎn)
一、醫(yī)院管理中數(shù)據(jù)挖掘的方法
現(xiàn)有的醫(yī)院數(shù)據(jù)挖掘主要是從兩個(gè)方面進(jìn)行的,一個(gè)是從功能的角度,而另一個(gè)是從數(shù)據(jù)對(duì)象的角度進(jìn)行的。
(一)從功能角度
常用的數(shù)據(jù)挖掘可以分為統(tǒng)計(jì)分析、知識(shí)發(fā)現(xiàn)、和其他的數(shù)據(jù)挖掘技術(shù)這三類。
1.統(tǒng)計(jì)分析
統(tǒng)計(jì)分析是指運(yùn)用統(tǒng)計(jì)方法及與分析對(duì)象有關(guān)的知識(shí),從定量與定性的結(jié)合上進(jìn)行的研究活動(dòng)。在醫(yī)療數(shù)據(jù)挖掘中的應(yīng)用中,可對(duì)病人的各種醫(yī)學(xué)影像進(jìn)行自動(dòng)分析、對(duì)在院病人的監(jiān)護(hù)數(shù)據(jù)進(jìn)行統(tǒng)計(jì)分析、分析中醫(yī)診斷和方劑、疾病危險(xiǎn)成因的研究等。
2.知識(shí)發(fā)現(xiàn)
1我國(guó)煤礦安全管理存在的問(wèn)題
1.1安全技術(shù)資金不足
煤炭的持續(xù)開采會(huì)受到地質(zhì)條件的直接影響,過(guò)去國(guó)家投入眾多的設(shè)施,使用至今均已出現(xiàn)老化,并且維修量非常大。隨著礦井的不斷延深,礦壓極度強(qiáng)化,巷道的維修任務(wù)更是不斷的增加,礦井的供電以及通風(fēng)、提升與排水等都不能適應(yīng)生產(chǎn)的需要。
1.2安全管理模式傳統(tǒng)
與西方發(fā)達(dá)產(chǎn)煤國(guó)家相比較,我國(guó)的煤礦使用技術(shù)研究起步很晚。并且人力、財(cái)力非常缺乏,某些重大的安全技術(shù)問(wèn)題,比如沖擊地壓以及煤和瓦斯的突出、地?zé)嵋约巴凰葹?zāi)害不能進(jìn)行有效的預(yù)測(cè)和控制。且受到以往傳統(tǒng)運(yùn)營(yíng)思想的直接作用與影響以及各個(gè)企業(yè)的經(jīng)濟(jì)實(shí)力的約束,我國(guó)的煤礦生產(chǎn)裝備和安全監(jiān)控設(shè)施相對(duì)落后。井巷的斷面設(shè)計(jì)以及支護(hù)強(qiáng)度的確定、支護(hù)材料的型號(hào)選擇較小。生產(chǎn)設(shè)施功率以及礦井的供風(fēng)量等富余參數(shù)非常低,極易出現(xiàn)事故。絕大多數(shù)的煤炭企業(yè)還是利用以往傳統(tǒng)的安全管理模式,各種報(bào)表計(jì)算仍是靠人工勞動(dòng)并且精確度很低。信息傳送的時(shí)間較長(zhǎng),且速度較慢,管理者的工作重復(fù)性很大,資料查詢十分困難,并且工作效率很低。安全檢查以及等級(jí)鑒定等總是憑借主觀意念以及相關(guān)的經(jīng)驗(yàn)。
1.3安全信息管理體制不健全
安全信息可以說(shuō)是安全管理工作的重要依據(jù),它主要包括事故和職業(yè)傷害的有效記錄與分析統(tǒng)計(jì),職業(yè)的安全衛(wèi)生設(shè)施的相關(guān)研究與設(shè)計(jì)、生產(chǎn)以及檢驗(yàn)技術(shù),法律法規(guī)以及相應(yīng)技術(shù)標(biāo)準(zhǔn)和其變化的動(dòng)態(tài),教育培訓(xùn)以及宣傳和社會(huì)活動(dòng),國(guó)內(nèi)的新型技術(shù)動(dòng)態(tài)以及隱患評(píng)估與技術(shù)經(jīng)濟(jì)類分析和咨詢、決策的體系。信息體制的健全是安全體制工程以及計(jì)算機(jī)技術(shù)的有效結(jié)合,可促使安全工作轉(zhuǎn)型為定性和定量的超前預(yù)測(cè),不過(guò)大多數(shù)礦井還是處于起步與摸索階段,并未呈現(xiàn)出健全的體制,真正的使用還有待進(jìn)一步的發(fā)展。
級(jí)別:省級(jí)期刊
榮譽(yù):中國(guó)優(yōu)秀期刊遴選數(shù)據(jù)庫(kù)
級(jí)別:統(tǒng)計(jì)源期刊
榮譽(yù):中國(guó)優(yōu)秀期刊遴選數(shù)據(jù)庫(kù)
級(jí)別:省級(jí)期刊
榮譽(yù):中國(guó)期刊全文數(shù)據(jù)庫(kù)(CJFD)
級(jí)別:部級(jí)期刊
榮譽(yù):中國(guó)優(yōu)秀期刊遴選數(shù)據(jù)庫(kù)
級(jí)別:CSCD期刊
榮譽(yù):中國(guó)優(yōu)秀期刊遴選數(shù)據(jù)庫(kù)