◆ 数据挖掘是打开数据宝藏的钥匙

时间：2022-02-24 17:40:02 | 来源：网络推广

时间：2022-02-24 17:40:02 来源：网络推广

人工智能有一个重要的应用：数据挖掘。作为近年来新兴的一门计算机边缘学科，其在国内外引起了越来越多的关注。

并且随着数据挖掘技术的不断改进和数据挖掘工具的不断完善，数据挖掘必将在各行各业中得到广泛的应用。

数据挖掘是从大量的数据中通过算法发现有价值信息的过程，这项以数据库技术、统计分析、人工智能等为依托的技术出现有其必然性和可行性。

首先，数字经济的到来对数据的处理和利用提出了更高的要求，而传统的数据处理方法对大量数据无从下手，必然要求有更为先进的数据处理技术。

其次，大数据和云计算技术的不断发展，使得借助计算机来完成大量数据的处理和分析成为可能。

在智慧城市领域，数字技术把基础地理数据、正射影像、街景影像数据、全景影像数据、三维模型数据结合在一起，这产生了大量的地图数据，而在智慧城市的建设和应用中，将产生从TB到PB级越来越多的数据，从而进入大数据时代。

而对于这些大数据来说，传统的数据分析工作已经不适合对其进行合理的分析，导致了一种数据爆炸但知识贫乏的现象。

目前在智慧城市的智慧交通，智慧国土等应用中的数据库系统主要局限于实现数据的录入、查询、统计等功能，但无法有效地发现数据中存在的关系和规则，很难把握数据背后隐藏的知识，无法根据现有的数据预测未来的趋势。

这在一定程度上阻碍了智慧城市的应用与普及。而数据挖掘技术恰恰是解决这一难题的最佳方法。

应用数据挖掘技术，可以从GIS数据库中发现更多的地理知识和地理规律、对专题数据进行有效、合理的分析，从而达到城市的智能运行、政府的科学决策、公众的便捷生活及企业的高效运营。

在银行业，数据挖掘同样有很多的应用场景，其中一个就是风险管理，如信用风险评估。可通过构建信用评级模型，评估贷款申请人或信用卡申请人的风险。

一个进行信用风险评估的解决方案，能对银行数据库中所有的账户指定信用评级标准，用若干数据库查询就可以得出信用风险的列表。

这种对于高/低风险的评级或分类，是基于每个客户的账户特征，如尚未偿还的贷款、信用调降报告历史记录、账户类型、收入水平及其他信息等。

对于银行账户的信用评估，可采用直观量化的评分技术。将顾客的海量信息数据以某种权重加以衡量，针对各种目标给出量化的评分。

以信用评分为例，通过由数据挖掘模型确定的权重，来给每项申请的各指标打分，加总得到该申请人的信用评分情况。银行根据信用评分来决定是否接受申请，确定信用额度。

过去，信用评分的工作由银行信贷员完成，只考虑几个经过测试的变量，如就业情况、收入、年龄、资产、负债等。现在应用数据挖掘的方法，可以增加更多的变量，提高模型的精度，满足信用评价的需求。

毫无疑问，数据挖掘是打开数据宝藏的一把钥匙，但是其普及推广还是难度很大。

主要原因是数据挖掘的技术门槛过高，涉及到机器学习、模型算法、python等很多专业的技术，一般的IT人员很难掌握。虽然市场上也有一些专业的平台软件，但它们的易用性还是不够，学习起来有一定的难度。所以，一款简单易用的可视化数据挖掘平台就显得非常重要。

由思迈特软件出品的Smartbi Mining操作起来非常简单，建模、训练、部署等都是在一个界面完成。业务人员可以参与，整个过程很直观。

里面有很多内置的模型算法，模型参数也是默认调整到最优状态，大大降低了使用门槛。而且，系统随时可以扩展，处理海量数据也不会出现问题。