電子商務(wù)前沿

電子商務(wù)前沿電子商務(wù)未來(lái)發(fā)展趨勢(shì)：1、使用大數(shù)據(jù)預(yù)測(cè)用戶需求2、電子商務(wù)與社交媒體的融合3、第三方平臺(tái)將弱化，企業(yè)的作用日益增大。大數(shù)據(jù)案例：

1、谷歌預(yù)測(cè)流感爆發(fā)2、奧倫·埃齊奧尼大數(shù)據(jù)核心：預(yù)測(cè)

整體數(shù)據(jù)而非抽樣數(shù)據(jù)；用歷史數(shù)據(jù)預(yù)測(cè)未來(lái)；不考慮因果關(guān)系，僅關(guān)注相關(guān)關(guān)系，及不回答為什么只回答是什么。大數(shù)據(jù)特點(diǎn)：

1、更全：不是隨機(jī)樣本，而是全體數(shù)據(jù)2、更雜：不是精確性，而是混雜性3、更好：不是因果關(guān)系，而是相關(guān)關(guān)系數(shù)據(jù)時(shí)代的商業(yè)變革一切皆可數(shù)據(jù)化：

文本數(shù)據(jù)化方位數(shù)據(jù)化溝通數(shù)據(jù)化未來(lái)：

數(shù)據(jù)、技術(shù)與思維三足鼎立

數(shù)據(jù)挖掘1、從海量數(shù)據(jù)中挖掘有價(jià)值的信息2、利用數(shù)據(jù)挖掘技術(shù)發(fā)現(xiàn)隱藏在大量繁雜數(shù)據(jù)中的模式和規(guī)律3、從信息中獲取專業(yè)技能數(shù)據(jù)挖掘用到的技術(shù)：

數(shù)據(jù)庫(kù)、統(tǒng)計(jì)學(xué)、機(jī)器學(xué)習(xí)、人工智慧常見(jiàn)的數(shù)據(jù)挖掘包括：

分類聚類預(yù)測(cè)關(guān)聯(lián)常見(jiàn)的數(shù)據(jù)挖掘模型：

1、SEMMA:由SAS公司提出，強(qiáng)調(diào)利用數(shù)據(jù)挖掘技術(shù)應(yīng)用的方法。SampleExploreModifyModelAssess2、5A數(shù)據(jù)挖掘過(guò)程模型有SPSS公司提供。AssessAccessAnalyzeActAutomate3、CRISP-DM數(shù)據(jù)挖掘過(guò)程模型是由數(shù)據(jù)挖掘興趣小組共同規(guī)劃并提出的整體規(guī)范和設(shè)計(jì)標(biāo)準(zhǔn)，這個(gè)小組由歐洲委員會(huì)和一些在數(shù)據(jù)挖掘應(yīng)用領(lǐng)域有豐富經(jīng)驗(yàn)的人士組成。商業(yè)理解數(shù)據(jù)理解數(shù)據(jù)準(zhǔn)備建立模型模型評(píng)估模型發(fā)布數(shù)據(jù)挖掘的十大經(jīng)典算法

決策樹(shù)、貝葉斯、關(guān)聯(lián)規(guī)則