数据挖掘建议书

“数据”的含义很广，不仅包括123、678这样的数字，还包括“abc”、“王海”、“2006-

10-12”等以字符、日期形式存在的数据。这里讨论的数据泛指计算机系统中存储的任何数据

，例如:文本、数据、图像、视频……等等。随着国民经济和社会信息化的飞速发展，人们在

计算机系统中存放的数据量越来越大。我们发现这些数据是人们工作、生活和其他行为的记

录，是企业和社会发展的记录，也是人与自然界本身的描述。这就是说在计算机系统中形成

了庞大的"数据资源"。因此，发现这些数据所含的规律也就是发现我们工作、生活和社会发

展中的规律，发现人与自然界的规律，就相当于在数据资源中发现金矿。这就是数据资源的

开发利用，是非常有价值的工作。而数据挖掘是目前最先进的数据资源开发利用技术。
什么是数据挖掘呢？我们先来看一个数据挖掘的故事， "尿布与啤酒"的故事是关于数据挖掘

最经典和流传最广的故事。
总部位于美国阿肯色州的世界著名商业零售连锁企业沃尔玛（WalMart）拥有世界上最大的数

据仓库系统。为了能够准确了解顾客在其门店的购买习惯，沃尔玛利对其顾客的购物行为进

行购物篮分析，想知道顾客经常一起购买的商品有哪些。沃尔玛数据仓库里集中了其各门店

的详细原始交易数据。在这些原始交易数据的基础上，沃尔玛利用NCR数据挖掘工具对这些数

据进行分析和挖掘。一个意外的发现是：“跟尿布一起购买最多的商品竟是啤酒！”
这是数据挖掘技术对历史数据进行分析的结果，反映数据内在的规律。那么这个结果符合现

实情况吗？是否是一个有用的知识？是否有利用价值？
于是，沃尔玛派出市场调查人员和分析师对这一数据挖掘结果进行调查分析。经过大量实际

调查和分析，揭示了一个隐藏在"尿布与啤酒"背后的美国人的一种行为模式：在美国，一些

年轻的父亲下班后经常要到超市去买婴儿尿布，而他们中有30%～40%的人同时也为自己买一

些啤酒。产生这一现象的原因是：美国的太太们常叮嘱她们的丈夫下班后为小孩买尿布，而

丈夫们在买尿布后又随手带回了他们喜欢的啤酒。
既然尿布与啤酒一起被购买的机会很多，于是沃尔玛就在其一个个门店将尿布与啤酒并排摆

放在一起，结果是尿布与啤酒的销售量双双增长。
按常规思维，尿布与啤酒风马牛不相及，若不是借助数据挖掘技术对大量交易数据进行挖掘

分析，沃尔玛是不可能发现数据内在这一有价值的规律的。
从海量的原始数据中，找出隐含在其中的、我们事先不知道的、但又是潜在的有意义的知识

和信息，从而利用这些知识来指导我们的活动，这便是数据挖掘的初衷。