原创《大数据背景下电子商务专业数据挖掘课程教学》：本论文可用于数据挖掘论文范文参考下载，数据挖掘相关论文写作参考研究。
摘 要：在大数据背景下,为适应行业发展需求,国内外很多高校开始在电子商务专业本科生中开设数据挖掘的课程.针对电子商务专业对数据分析和挖掘人才培养需求和数据挖掘学科交叉性强的特点,结合实际教学经验,从教学组织、教学方式以及教学内容等方面进行了研究和探索,为培养大数据时代兼具商务管理和数据挖掘和分析的复合型人才奠定理论基础.
关键词：大数据；数据挖掘；电子商务；教学设计
中图分类号：G4文献标识码：Adoi：10.19311/j.cnki.16723198.2017.28.082
0引言
近几年,随着互联网技术的发展和对人们工作生活的不断渗透,随着移动互联、物联网、云计算、智慧工程等新兴信息技术的出现和普及,数据在人们的生活中呈爆炸式增长,人们开始进入大数据时代.由于海量数据中记录了企业的发展、运营以及人们生活和行为的点点滴滴,所以,挖掘海量数据背后存在的模式、规律和趋势,并结合各行各业进行创新应用,已经成为这个时代的重要课题.我国电子商务经过近20年的发展和数据累积,已经从用户为王、销售为王进入到数据为王的阶段,如何针对用户消费行为的分析,提升电子商务的运营效率,促进精准营销的开展,增加客户黏性,从而实现电子商务的智能化发展,是当前电子商务发展的重中之重.因此,在大数据背景下,为适应行业发展需求,国内外很多高校,尤其是应用型本科院校,在电子商务专业本科生中陆续开设大数据分析和挖掘系列的课程,其中作为大数据研究和应用的重要支撑技术的数据挖掘,是其中一门重要课程.
1电子商务专业开设数据挖掘课程的必要性
1.1行业发展的必然要求
进入大数据时代,“互联网+”技术和传统行业深度融合,电子商务数据已覆盖了从用户、 商家、 第三方、 物流等一系列商务环节.因此,充分利用大数据,有效分析和挖掘大数据的价值和规律,已成为推动电子商务深化发展的重要引擎.首先,数据挖掘技术是电子商务智能化的基础.由于电子商务的活动从开始就具备了信息电子化的先天优势,所以,用户在电子商务网站上发生的所有行为信息都被日志记录,包括用户对产品的搜索、 浏览、 在购物车加入或取出商品、 *产品、 对商品的讨论、评价、分享等.对这些用户行为信息进行收集和分析,可以挖掘用户的兴趣特征和潜在需求,实现对用户的个性化推荐.其次,数据挖掘技术支撑电子商务的精细化营销的实现.通过网络爬虫收集用户在消费过程种对商品的兴趣、偏好、评价等数据,并进行分析挖掘,可以更好地对用户进行细分,针对性地制定营销策略,更准确地把握用户态度和对产品的情感倾向,及时控制营销中的不良影响,从而提升用户体验和用户黏性.第三,数据挖掘技术推动电商物流的优化.通过对电商物流数据的分析和挖掘,可以预测市场需求变化的规律,帮助企业合理地进行库存管理和控制,优化配送路线,进行物流中心选址策略分析等.可见,对于电子商务专业大学生开设数据挖掘课程是行业发展的必然需求.
1.2专业人才培养的迫切需求
电子商务是利用信息和通信技术,通过Internet在个人、 组织和企业之间进行商务活动和处理商务关系的一种活动.随着云计算、物联网及移动互联等新兴信息技术的迅速发展,大量传感器和监控设备不间断的数据采集和行业数据的持续积累,使大数据成为时代的鲜明特点.教育部电子商务专业教学指导委员会王伟军教授等人对138个电子商务专业本科人才的市场招聘需求进行研究发现,网络营销和数据分析是当前电子商务专业的主要能力需求,而目前我国开设电子商务专业的高校中开设数据挖掘及其相关课程的只有14所.因此,该类别人才缺口目前较为严重,市场需求量较大.为了适应时 展需求,高校在人才培养时既要注重电子商务运营管理能力的培养,同时更要注意商务数据分析和挖掘能力培养.培养同时具备这两种能力,并且可以将两种能力有效結合起来的应用型人才,是当前高校电子商务专业发展的趋势和方向.
总之,在当前的电子商务活动中,商务管理是核心,数据分析和挖掘是手段.在大数据背景下,要提升电子商务的管理效率,实现电子商务的智能化发展,必须应用好数据挖掘这把利器.因此,在电子商务专业开设数据挖掘课程,是行业发展的必然要求,也是专业发展的迫切要求.
2电子商务专业数据挖掘课程教学思路设计
数据挖掘是一门交叉学科,涉及统计学、数据库、机器学习、高性能计算等多门学科相关内容,要求学生具有较为扎实的基础知识.由于课程难度较大,早期高校都把该课程作为研究生的专业课程.为适应市场需求和行业发展,近年来,也有些高校将此课作为本科生高年级选修课开设.从该课程的传统教学上来看,由于学生理论基础不够扎实,课程教学又多侧重算法的分析和实现,导致该课程存在教学难度大、理论教学过多、学习兴趣难以提高等问题.
考虑到传统教学的问题以及电子商务专业培养应用型本科人才的实际情况,笔者认为该课程在教学过程中应“轻算法,重应用”,以启发学生数据思维为主,以理解算法思路为主（忽略细节实现）,以合理构建数据挖掘模型、正确解读数据挖掘结果为主. 在组织教学时,采用基于场景的启发式教学方式.该课程在讲授每个数据挖掘方法时,都通过一个电子商务问题进行导入；通过本节所授方法,形成解决问题的思路；最后通过专门数据挖掘软件进行方法的应用,通过对挖掘结果的解读分析,为导入问题的决策分析提供依据.通过这种由浅入深,由易到难的方式,引起学生学习兴趣,激发学生主动思考,真正成为课堂的主体.
实践环节是学生理论联系实际的关键步骤,选用合适的数据挖掘软件工具非常重要,对于电子商务专业的学生,数据挖掘重在问题的建模和方法的应用,所以,该课程选择的数据挖掘工具是IBM公司的SPSS Modeler.SPSS Modeler 拥有丰富的数据挖掘算法,本课程涉及到的分类、 聚类、 关联分析、时序分析、社会网络分析挖掘等主要数据挖掘功能均可实现,而且其操作简单易用,分析结果直观易懂,可以使用户方便快捷地实现数据挖掘.学生通过对算法基本思路的了解,针对实验问题设计数据挖掘方案,并通过数据挖掘软件进行算法的应用和结果的分析,理论和时间的顺利衔接,进一步加深学生对数据挖掘方法的认识和理解.
数据挖掘论文参考资料：
结论：大数据背景下电子商务专业数据挖掘课程教学为关于本文可作为相关专业数据挖掘论文写作研究的大学硕士与本科毕业论文大数据挖掘工具论文开题报告范文和职称论文参考文献资料。
