数据挖掘技术在管理信息系统中的应用_谢玲.pdf

Application 创新应用254 电子技术 第 52 卷 第 6 期（总第 559 期）2023 年 6 月决策提供强有力的判断依据。基于数据挖掘技术目前的发展情况和数据收集分析的特点，可分为两种类型的数据，即记录叙述型和推理判断型。其中的记录叙述型的数据挖掘技术主要是发现和整理数据，从企业发展产生的大量数据中获得能够高度概括企业情况的信息数据；推理判断型的数据挖掘技术主要是从所提供的信息数据中进行分析，为企业发展中的不足提供数据表述。相较于记录叙述型，推理判断型的数据挖掘技术对企业发展拥有更好的参考价值。在应用数据挖掘技术时，需要有可供分析整理的相关信息数据，所以拥有大量的数据信息已是企业的重要战略资源。采用多元化的数据分析算法，对数据进行收集分析，将这些分析结果反馈给管理信息系统，为数据维护，操作优化等方面提供助力1。在管理信息系统中，数挖掘技术可分为数据收集层、集成层、存储层、分析层及服务层五个部分，是数据挖掘算法保障管理系统规范运行的执行标准。管理信息系统需要处理多方面的业务，按照管理需求，分配好数据挖掘技术的应用方向，提高数据挖掘技术的利用效率。数据挖掘技术深入到系统中的各个层面才能发挥最大的优势，全面分配好数据挖掘的作用范围，规范管理系统的运行过程，促使管理系统在规范的运行环境中最大化地实现工作效率。同时要注意数据挖掘程序运行时不0 引言信息化时代的高速发展以信息数据的收集和智能化应用作为标签。随着信息化深入发展，数据已经成为一种战略性资源，能够掌握足够多的数据是企业发展壮大的标志。在大数据时代，如何使用数据挖掘技术提升数据收集速度和数据质量是各行业突破发展瓶颈的重要研究方向。通过数据挖掘技术的发展，从多渠道收集分析数据，为行业的发展提供信息智能化服务，将大量多样的数据转化为具有高价值的信息资源，扩展行业发展空间。随着数据挖掘技术在大数据分析领域的不断深化应用，推动了信息化时代的发展，也促使各行业深耕于大数据分析所带来的精准性服务，成为寻求行业发展的指向标。不可忽视的是要充分利用数据挖掘技术所带来的利益，就必须要面对一些不可避免的行业冲击和技术问题，需要科学合理的方式，完善信息管理机制，提升信息服务能力。1 研究背景数据挖掘技术的底层逻辑。从应用层面来看，通过数据挖掘技术与信息应用管理实现一对一的处理过程，其从大量数据中进行分析，将杂乱、残缺、错误的数据信息通过数据挖掘技术进行比对分析，整理出有序、完整、高价值的信息数据。企业可以参考这些信息数据，去分析企业经营中存在的问题和未来发展方向，从全面客观的角度，为企业作者简介：谢玲，遵义医科大学医学信息工程学院，讲师，博士；研究方向：大数据分析。收稿日期：2022-09-21；修回日期：2023-06-12。摘要：阐述数据挖掘技术的底层逻辑，数据挖掘技术的特点和应用策略，包括数据分类、数据收集、数据分析，定义数据挖掘的目标、整合数据信息、建立数据挖掘模型。关键词：数据挖掘技术，数据分类，数据收集，数据分析。中图分类号：TP311.52文章编号：1000-0755(2023)06-0254-02文献引用格式：谢玲，王晓华.数据挖掘技术在管理信息系统中的应用J.电子技术,2023,52(06):254-255.数据挖掘技术在管理信息系统中的应用谢玲，王晓华（遵义医科大学医学信息工程学院，贵州 563003）Abstract This paper expounds the underlying logic of data mining technology,the characteristics and application strategies of data mining technology,including data classification,data collection,data analysis,defining the goals of data mining,integrating data information,and establishing data mining modelsIndex Terms data mining technology,data classification,data collection,data analysis.Application of Data Mining Technology in Management Information SystemsXIE Ling,WANG Xiaohua(School of Medical Information Engineering,Zunyi Medical University,Guizhou 563003,China.)Application 创新应用电子技术 第 52 卷 第 6 期（总第 559 期）2023 年 6 月 255能影响管理信息系统的正常运行，消除外界因素对数据挖掘分析的影响，客观展现数据挖掘技术的成效，及时处理信息管理中存在的漏洞。2 数据挖掘技术数据分类。在系统应用中，根据设定的规则程序数据挖掘技术能够对种类多样、属性复杂的信息数据进行分类整理。同时对特定的数据信息进行分析，提升管理信息系统处理数据的速度，提高系统管理工作的效率。在数据分类过程中，分析数据的差异化和个性化，能够建立起具有针对性的数据模型，为系统用户推送更多符合用户需要的个性化商品，进一步提高管理信息系统的价值2。数据收集。在系统应用过程中，数据挖掘技术收集数据信息是一项重大任务，其主要实现对数据模型的分析控制，将数据库中的样本数据与数据模型做比较，查找收集有差异的数据信息。收集数据信息在数据挖掘技术中需要对系统数据库进行全面的扫描与整理，以得到更具参考价值的数据分析报告。同时对数据和模型进行对比分析，反复进行全面测试，提高数据模型的准确性，形成具有实际应用价值的标准模型，为管理信息系统的数据分析预测提供基础支持。数据分析。在数据挖掘技术应用中，对数据的分析是最能体现其价值和发展空间的。数据挖掘技术需要明确数据信息的层次管理，确保信息数据的完整存储。在企业人力资源管理中，管理信息系统通过数据分析，为企业人力资源管理提供更多的数据分析思路和决策参考方向，高效地处理好人力资源管理混乱、复杂的情况，为企业评判人才价值提供更多的数据支持和判断建议，有效促进人力资源科学管理制度建设。3 数据挖掘技术的应用明确技术目标。在管理信息系统应用中，要明确数据挖掘技术的战略目标。依据企业自身的发展情况，找出系统中需要进行数据挖掘的目标数据，把握技术目标之间的关联，挖掘出潜在的高危漏洞信息，从而分析出相应的处理应对措施。例如：在人力资源管理信息系统中，依据人力资源的实际情况，将人员的工作经历、学历、职业技能作为技术目标，把握好这些数据之间的关联，利用数据挖掘技术分析人才流失的原因，预测可能离职的人才，从而完善人才管理方案，实施相应措施，如调岗、调薪等，减少人员变动带来的影响。整合数据信息。在数据挖掘技术应用中，对挖掘出的数据进行汇总整合，进一步建立数据结构模型。管理信息系统中的数据多元、复杂，通过明确各类数据的属性特征，在大量的数据中挖掘需要的信息，之后对得到的数据进行汇总整合，找出具有价值的完整信息，建立数据库，方便管理者对数据信息进行管理，可采用SQL指令对数据库中得到的信息进行增删改查的操作。整合了数据信息后，要构建数据模型，将所有相关的数据信息输入到数据模型中对模型进行训练，提高模型的精确度。建立数据挖掘模型。数据挖掘模型的优劣决定了数据挖掘技术在管理信息系统应用中挖掘出的数据质量。建立数据挖掘模型的相关算法有很多，如遗传算法、人工神经网络等是较为常用的方法，选择合适的算法能够提高模型的数据挖掘能力。例如决策树方法是将系统中的数据依据特定属性分成多个模块，通过模块间的差异，衡量系统中的数据信息，将数据相近的信息分配到制定的模块中，差异明显的数据分配到不同的模块中，使每份数据都有明显的特征。4 案例分析通过分析数据挖掘技术在医院管理信息系统中的应用，展现数据挖掘技术的优势。数据挖掘技术的应用过程中，能够提高医院的人才管理水平。通过技术应用，使医院管理信息系统在掌握医院人才信息的基础上，能够为医院的人才培养计划提供强有力的数据支持。同时数据挖掘技术对病人的信息数据管理也有较好的辅助作用，促进了病人的精细化管理，便于医护人员掌握病人的情况，明确病人的需要。数据挖掘技术提高了医院对人才、病人的精细化管理能力，增强了病人对医护人员的信任度，进而促进了医院经济效益的提高，提高了医院工作质量。数据挖掘技术通过数据分析，能够预测未来就诊人员的情况变化，为医院资源配置和经营发展提供良好的参考建议。数据挖掘技术能够促进医院各部门管理制度的完善，尤其是药品的库存管理方面，能够精准把控各类药品数量，分析管理风险，完善药品管理措施。数据挖掘技术通过分析管理信息系统中的药品销售信息，对药品供需情况进行预测，为医院订购药品提供数据参考，极大提高了药品管理的信息化水平。5 结语数据挖掘技术的深入研究和应用是管理信息系统推进智能化进程的重要手段。在信息化时代中，要不断加强对信息数据的挖掘利用，拓展实践应用领域，推动技术创新和人才培养，着力提高数据挖掘深度，提高数据质量，促进行业管理信息系统建设，增强数据分析能力，提高信息服务能力，改善行业数据管理水平。参考文献1 李昱良,李均医,陈磊.数据挖掘技术在软件工程中的应用分析J.电子元器件与信息技术,2022,6(05):109-113.2 栾阳.数据挖掘技术在学校管理信息系统中的应用J.软件导刊,2007(11):27-28.