技市融合：数字经济的大数据挖掘应用

数字经济是以数字资源为基础，以数字技术、信息技术为核心驱动力，通过信息网络连接而形成的生产、消费等经济活动的总和。换句话来讲，数字经济的本质在于以数字化信息和技术为基础实现经济活动的数字化，是一个信息和商务活动都数字化的社会经济系统。^[1]从技术层面、产业层面、融合发展、创新创业方面来看，我国数字经济未来的发展态势一片良好，这不仅仅得益于良好的经济发展环境，还依赖于不断创新的数字技术。

随着大数据技术的不断发展和演化，在数字创新的过程中衍生出许多新产品和新服务，可以说数字创新拓展了传统产业的产品和服务创新功能以及内涵，数字化的生产方式将会成为未来各行各业的重要发展方向。^[2]这里不妨以大数据技术中的数据挖掘技术为例，来分析其如何应用于数字经济的发展。首先，数据挖掘这种新技术自身在不断地演进，推动着数字技术迅速发展；其次，国家现在数字技术产业体系发展得较为完善，所以使不断创新的数据挖掘技术及时应用于数字经济成了可能；最后，数字经济不再局限于原来经济产业本身，将更多地进入实体领域以及其他产业领域，所以数字经济的支撑引领作用不断凸显。而在大数据时代下，数据挖掘技术已经广泛地应用到生产和生活的各个领域，使用数据挖掘技术发现大数据的内在价值也成了当今高科技发展的热点问题。无论在物流运输、道路交通方面，还是在金融、教育等方面都可以随处看到数据挖掘的影子。因此，大数据挖掘技术对于数字经济的快速发展起着巨大的促进作用。

数据挖掘技术中的优化技术可以应用于道路交通问题的有效解决。道路的交通状况与人们的出行关系密切，城市的快速发展、生活水平的提高、机动车的规模逐渐扩大，带来了交通拥堵、出行不便等问题。数据挖掘技术可以有效地解决交通道路和物流网络之间的优化问题。具体来说，就是通过数据挖掘预测模型中的“实时预测”来分析短期的交通状况，通过得到的预测结果提前采取相应的道路疏散措施，给陷入交通拥堵的驾驶人员带来了极大的帮助，同时使政府不用再花费更多的时间和金钱治理交通拥堵问题，促进经济社会更好发展。

随着新一代信息技术的快速发展，网上购物的人越来越多，这同时带来了道路交通问题，频繁的物流运输会加剧道路拥堵，但将数据挖掘中的优化技术应用在这里将有效缓解这一问题。例如，京东是中国规模较大的在线交易平台之一，每年有大量的商品通过物流运输，但在人工智能的优化时代，京东已经开始使用无人机探测道路状况并且进行数据反馈，然后采用数据挖掘技术对反馈的数据进行分析，精准计算物流网络运输所需要的参数，进而轻松高效地缓解物流运输瘫痪的问题。京东产生的中国第一个机器人快递员（图3-1所示），就是一个成功的案例，它将第一个商品送至中国人民大学，但随着日后交通网络长度、复杂性等方面的增加，实现无人驾驶的自动化策略难度大幅增加，所以不断创新的数据挖掘技术的重要性显而易见。

图3-1　京东机器人快递员

总之，通过数据挖掘技术可以帮助我们从复杂道路信息中获得高效的价值，从而不会因为道路拥堵的时间成本问题而减少经济收入。

数据挖掘中的识别技术可以应用于安全验证。自从20世纪50年代数字图像出现以来，它成为人类社会中必不可少的“数据”。在计算机应用中，数据挖掘在图像识别的应用越来越普遍，其代表性应用就是人脸识别（如图3-2所示）和指纹识别。人脸识别通过对获得的信息库进行数据挖掘，进一步分析和处理可靠的、潜在的数据，充分准备资料的分析工作和未来的开发工作。数据挖掘技术的不断发展，打破了传统人工识别的许多弊端，这样的数据识别不仅拥有更高的精确性，提高安全验证的质量，而且还减少了人力成本的输出，高效地利用了资源，因此数据挖掘在识别人脸和指纹方向上实现的价值将会越来越高。(www.xing528.com)

预测问题是各领域中研究最多的问题，其目的是通过历史数据预测未来的数据值或发展趋势。大部分历史数据是时间序列数据，就是按照时间顺序排列得到的一系列观测值，由于信息技术的不断进步，时间序列的数据也日益剧增，如气象预报、石油勘探、金融等，分析处理起来更加的烦琐复杂，数据挖掘技术的使用可以通过一系列科学技术手段，对时间序列的历史数据进行快速分析，从而预测未来一段时间的变化趋势及其可能带来的影响。

图3-2　人脸识别技术

数据预测技术应用到网络游戏领域，可以在网络情况不佳的状况下保证游戏运行流畅。具体来讲，客户端程序根据场景中各个角色的当前状态以及之前的几个状态，预测下一个状态，并让这些角色根据预测结果进行下一步行动，从而使得在玩家看来游戏仍然在正常运行。当网络情况好转，服务器更新的数据到达以后，就会丢弃旧的预测数据，并且根据真实的数据重新更新场景中的信息。^[3]

在大数据时代，银行、证券公司、保险公司等每天的业务都将生成海量数据，采用当前的数据库系统可以高效地实现数据的录入、查询和统计等功能。以前，数据机构只是具备一些简单的查询、录入功能，但是面对目前急剧增加的数据量已经无法满足要求，所以将查询功能提升到利用数据挖掘技术挖掘数据价值、提供决策的层次显得格外重要。目前，随着数据挖掘技术的不断成熟，数据挖掘在金融行业的应用中是具有可行性的，已经将理论应用到相关的实践中了，包括预测股票指数、发现金融时间序列中的隐含模式、信用风险管理以及汇率预测等。

在生命科学领域，大数据挖掘技术也有重要作用。生物信息学是一门交叉学科，融合了生命科学、计算机科学、信息科学和数学等众多学科。随着科学的发展、技术的提升及结果的优化，已经可以将高科技信息技术拓展到生物研究领域。但是，单纯凭借原有的计算机技术是远远不够的，需要以计算机科学作辅助，将生命科学、信息科学和数学等交叉学科融合在一起，通过数据挖掘技术进行处理，仔细分析生物数据之间的内在联系，才可以挖掘生物数据内部的潜在信息。

生物信息数据的特点有很多，包括数量大、种类多、维度高、形式广和序列性等。当前，生物信息学的热点包括：从以序列分析为代表的组成分析向功能分析的转变；从单个生物分析的研究到基因调控的转变等。人类目前在生物基因组计划中的研究，仅仅是冰山一角，未来在差异基因表达、癌症基因检测、蛋白质和RNA基因的编码等生物基因方面的研究工作都将与数据挖掘技术密不可分。因此，只有更好地利用数据挖掘技术，才可以挖掘出生物基因组中的非凡价值。

无论是在物流、交通方面，还是在社会安全、教育等各个领域，每一时刻都会产生海量数据。由于社会存在过多的不确定性因素，导致处理的数据类型越来越繁杂，而数字经济又是要以数据为驱动的。若仅仅采用计算机辅助，用传统的处理方法解决实际问题依然存在局限性，但如果通过数据挖掘技术解决大数据问题，就开辟了另一个途径。未来的时代必然是以“数据为王”，数据挖掘技术将会面临更加严峻的挑战，利用数据挖掘的相关算法处理实际问题和分析数据的需求会更加显著，熟练地应用数据挖掘技术就显得格外重要。因此，面对数字经济的飞速发展，将这项技术充分运用才是对数字经济最大的驱动力。