挖掘商业价值范文

挖掘商业价值范文（精选12篇）

挖掘商业价值 第1篇

经过近十年的快速发展和积累, 目前我国大部分的大中型企业已经建立了比较完善的C R M、E R P、O A等基础信息化系统。通过运用这些基础信息化系统, 我国的企业, 特别是一些大型零售企业在管理上较以前有了很大的进步。这些基础信息化系统一个相同的特点就是都是通过业务人员或者用户的操作, 最终实现对数据库进行增加、修改、删除等操作。在这些基础信息化系统运行了一段时间以后, 必然帮助企业收集大量的数据。但是, 在数据库中分散和独立存在的大量数据对于业务人员来说, 无疑是一本无法看懂的天书。他们所需要的信息是他们能够看懂、理解并从中受益的具体信息, 因此如何把数据转化为信息, 使得业务人员 (包括管理者) 能够充分掌握、利用这些信息, 并且辅助决策, 就是商业智能需要优先解决的问题。

对于怎样运用商业智能, 我国

的企业在理解上存在一些误区, 大多数企业管理者认为商业智能就是简单的为企业建立一个BI分析系统。很多国外企业对于商业智能运用是比较得心应手的, 但由于我国企业面对的市场环境、企业实际规模等都与国外企业存在着很多差异。所以, 怎样发展和运用商业智能就成了我国企业特别是零售企业需要重视的问题。

BI分析系统在零售企业的多功能运用

现在把数据库中存在的数据转变为业务人员需要的信息最常用的一种方法是报表系统。简单说, 报表系统可以称作是BI, 它是BI的低端实现。这里所提到的BI分析系统也就是人们常说的商业智能。在国外, BI分析系统作为经营和竞争的有效工具在零售业中的应用已经很成熟, 正是依靠这一科学、先进的技术, 国外零售巨头们在全

n f o r m a t i o n

球范围内拥有越来越大的经营优势。使用BI分析系统, 能更好地利用BI分析系统的商业智能功能分析零售经营的各种数据, 充分分析零售业经营中的内在规律, 使企业经营管理真正上档次、上台阶。而我国零售企业在信息系统建设方面虽然已经具备一定的规模, 但零售门店每天众多的帐目来往、员工管理、销售数据等各种各样信息汇集在一起就形成了一个信息海洋, 这个信息海洋汇聚到总部后每时每刻都在吞噬着服务器的磁盘空间, 同时由于数据无法运用, 越来越多的数据反而成为了企业的累赘和负担。如何让企业实时了解运营的关键数据, 让领导者在数据背后看到挑战与机遇, 已经成为当前处于信息化前沿的零售企业普遍关注的焦点。

国外大部分企业已经进入了中端BI阶段, 也就是数据分析阶段。有一些企业已经开始进入高端B I阶段, 也叫做数据挖掘阶段。而我国企业, 目前大部分还停留在报表阶段。这里面有着很多因素, 但主要是因为我国信息建设发展时间短、发展速度慢, 同时, 我国企业经营管理者的经营观念和管理认识也是阻碍企业信息化建设的一个重要因素。BI分析系统的功能和作用为什么如此强大呢?其实, BI分析系统是一种运用了数据仓库、在线分析、数据挖掘技术来处理和分析数据的崭新技术, 它的主要功能是通过对企业的数据进行抽取、清洗、聚类、挖掘、预测等处理来产生可透析的各种展示数据。这些数据可直观显示分析者所要探询的某种经营属性或市场规律, 而企业经营者通过掌握某种经营属性或市场规律就可以在市场竞争中取得优势、获得比别人更有利的信息资源, 从而获得更多的利润并在激烈复杂的市场竞争环境中取得胜利。

占领市场、决胜未来靠什么?靠的是通过分析企业历史经营情况, 并从中归纳出成功的经验和失败的教训, 用数据来证明经营手段是否成功, 来预测未来发展的趋势, 快速准确的把握风云变幻的市场脉博。而BI正是完成这项使命的有力武器。在国外, BI在零售业上已有了较好的应用, 并产生相关的指标体系理论;在国内, BI的应用还处于初级阶段, 但BI本身所具有的灵活性和强大性, 使BI在零售业界讯速崛起, 并呈现了高速上升的趋势。

BI在企业中最常见的应用就是辅助建立信息中心, 运用BI来产生各种工作报表和分析报表。BI分析系统最常见的分析有以下几种:一是销售分析, 就是对各项销售指标 (如毛利、毛利率、坪效、交叉比、进销比、盈利能力、周转率、同比、环比等) 进行分析。二是商品分析, 通过对销售数据和商品基础数据指标的分析来指导企业调整商品结构, 加强商品的竞争能力和合理配置。三是顾客分析, 顾客分析主要是指对顾客群体的购买行为的分析。四是供应商分析, 通过对供应商在选定时间段内的各项指标及供应商库存商品的处理提供依据。主要分析的主题有供应商的组成结构、供应商的送货情况、供应商所供商品情况、供应商的结算情况等。五是人员分析, 通过对公司的人员指标进行分析, 特别是对销售人员指标和采购员指标的分析, 达到考核员工业绩, 提高员工积极性, 为人力资源的合理利用提供科学依据的目的。

上述可以看出BI分析系统作用很多, 但在实际上BI分析系统对零售业的分析远远不止上面所说的那几种分析作用, 运用BI分析系统还可以进行资金运转分析、库存分析和结算分析、库存分析、门店分析、调拨优化、采购优化等很多种分析。

这些分析在实际经营中对经营管理者来说具有非常重要的利用价值, 因为谁能对自己的经营作出正确分析, 谁就能及时修正自己的经营方针和政策, 也就将赢得未来!

国外大型的零售企业对于BI分析系统在实际运用中有着比较出色的表现, 与国外大型零售企业对BI分析系统的充分运用相比, 我国零售企业充分利用BI分析系统的能力还有待提高。

掌握顾客消费需求在分秒——沃尔玛的“精确营销”

有时, 当你在沃尔玛超市购物完毕, 当售货员小姐扫描完您选购的商品后, POS机上会显示出一些信息, 然后售货员会友好地提醒您:“我们有一种一次性纸杯正在促销, 位于F6货架上, 您要购买吗?”这时, 您也许会很惊讶地说:“啊, 谢谢你, 我刚才一直没找到纸杯。”

这就是沃尔玛在BI系统支持下实现“精确营销”的一个实例。因为沃尔玛通过计算机系统分析, 如果顾客的购物车中有餐巾纸、可乐和沙拉等食品, 那么就有86%的可能性需要买一次性纸杯。而提供这一决策支持的就是其位于美国的一个庞大的、通过卫星与全球所有卖场实时连通的企业级数据仓库。实行精确营销对于任何企业来说都有很大好处, 它首先可以节约企业的人力、物力资源, 让企业集中优势的人力、物力资源去努力争取那些可以在最大程度上给企业带来利润的消费群体;其次, 可以更好的满足顾客的各种需求, 在提升自己服务质量和提高自身竞争力的同时也增加了自己的利润。

但是, 目前我国的超市中多数的消费者甚至可以说是全部的消费者都没有过这样的购物体验。不过, 像苏宁电器这样的一线大型零售企业现在正在全力向更高的B I分析系统阶段迈进:2006年, 苏宁电器斥资8000万成功上线SAP/ERP系统, 随后在2007年6月, 苏宁电器又与I B M公司在E R P系统优化、数据挖掘分析、企业S O A平台建设、财务组织优化、人力资源培训、会员服务、仓储配送等项目上展开合作。苏宁电器在信息化建设方面的努力得到了很好的回报, 经过调整, 管理改进的效果于2006年第四季度开始得到体现, 单季费用率与2005年同期相比出现大幅下降;另外, 管理改进还提升了单店效益。

将商业智能建设与企业自身情况相结合

总体上说, 苏宁仍然处于正在向中端BI分析系统发展的阶段, 对于很多零售企业来说目前依然只是处于起步阶段, 对于我国更多零售商来说, 甚至连起步都还没有, 更谈不上对于BI的高级应用了。是我国零售商不需要BI吗?显然不是。从客观上来讲, 我国零售企业普遍需要借助BI技术实现精细化管理, 但为什么迟迟未能有实质性动作和突破性的发展呢?BI是一个和业务层密切相关的应用, 不同的企业在分析模型、流程等方面会存在较大的差异。因此, 很多地方需要有个性化的方法支撑, 这和企业自身有密切的关系。

n f o r m a t i o n

有人认为, 即使把国外零售企业成熟的BI系统照搬到国内企业中, 也不大可能产生同样的应用效果。以ASN系统为例, 在国外, 这一系统主要通过分析供货商的订单等信息, 及时调度仓库、运输、配送等相关资源, 以提高工作效率, 实现商品的精细化管理。国内一些零售企业虽然也推出了自己的A S N系统, 但是在应用上却变了样, ASN成了零售商考核供应商的工具, 例如是否按照约定时间送货等。

除了上述原因, 没有丰富的高质量的可供分析数据也是零售企业应用BI分析系统的一大障碍。在最近几年, 尽管我国零售企业的信息化取得了很大发展, 但是到目前为止, 与国际同行相比, 信息化整体水平依然不高, 系统建设还处于摸索阶段, 很多方面的设计还不周全。这就造成目前零售企业的信息系统更换频率很高, 很少有使用超过5年的系统的原因。这样就造成许多历史数据遗失或破坏, 数据质量的低下而且不够丰富。所以, 即使上了数据仓库系统, 也可能面临无数据可供分析的窘境。

任何事物的发展都是需要一个过程, 普及商业智能也是一样。那么零售企业建设企业数据仓库系统应该怎样做呢?在这个方面, 麦德龙集团为我国零售企业提供一个很好的例子。麦德龙集团是全球最重要的跨国零售企业之一。2007年, 集团营业额高达640亿欧元。麦德龙集团在全球31个国家设有2, 200多家分店, 员工总数约为28万人。由于麦德龙集团的规模决定麦德龙集团必须进行有效的数据管理和利用, 因此, 在数据仓库系统建设方面就显得非常的重要。

2008年6月, 麦德龙集团宣布继续扩展其Teradata平台以获取商业分析智能。据了解, 该系统可持续捕捉日益增加的

业务项目以及欧洲、亚洲和非洲地区众多子公司整合的详细数据。该系统包括软件和硬件部分, 并由全球企业级数据仓库解决方案领导厂商之一的Teradata公司提供专业服务支持。该系统可帮助麦德龙集团在欧洲及全球其他地区进行更有针对性的客户关系管理和品类管理, 从而创造更大价值。由于麦德龙集团全球数据仓库在每个国家的持续增长, Teradata高扩展性技术方案被证实有巨大的商业价值, 在极为苛刻的商业环境中提供了高性能。Teradata稳定可靠的平台可处理规模不断增长的数据, 同时还支持混合工作负载和大量并发用户。

由于中国的零售企业还不具备麦德龙集团这样的规模和实力, 所以在数据仓库建设上就显得相对落后。中国企业现在就普及化商业智能而言, 目前还处在早期的部署阶段, 但也有一些应用的例子, 如中国邮政、上海证券交易所、商业银行等, 另外奇美电子目前也成功完成Teradata企业级数据仓库 (EDW) 第一、二阶段的搭建, 现将进入第三阶段, 以彻底实现数据集中化, 达到资源共享, 进而降低运营成本。奇美电子自2005年起部署Teradata企业级数据仓库系统 (EDW) 及其相关解决方案。在前两阶段的建设中, 主要是以Teradata EDW为基础推动运营企划系统 (GPC) 和质量信息系统 (QIS) 。Teradata解决方案协助奇美电子整合各厂独立的M E S系统, 让ERP与各种前端交易系统连接, 提升信息质量, 大幅缩短收集数据的时间, 提升工作效率。

信息挖掘体现情报价值 第2篇

这令笔者想到了去年的“三一间谍门”事件：同处一城，产品重合度很高，几乎所有重要经济数据都非常接近……总部同处于湖南长沙的中国重型机械制造双巨头――三一重工与中联重科，近年来竞争持续白热化。因在市场销售、客户竞争等方面引发恶性竞争，两者“互掐”的新闻屡见媒体。11月13日，一则网帖出现在各大网站，指责三一重工涉嫌派遣间谍和技术手段窃取中联重科商业秘密，被称“三一间谍门”。

且不论“间谍门”事件是真是假，在一个行业集中度非常高的竞争环境中，如果主要的几个企业都是通过这样的办法去争夺客户、增加业绩，那么，给整个行业带来的是一个恶性循环的竞争环境，不利于企业及整个行业的生存与发展。

不论是三一、中联、徐工等重型机械企业，还是其他企业，去收集竞争对手客户信息，只要是不违法的情况下收集，都是一个正常的调研活动。了解竞争对手客户的具体信息，对自身业务的发展有帮助固然是好。但赛立信认为，如果只收集到这些信息，并将此信息仅仅用于策反竞争对手客户（用于策反客户，无非是在相同的服务上，给予客户比竞争对手更优惠的价格，或在相同的价格上，给予客户更多的服务），而不对客户信息加以整理分析，挖掘更大价值的信息，无疑是一个严重的浪费，

竞争信息的核心是竞争对手信息的收集和分析，是情报和反情报技术，主要涉及环境监测，市场预警，技术跟踪，对手分析，策略制定，商业秘密保护等领域，它是企业商战中不可缺少的谋士。

竞争情报是经过收集竞争信息，通过分析之后得出来的结论。未经分析挖掘的信息，其重量级别也就是重要的竞争信息，而不能称为竞争情报信息。竞争对手客户信息就是竞争信息的一种，而非真正的竞争情报信息。所以，赛立信认为，对竞争对手客户信息应该要进行深度分析和挖掘，以获取更多更深层次更有价值的信息。譬如：

从竞争对手客户的种类分析，可以得出竞争对手主要客户集中在哪些行业，分析这些行业的特点；

从竞争对手客户的区域分析，可以得出竞争对手主要营销资源在哪个区域，分析该区域客户的特点；

从竞争对手客户使用产品情况分析，可以得出竞争对手主推产品的情况；

从竞争对手客户合作金额看，可以分析竞争对手客户的重要性情况……

从整体分析，同一个产品对不同客户的价格基本会不同，基于平均价格以下的客户，竞争对手是如何营销的；基于平均价格以上的客户，竞争对手又是如何做到的。从更深的层面去挖掘客户对产品的新需求，去争取客户、服务客户，这样才能促进行业的良性竞争。

因此，企业管理者要重视竞争情报工作，改变原有观念，更好地利用那些从合法途径获取的竞争对手客户信息，并进行归类整理分析，使之成为对企业日常运营决策有帮助的竞争情报信息。

全球社区商业价值挖掘速览 第3篇

美国

美国土地辽阔，居住人口密度不高，社区具有相对独立性。在社区中，超市、餐饮店、快餐、自助洗衣店、邮局、银行、宠物服务等配置较为完备。美国社区商业中心有两大特点：一是以大型超市或购物中心为核心；二是呈块状发展，与周围的文化娱乐等设施连成一体。美国的区型和邻里型购物中心主要为社区居民服务，其网点数量和出租面积分别占购物中心总量的95%和70%，满足了人们“一站式”购物的需求，还向社区居民提供丰富的服务项目和休闲娱乐项目。

日本

“商业街协同组合”是日本颇具传统特色的一种社区商业中心。例如，日本东京都神乐坂商业街，就是东京一条极为普通但又富有日本特色的典型社区商业街。在100多米长的步行街两侧，散落着连户商铺、中型超市、24小时便利店以及传统杂货店等248家店铺，花店、迷你高尔夫馆、蔬果铺、美容店乃至证券营业所应有尽有。这种社区商业还同时肩负保护中小商业企业及保护城市传统文化特色的重任。在日本，便利店除了卖及时快速消费品之外，还有代收水煤电各种费用的服务，还可以代售车船票、提供快递业务等。很多便利店24小时经营，并设有取款业务，人们从家里到便利店只需几分钟的时间就可以取到款，非常方便。

新加坡

新加坡建屋发展局将社区规划分为三种类型。第一类，每1000～1200套住户配套建设一个邻里商店；第二类，每6000～8000套住户配套建设一个邻里中心；第三类，每40000～60000套住户配套建设一个新镇中心。

邻里商店以经营生活必需品为主，商店组合为：普通日用品商店和餐厅。邻里中心以经营中档商品为主，商店组合为：普通日常商品商店、诊疗所、餐馆和小贩中心。新镇中心以经营高档商品为主，商店组合为：娱乐设施、银行、邮政局、超级市场、百货公司及高档商品、商店、餐馆、快餐店。

例如，新加坡的邻里中心（Home by Home），根据社区物业的规模、类型和居住人口，配备相应的商业配套设施和社区生活服务功能，含社区文化娱乐、零售餐饮、图书馆、健身体育、就业指导、老年人活动中心、医疗保健等多种项目，不以盈利为主要目的，由开发商或物业方进行集中经营与管理。

社区服务

日本

日本在1970年进入老龄化社会，目前，日本60岁以上人口比例已接近30%，是世界上老龄化程度最严重的国家之一。日本在社区服务方面，有很好的经验，日本大型护理服务设施运营商美邸医护服务（Medical Care Service）面向社区提供全面的家庭照顾服务。其中包括：1.家庭访问介护服务，指派专业介护人员到老年人家中，对机体机能减退的老人进行生活照顾，制定介护计划。2.家庭访问医疗护理服务，派专业医务人员到老人家中对老年人进行诊疗护理。3.咨询和指导服务，面向家属、老年人举办讲习班，讲授简单护理知识和技能，并定期举办各种学习班，普及各种疾病的预防、教育。各社区的保健所还通过设立健康热线电话和专人接待等措施，开展健康咨询和指导工作。

美国

美国有家名叫“一分钟诊所”的连锁医疗机构，设计一种商业模式，只诊治几类普通疾病，只要按标准化程序，护士和实习医生就能快速看病。诊所开在居民区的连锁药店里，占地不到10平方米，不需要昂贵的医疗设备，收费也比医院低一半，大多数项目只需要付69美元。而经营一家这种类型的诊所，一年只需要25～35万美元，按照每人69美元的收费标准计算，它每天只要有10个人光顾，就可以收回成本。靠着独特的商业模式，这个连锁机构发展很快，9年之间，在美国49个城市开了569家诊所。

新加坡

新加坡在所有的公共租屋区都设有居委会，通过组织形式多样的活动来促进邻里和睦、民族和谐和社会团结。这些活动包括：租屋舞会、邻里守望、民防演练、家政课程、教育旅游、民众对话会、社区联欢会等。这些活动使居住在同组崖区的居民彼此增进认识与了解，更好地理解和响应政府的政策措施。

社区互联网

美 国

美国政府倡导从“以信息技术为中心”转变到“以公民为中心”的战略，将电子政府、电子商务向社区聚集。社区网络建设的内容包括社区网站、电子商城、远程教学、在线公共服务、电子服务、电子商务等。美国的第一个智慧城市是爱荷华州的迪比克市，由IBM打造，一个由高科技充分武装的60000人社区，完全实现了数字化，将城市的所有资源都连接起来。用IBM的新技术将水、油、交通等都连接到了一起，可以很聪明地为市民服务，满足市民的需求。

瑞 典

瑞典的智慧社区主要体现在智慧交通系统上的建设。原先的瑞典首都斯德哥尔摩交通拥挤非常严重，政府2006年初宣布征收“道路堵塞税”。在道路上设置了十几个路边控制站，通过使用RFID以及激光等高新技术，自动识别进入市中心的车辆，然后自动对进出市中心的注册车辆进行收税。通过这个技术对进出车辆进行收税后，大量的减少了车流，交通拥堵降低了25%，排队的实际也下降了50%，交通废气的排放量也减少了8%～14%，二氧化碳等温室气体排放量下降了40%。

韩国

韩国的智慧社区也建设得非常好。通过无处不在的网络接入，不仅可以方便地实现远程医疗、远程教育等事情，还可以很高效地控制自己房间中的能耗。这样的好处就是，需要看病的市民再也不用忍着病痛还要赶赴医院了，医生可以通过专门的装置，做到即使不在病人身边也能了解病人的基本身体状况。

[编辑 谢康利]

E-mail：xkl@chinacbr.com

虚拟商业环境中大数据挖掘研究 第4篇

随着网络信息技术的迅速发展, 各种各样的新概念、新主题和新的经营模式的网络公司如雨后春笋般兴起。基于网络技术的发展而逐渐兴起的电子商务, 正在改变着实体经济中各行业的经营模式和运行方法, 营造了一种由线上和线下的消费个体进行各种交易的虚拟商业环境。现在, 虚拟商业环境下的大数据时代已经到来, 但是各企业对用户的数据信息的利用率却很低, 作为一种电子商务的有效资源大数据还没有被充分地开发。

大数据是指不能用现有的软件工具提取、存储、搜索、共享、分析以及处理的海量的、复杂的数据集合, 具有四个方面的特点:数据体量巨大、数据类型繁多、价值密度较低、处理速度快。由概率统计中的大数定律可知, 在试验不变的条件下, 重复试验多次, 随机试验的频率近似等于事件的概率。虚拟商业环境下各种行为的不断重复出现, 大数据积累的就会越来越多, 从数据中发现规律并预测企业和个人的未来行为和趋势就会成为现实。

二、虚拟商业环境中大数据挖掘的基本思路

数据挖掘是一门新兴的计算机学科, 它诞生于1980年左右, 主要应用于人工智能研究领域。数据挖掘利用信息技术从大量的、繁琐复杂的、无规则和规律的、随机的、模糊的数据中获得隐含在数据中未被人们发现并且具有潜在信息价值的信息和知识的技术过程。在虚拟经济中, 数据挖掘的主要目的是海量数据中获取、转换、进行分析信息潜在规律和价值, 从而获得对企业做出正确有效的商业决策有辅助作用的信息和知识。

虚拟商业环境中的大数据挖掘与传统的数据挖掘有一定的区别, 主要表现在:一是各自所需的数据量不同, 大数据分析的数据量是以TB、PB级为主的数据量级, 而传统的数据分析主要是针对数据资料库或系统的文件进行分析和处理;二是数据所属类型不同, 大数据主要分析挖掘的用户数据不仅仅包括结构数据还包括非结构数据等实时有效的数据, 然而传统的用户数据分析主要是针对静态的和结构化数据进行的分析研究;三是数据分析方法不同, 大数据运用统计学、计算机和人工智能的运算方法, 而传统的用户数据分析主要是以统计学学科为基础, 对用户数据进行分类和处理, 主要运用探索性和验证性的数据分析方法。由这三方面可以看出, 虚拟商业环境中的大数据处理比传统数据要求搜集的用户数据量更大, 数据类型更多, 数据的分析方法更多样。虚拟商业环境下大数据挖掘思路如图1所示:

1. 数据准备

数据准备就是过滤虚拟商业环境下具有实际意义的海量数据, 由于原始数据是长期的、无规则和规律的数据积累的杂乱的结果, 这种数据不适合数据挖掘, 所以要先对数据进行排除和预处理。

2. 数据挖掘

数据挖掘是虚拟商业环境中最关键的程序过程, 根据数据挖掘的目标及要求, 选择合适的算法和运算规律来挖掘数据的规律特征, 最常见的算法有决策树、分类、神经性网络法等。

3. 数据分析

经过数据筛选, 对挖掘过的数据结果进行解释、分析、提取有意义和与企业运营有关的指标, 结合大数据使用价值规律, 还原成人们能够理解的数据语言, 对企业和个人决策作出指导和预测。

4. 数据应用

通过对大数据的筛选、挖掘、分析和处理, 运用数据模型的评估结果对虚拟商业环境中的参与者未来的行为决策作出估计和预测, 这就是数据挖掘的最终目标和数据价值的体现。

三、大数据挖掘的过程及基本方法

1. 大数据挖掘的过程

虚拟商业环境下大数据的挖掘过程是整个数据挖掘的核心部分, 在这一部分需要选择挖掘模型, 对选择的数据进行分析和处理, 对数据结果进行评估和预测, 从数据的分析反馈结果中找到最优的方法, 对挖掘模型进一步修改, 之后进行循环操作直至得到最好的评估结果。这一过程主要包括四大组成部分:数据问题的定义、构建数据模型、选取数据分析方法、模型数据解释, 如图2所示:

(1) 对数据问题的定义

数据挖掘就是从海量的数据中发现有使用价值的且能引起人们兴趣的信息和问题, 发现这种问题并将问题归纳处理成为这个阶段最重要的部分。在这个过程中, 应对数据挖掘任务的具体需求, 并且确定应该采取什么样的分析方法为整个数据挖掘流程奠定了基础。从虚拟商业环境中业务领域方面理解数据项目的目标和需求, 将这样的知识转化为实现数据挖掘目标而进行的初步计算方案的数据挖掘问题。问题经常围绕着虚拟环境中工业或者组织的特定需求而展开的, 数据挖掘问题要以用户数据所显示的需求为出发点来定义。

(2) 构建数据模型

虚拟商业环境中的用户数据更大, 此时需要建立明确有效的数据模型, 将类型繁多、数量庞大的数据进行消除数据噪声、平稳性鉴定、数据是否遗漏或重复、数据类型转换等多方面的处理。大量数据经过一定形式和格式的处理和转换就可以作为模型的分析数据, 建立一个真正适合数据挖掘算法的分析数据处理模型, 对数据进行各种评估。对数据进行类型分类之后将数据分为多个数据源来构造数据集, 用来探索和数据分析的建模。熟悉数据并根据数据序列的质量, 选用适当的软件作为建模的工具, 结合数据分析用户和企业的行为与决策。

(3) 选取数据分析方法

虚拟商业环境中对数据地位挖掘流程不同于传统的数据挖掘, 线上和线下的电子商务用户数据不同于传统的文件和数据库数据, 它需要借助计算机对数据进行模型分析, 从而实现对大数据进行系统观测和挖掘。虚拟环境中的大数据一般涉及电商企业及用户各自的特点和详细的企业及个人信息。通过对数据挖掘分析可以得到有价值的信息, 实现对电商及个人的行为和决策进行预测, 根据情况随时作出调整, 使虚拟环境中的大数据得到充分利用。主要的挖掘分析方法有关联规则分析和社会网络分析。关联规则分析指的是对大量数据进行挖掘时, 只要发现数据中有关联地方, 找出影响用户做出决策和选择的因素, 对这些因素进行分析之后结合其它观测结果, 对数据做出评估;社会网络分析法就是对虚拟商业环境中的各参与方所构成的关系进行处理, 通过用户之间的关系网络挖掘出用户具有使用价值的信息和有效资源。

(4) 模型数据解释

根据数据模型处理后的结果与企业和个人的实际情况进行比较与分析, 确定模型的适用度, 对模型的变量和形式进行优化度分析, 对模型进行改进, 之后得出最有力的数据评估分析结果。数据挖掘应用已经涉及到电子商务、保险、银行及电子零售商等行业, 利用数据挖掘技术来分析消费者和企业的行为和决策, 能够为行业的发展带来机遇和潜在的收益。首先, 对数据模型进行评估的第一步就是从错误状态的分类出发, 建立分类矩阵, 通过分类矩阵来查看可能的所有错误的分布。之后, 结合准确率评价分类模型对模型中数据的灵敏性和特效性进行度量。通过对模型进行评价之后, 得出对虚拟商业环境中对大数据所显示的各种指标的正确解释。

2. 大数据挖掘所采用的分析方法

虚拟商业环境下, 大量业务数据不再是仅仅为了商业的正常运作而收集, 行业信息化的发展使得行业的行为和决策特点体现在大量的业务数据中, 对行业大量业务数据的挖掘能够为商业提供做出占优决策的信息, 为企业的发展提供有使用价值的分析结果。虚拟环境中对数据的分析不同于以往查询数据库、报表分析和统计分析等分析方法, 大数据挖掘是在没有明确假设的前提下去挖掘信息、发现未知知识的过程。

面对大量的数据, 采取有效的分析方法是将有使用价值的信息从大量的、真假难辨的、类型多样的信息中分离出来的前提条件。最常用的分析方法有决策树分析、回归序列分析、时间序列分析、关联规则分析以及网络建模分析等。下面主要介绍回归分析、关联规则分析和网络建模分析。

(1) 回归分析方法

数据挖掘中的回归分析方法时建立并检测模型的一种重要方法。作为一种统计预测经常使用的模型, 回归分析经常用来描述和评估变量与一个或多个变量之间的回归关系, 当自变量是非随机的变量, 因变量是随机变量时, 变量之间的关系就成为回归关系, 当两个变量都是随机变量时, 两变量之间的关系就称为相关关系。回归分析方法经常被用来解释企业的销售额、消费者的品牌偏好、商家市场占有率及广告市场营销效果等, 回归分析是一种非常有用并且十分灵活的分析方法。主要表现在判定各变量之间的关系是否存在、判定自变量对因变量的解释程度、反映变量之间的相关数学表达式、预测评估变量未来的趋势和数值等方面。

(2) 关联规则分析

规则反映的是数据项中不同属性和类型的数据项之间的相关关系。关联分析方法是把数据划分为不同类型, 将各类数据之间同时出现的某种规律描述出来的一种知识模式, 比如用户购买A产品时与B产品之间的关联性关系。关联规则分析主要有两个阶段:第一阶段必须是先从大数据中找出所有的高频数据项目组, 第二阶段是找出由这些高频项目组产生的关联规则。采用关联规则分析方法的优点是可以产生清晰有用的结果、支持间接的数据挖掘、可以处理变长的数据、计算的消耗量是可以预见得到的。关联规则分析方法的缺点是:当问题变得复杂时, 计算量增长得厉害;不能判定数据的准确性;容易忽略稀有的数据。

(3) 社会网络分析

社会网络分析是对大数据关系进行挖掘的主要应用, 关系数据挖掘与社会网络分析方法相辅相成, 为数据挖掘提供了更好的分析方法。数学学科方法是社会网络分析中不可缺少的工具, 其中概率统计与图论为社会网络分析模型提供了主要的数学基础。社会网络分析主要有分析注重行为者之间的关系、关系数据必须采用系统化的方法收集、必须依靠数学计算工具和图模型等特征。社会网络分析作为一种应用性很强的社会研究方法, 能够用来描述社会具有的性质, 可以解决许多实际问题。

四、结语

随着信息管理系统的广泛应用和商业数据的不断激增, 对数据进行挖掘处理为人们提供更高层次的数据评估结果成为一种趋势。电子商务的发展促使企业收集到大量数据, 对这些数据进行分类处理转换为对企业作出决策有力的信息, 是虚拟环境下对数据进行挖掘的意义所在。虚拟环境下对大数据的挖掘可以预测用户的消费趋势以及市场的走向, 指导企业做出最有利的商业决策, 为企业的发展创建新的商业增长点。

参考文献

[1]李平荣.大数据时代的数据挖掘技术与应用[N].重庆三峡学院学报, 2014 (3) .

[2]冯芷艳.大数据背景下商务管理研究若干前言课题[J].管理科学学报, 2013, 01:1-9.

[3]江莹, 肖冬荣, 赵婧.浅谈数据挖掘在商业领域中的应用[D].人民日报, 南京信息工程大学.

[4]徐华.数据挖掘:方法与应用[M].清华大学出版社, 2014.

[5]李涛.数据挖掘的应用与实践:大数据时代的案例分析[M].厦门大学出版社, 2013.

挖掘《背影》的教育教学价值 第5篇

西河中学：李娜宁

朱自清的《背影》是人教版八年级第二单元的一篇散文，也是散文大师朱自清的代表作。阅读这篇散文，我们可以感受到父亲对儿子无微不至的关爱之情和儿子对父爱的感念之情，这是人间最真挚、最纯粹、最朴素的情感，阅读这篇文章可以让学生的情感得以洗礼，灵魂深处得到触动，对于当代中学生传承我们中华民族的传统美德有不可低估的作用！

散文的特点是“形散而神聚”，而这篇散文的形却不见得散，它集中表现的就是父亲送我上学时给我买橘子的那个背影，那个背影永远定格在“我”的记忆里，那个背影最能体现父爱的深沉与伟大。那个背影也是学生受到思想教育的载体。

一、分析动作描写，感受深切的父爱。

1、感情朗读课文，找出文中背影。学生不难找出父亲的背影出现了四次。再让学生找出自己最感动、最难忘的那次背影读一读，学生自然会找到第六段的那个父亲攀爬月台去买橘子的背影。这个背影是全文故事情节的重中之重，是全文的主脑，最能体现父亲的爱心，也最能让学生受到教育，因此挖掘这段精彩的文字最能体现其内在的教育价值。

2.播放情景音乐，指名学生朗读。让学生在读与听读的情景中感受父爱的无微不至。首先找肖像描写: “父亲是一个胖子”，可以让学生想像他爬月台时的艰难，为他后文的动作“努力”做了铺垫。父亲的衣着是朴素甚至寒酸的，可以和上文中我的“紫毛大衣”比较体会一 1

下，父亲对我的疼爱。其次让学生找出动作描写，圈点出动词。学生们会发现这段文字有手的动作、脚的动作、整个形体的动作，让学生有感情的齐声朗读这段文字：“蹒跚的走到铁道边，慢慢探身下去尚不大难......他用两手攀着上面，两脚在向上缩；他肥胖的身子向左微倾，显出努力的样子。”动词：走、探身、攀着、缩、微倾。让学生想象当时的动作，甚至可以模仿一下，体会年迈体衰且体型偏胖的父亲动作的艰难，从而唤起学生心中尘封已久的亲情！

二、品味人物语言，感受父亲形象。让学生在文章中找出关于父亲的语言描写，不难看出文中父亲的语言出现了四次，这四句话都很简短，意思也很平常，但表达的却是怜爱儿子的浓浓深情。这一描写手法仍须学生结合当时情景在读中体会和感悟。第一句是：“不要紧，他们去不好。”父亲当时急于谋事，在生存的巨大压力之下，忧心如焚，但儿子在他心目中高于一切，唯恐儿子路上受什么闪失，所以最后决定还是亲自送。第二句：“我买几个橘子去。你就在此地，不要走动。”在这里，要积极的调动学生的情感体验，让学生联系自己的亲身经历来感受父爱的伟大。父亲已经把儿子送上学，已经关照的无微不至，然而他还觉得没有尽够心意，看见站上有买橘子的，便要给儿子买橘子。过铁道很不容易，父亲也看在眼里，自己费点事，能让儿子受用，他是心甘情愿的。他还害怕儿子跟着出来，忘了行李，这种关爱真是无微不至。此时最能引起学生的心理共鸣，从而使他们的身心受到教育。再找第三句：“我走了，到那边来信！”指导学生这次是在离别时，更多了一份牵挂和依依不舍，父亲临走时又惦念路途平安，要等到儿子回到北京来

信报平安，才能放心。联系学生实际，我们学校的学生大多是住宿生，好长时间才能回家一次，父亲送别的场面也不少，我就特意引导他们回忆父亲送自己到学校的一幕，让他们感受那真真切切的父爱。第四句：进去吧，里面没人。也是送别，父亲已走了几步，又回过头来，让学生体会“回头”这一动作，体会到父亲心里还是惦记儿子，依依不舍。他又想到儿子所带的行李一刻也不能疏忽，叫儿子小心，什么都为儿子着想。这又让学生受到了教育。当然父子相处这么长时间不可能只说了这四句话，但就是这四句最普通，最平常的话才给我们留下了深刻的印象。让学生在平凡中感到父爱的伟大！

三、激活情感，抒写父爱。

1.让学生体会“我”的情感。让学生知道朱自清当年只有20岁，在北京大学就读，那是正是青春年少，意气风发的时期，是幼稚向成熟过渡的阶段，那时的“我”自以为是，对父亲行为举动甚至处事方式甚是反感，难以体察到父亲的爱心。引导学生反思自己的行为，有没有和文中的“我”类似的经历呢？让学生在反思中受到教育。在此基础上，进一步引导学生感受作者写这篇文章时流露出的情感，让学生讨论交流，写文章时的情感和当年的情感有变化吗？学生自然就会品味出其中的自责和愧疚感，教师适时补充那时朱自清已28岁了，是清华大学的讲师，这时的作者已比较成熟，对父爱的感受也迥然不同，自然对自己当年的行为一再自责，忏悔。让学生找出表现“我”自责的语句，如：“那时真是聪明过分”、“那时真是太聪明了”。让学生反复朗读，在读中体会作者此时的情感，让学生再次感受父爱的可贵。我们的学生现

在大概就是15岁左右，他们会反思自己和父亲相处的点点滴滴，从而就会珍惜近在咫尺却常被他们忽略的父爱。学生的良心激活了，感情激动了，这篇文章的教育意义也在潜移默化的引导中成功了！

2.品味“泪水”，激活情感。文中“我”的泪出现了四次。在默读中让学生体会“我”每次流泪的情感，感受父爱，受到教育。第一次在第一段，想起祖母，不禁簌簌的流下眼泪，这是伤感的泪，而我的伤感更反衬出父亲的刚强，他已是悲痛欲绝，但还是安慰我让我节哀。父爱尽在其中。第二次出现在第六段，我看见他的背影，我的泪很快地流下来了。这是感动的泪，年迈体衰的父亲艰难的爬月台的情景，深深触动了“我”的心灵，“我”感动泪水自然情不能自已。学生可在老师指导下情感朗读，读出父爱的平凡与伟大，读出父爱的感人肺腑与催人泪下，学生的情感在阅读中得到洗礼，得到升华！第三次是第六段末尾，等他的背影混入来来往往的人群里，再也找不着了，我便进来坐下，我的眼泪又来了。这是离别的泪，学生们更能联系到实际，想到好多分别的场面，想到了那被自己拒之千里的亲情。文中的“我”就为父爱感动不已，一旦分手，格外依恋，想到父亲的前程艰难，又格外悲悯、心酸。第四次是在文章的最后一段，读到父亲的信时，在晶莹的泪光中，又看见那肥胖的、青布黑布马褂的背影。想到父亲的身体、心境都到了日薄西山的地步，泪如泉涌，想到了父亲对自己的好处。这一点在感知理解全文的基础上学生的思想也会有所触动，到此文章中父亲的背影就像一尊雕像，已永远矗立在学生的心头，终生难忘！

3.灵动飞扬，写作辉煌。在课文赏析完之后，让学生联系自己实际，调动情感体验，选择日常生活中最动情的一件事中最动情的一个情节表现父爱，教师指导写作方法（抓肖像、语言、动作描写，体现其个性化特点）塑造父亲形象，感悟亲情，让学生的心灵在思考写作中再一次受到教育。

企业应用牵手社交网站挖掘商业潜力 第6篇

Google是目前全球最大的个人在线应用服务商，不过在企业软件领域，Salesforce.com属于先驱企业。目前，Salesforce.com提供了大量的企业在线应用服务，用户需要缴纳订用费。而第三方开发人员可以开发各种在线应用，向Salesforce.com的企业客户进行推广。

Facebook方面，其首席运营官桑德伯格表示，该公司现在的积极用户数量已经从7月初的9000万增长到了1.2亿。“在过去的3个月里，我们增加的用户数量比我们创建的前3年的用户还要多。”她指出，Facebook网站现在有28万多个应用程序，这些小的基于网络的程序能够装载到Facebook的网页上，并且与用户的联络人共享。

不过在企业应用方面，Facebook还有很大的发展空间。“目前Facebook的应用程序主要还是娱乐性的。”桑德伯格指出，如果使用Salesforce.com基础设施的程序员能够加入到编程的行列，他们就可能给广泛的Facebook的应用程序带来新的商业角度。通过合作，Salesforce.com网站上运行的应用程序将能够出现在Facebook的网页上。Salesforce.com还提供一些在线工具，让企业管理其客户关系，并且为客户化应用程序和网站提供越来越高级的编程基础。

这种商业的角度正是桑德伯格所需要的。“通过与Salesforce.com的合作，我们会为用户释放出网络应用程序的商业潜力。”桑德伯格说。

此外，Salesforce.com还表示，将允许客户利用亚马逊公司的网络服务开发企业应用。目前，亚马逊提供了在线存储等云计算基础服务。

浅谈数据挖掘技术及其商业应用 第7篇

1 数据挖掘概述

数据挖掘也可称为资料探勘、资料采矿、数据采矿等。数据挖掘通常是指从海量的数据中通过算法揭示出隐藏于其中的、并有价值的信息的非平凡过程。数据挖掘往往与计算机科学有关, 主要基于人工智能、统计学、自动在线分析处理、信息提取、机器学习、可视化技术、专家系统 (取决于以往的经验法则) 和模式识别等诸多方法, 做出归纳和推理, 帮助决策者减少风险, 做出决策调整。

数据挖掘至今经历了四个发展阶段。第一阶段是认为从二十世纪七十年代开始的电子邮件阶段, 平均的通讯量每年以几倍的速度增长。第二阶段是从二十世纪九十年代中期起的信息发布阶段, 互联网的主要应用是以网络技术为代表的信息发布系统, 并呈现爆炸式地增长。第三阶段是电子商务阶段, 目前互联网最主要的商业用途就是电子商务, 所以电子商务是一种划时代的事情。同时, 几年后的商业信息主要是通过网络传输。互联网将成为信息社会的神经系统。第四阶段为全程电子商务阶段, 随着软件服务模式的出现, 互联网中软件接入, 电子商务链的延伸, 形成了新的“全球电子商务”概念模型。从而形成了一门独立的学科体系, 数据挖掘与客户关系管理硕士。

2 数据挖掘解决的典型商业问题

数据挖掘技术从开始之初便是面向应用的, 目前数据挖掘在很多领域都得到了广泛应用, 尤其是在零售、保险、银行、培训机构等商业领域。能用数据挖掘来解决的典型商业问题包括:数据库营销、客户群体分析划分、背景分析、交叉销售等市场分析行为, 以及客户流失分析、客户信用评价、欺诈发现等等。

数据挖掘技术已被广泛应用于企业的市场营销, 它是以市场营销学的市场分割原理为基础, 基本假设为“消费者过去的行为是其未来消费趋势的最好的解释”。其主要应用领域在零售业, 如超市。收集大量销售数据, 如顾客的购买地点、时间、感兴趣的商品或服务、支付方式和能力等。销售的目的就是为了获取最大的利润, 通过数据挖掘, 可以帮助识别顾客的购买行为, 发现顾客购买的模式和趋势, 确定特定消费群体或个体利益、消费习惯、消费倾向和消费需求, 进而推导出相应消费群体或个人消费行为的下一步, 有助于设计更好的货物运输来降低成本, 以及在此基础之上, 以确定消费群体的特定内容的定向营销, 用满意的服务质量来提高顾客的支持率, 从而提高商品销量的比例, 促进利润最大化, 与传统的大众营销相比, 节约了大量的营销成本, 提高营销效果, 使企业利润得到最大化。

数据挖掘技术同样也广泛应用于金融投资领域。大多数的银行和金融机构, 都可提供如用于商业或个人用户的存款、支票等各种银行服务, 也提供交易、抵押贷款和各种货款等信贷业务和基金等其他投资服务, 有些还提供保险服务和证券投资服务。商业银行业务的利润与风险并存。为了保证利润的最大化和风险的最小化, 必须以科学的分析对客户进行归类和信用评价。对现有的数据使用数据挖掘, 发现数据模型及其特点, 然后会发现客户、消费群体或组织的个性特征、风险偏好等, 并可观察金融市场的变化趋势。通过挖掘到模型预测市场, 选择最佳的投资方向, 驱动业务运营, 减少金融投资的风险。

3 数据挖掘在商业中的具体应用

3.1 尿不湿和啤酒。

尿不湿和啤酒的故事家喻户晓, 这个故事被认为是商业领域中数据挖掘的诞生。这是沃尔玛的一个经典案例, 在IT业界里, 几乎是数据挖掘的同义词。为了能够准确了解顾客在超市的购买习惯, 沃尔玛对他们的顾客的购物行为进行了分析, 一个令人惊讶和意想不到的结果出现了:“跟尿不湿一起购买最多的商品竟是啤酒”!原因其实很简单, 就是妻子让先生下楼买尿不湿的时候, 男生们一般都会再买两听啤酒。所以尿不湿和啤酒一起购买的机会是最大的。按照传统的思维, 尿不湿与啤酒几乎没有关联, 如果不是利用数据挖掘技术对大量数据进行挖掘分析, 沃尔玛是不可能从大量数据中发现这一有价值的规律的。这是一个现代化的购物商场信息智能分析系统发现的秘密。这是数据挖掘技术分析历史数据的结果, 反映了数据的内在规律。

3.2 农夫山泉。

基于数据挖掘的应用, 企业又从中学到了什么呢?我国过内也有这样一个真实案例。农夫山泉的业务员每天来到超市, 拍摄十张照片:水是的怎么摆放、位置有没有变化、高度如何……每个业务员一天要跑十五个这样的点, 按规定在下班之前将一百五十张照片传回总部, 每天照片就如雪片般飞进机房, 数据就这样被收集起来。数据挖掘技术在这些非关系型数据分析中的应用, 利用数据信息流导向物流和资金流, 根据不同的因素变量因素控制自己的物流成本。第一是解决了生产与销售的不平衡, 准确告诉该生产多少送多少;其次让四百个办事处, 三十个配送中心纳入到系统中来, 行成一个动态的网络结构, 而不是一个简单的树型结构;最后让退货、缺陷和其他问题与生产基地实时连接。在强大的数据分析能力做支持之下, 农夫山泉近年有了30%到40%的年增长率, 占有了34.8%饮用水领域的市场份额。如果不是基于海量用户交易数据的数据挖掘事先, 不可能实现如此精确营销。

3.3 银行和精准营销。

加拿大历史最为悠久的银行之一蒙特利尔银行, 在二十世纪九十年代中期, 行业竞争导致该银行需通过交叉销售来锁定一千八百万的客户。银行该知道到客户需要什么样的产品和如何推销这些产品, 而不是等着人们去排队买。为此银行需要开展相应的商品和市场营销活动, 以满足这些需求。蒙特利尔银行的数据挖掘工具为管理者提供了丰富的信息, 如个人客户消费能力的数据、感兴趣的数据、风险偏好等, 企业客户的是生产、流通、业务、财务和销售数据等, 并结合社会外部数据以获得更为完整的客户端拼图, 银行根据这些数据对客户群进行精准定位, 分析出其潜在的金融服务需求, 从而帮助他们对于从市场营销到产品设计的任何决策。

摘要：数据挖掘是指把数据有目的有组织地收集起来, 对这些数据进行分析使之成为有用信息, 从而找出了海量数据的技术形态规则或知识的潜在规则的一种技术。本文概述了数据挖掘的含义、发展和解决的典型商业问题, 并从数据挖掘的商业应用实例出发, 介绍了如何利用数据挖掘技术来解决现实中出现的实际问题。

关键词：数据挖掘,商业应用,营销

参考文献

[1]孙华梅.数据挖掘及其在企业管理中的应用[J].商业研究, 2008, (5) .

[2]徐君, 张凯.基于数据挖掘的企业竞争力的提升[J].软科学, 2008, 22 (10) .

[3]洪光英.数据挖掘与商业决策[J].中国科技信息, 2009, (3) .

[4]刘振东.企业电子商务中数据挖掘分析及方法论[J].煤炭技术, 2012, 31 (3) .

挖掘商业价值 第8篇

上世纪50年代末, 当全世界第一颗人造卫星上天的时候, 现代信息技术对商业发展所起的作用还无人知晓。70年代, 沃尔玛率先使用了卫星通讯系统;新世纪开始, 沃尔玛又投资90亿美元开始实施“互联网统一标准平台”的建设……其凭借先发优势、科技实力, 使店铺冲出了阿肯色州, 遍及美国, 走向世界……回顾沃尔玛的发展历史, 与其说它是零售企业, 还不如说它是科技企业。

未来, 随着信息技术的不断进步, 将不仅导致消费者购物方式上的重大变化, 还将导致零售商与供应商和消费者之间业务往来方式上的重大变化。零售企业之间的竞争将越来越依赖于高效的供应链管理、个性化的客户关系管理以及国际化的业务管理经验。因此对于中国的零售业者来说, 利用IT技术提升自身实力已经成为在竞争中取胜的最有力武器。

现今, 消费者需要的是一种无缝式的体验型购买, 而自助服务正在成为一种引领潮流的购物方式。所有的零售商们都在为寻找最优秀的技术和方案而绞尽脑汁。他们一方面希望新技术能满足顾客需求, 另一方面也希望能为他们的业务发展做出贡献。而真正在这场消费变革中起到关键作用的, 无疑就是创新的信息技术, 它可以帮助消费者无论何时、何地都能轻松地实现虚拟购物。

现代信息技术对零售业发展带来的巨大影响, 不仅引发了新的零售业态的产生, 也对整个经济体系产生了深远影响。在经济全球化的背景下, 拥有先进信息技术装备的外资零售业的涌入, 使得处于全面开放条件下的国内零售业的发展遭遇了前所未有的冲击和挑战。强大的竞争对手和残酷的竞争环境唤醒了我国零售企业对信息技术的强烈要求。深入分析零售业发展的技术创新动因, 并从不同的视角把握信息技术对零售业的影响, 将更有助于全面深入认识零售业发展演变的历程及未来。

数据挖掘在现代商业管理中的应用 第9篇

数据挖掘数据挖掘 (Data Mining) 是从大量的, 不完全的, 有噪声的, 模糊的、随机的实际应用数据中, 提取隐含在其中的、人们事先不知道的、但又是潜在有用的信息和知识的过程, 它被首次提出于上个世纪九十年代初, 提出伊始就被迅速得运用到金融、保险、零售、制造等各个行业。数据挖掘技术的兴起是数据库技术发展的必然产物, 它实现了基于数据库技术的信息管理系统的智能化, 提高了信息系统的有效性和实用性, 为利用信息做出决策提供了令人信服的基础。

聚类分析是数据挖掘技术中一种非常重要的挖掘方法, 它根据某种相似性度量将数据划分成有意义或有用的组, 对聚类的研究源于对相似度的研究, 随着研究的深入, 聚类从最初的简单的数值型 (包括离散的和连续的) 数据以及逻辑型数据的聚类发展到对复杂的事务数据库的聚类, 这其中对相似性的定义也发生了巨大的变化。在对数据对象聚类分组过程中, 其目标是:组内的对象相互之间是相似的, 而不同组中的对象是相异的。通常, 组内的相似性越大且组间的差别越大, 聚类效果越好。经常地, 我们把组也称为簇。主要的聚类分析方法:划分方法, 层次方法, 基于密度的方法, 基于模糊的方法等。

二、商业管理中聚类技术运用的原理

在现代商业管理中, 数据挖掘的应用越来越广泛, 成功的例子比比皆是, 例如:在市场营销领域, 数据挖掘可以应用于利润方程中的成本项目和收入项目, 并由此获得客户详细的行为数据从而挖掘出最有价值的潜在客户;在客户关系管理领域, 数据挖掘可以预见客户的需求, 研究客户的生存周期等。在商业管理中运用数据挖掘技术通常包括以下四个流程:

1) 理解商业管理的业务特点

2) 运用适当的挖掘方法将商业数据转换成可执行的结果

3) 对该结果进行实现

4) 评价该结果的实施效果

基于商业数据的特点, 聚类分析常常被运用以解决以下几个问题:数据中有什么?它描述了怎样的信息?数据中是否有不寻常的的模式?在这些应用当中, 比较适合的聚类方法是划分方法 (数据间地位相当时适用) 和层次方法 (数据间有层级差别时适用) 。下面简要介绍本文中将要用到的划分方法在商业管理中实现的原理:

划分聚类 (partitional clustering) 是将数据对象集划分成不重叠的子集 (簇) , 使得每个数据对象恰好在一个子集中。划分聚类中最重要的一种方法是:K均值法 (对于非数值属性数据, 也称为K中心点法) , 它试图发现用户指定个数 (K) 的簇。

基本K均值算法:

(1) 选择K个点作为初始质心

(2) Repeat

(3) 将每个点指派到最近的质心, 形成K个簇

(4) 重新计算每个簇的质心

(5) 直到质心不再发生变化为止。

K均值算法的关键要素是:邻近度函数, 质心和目标函数的选择。通常, 就邻近度函数而言, 数值类属性通常选择曼哈顿距离或欧几里得距离, 而分类属性常选择余弦相似性度量。质心则主要选择均值或中位数或众数。目标函数主要是K个簇迭代终止的条件阀, 即基本算法步骤 (5) 的终止条件, 通常的目标函数是最小化对象到其簇质心的邻近度函数值的和。

在实际的挖掘过程当中, 聚类往往并不是最终的目的, 而是通过对聚类结果的进一步分析, 以求建立深层分析模型, 从而完成对数据的更深层次的挖掘。

三、商业管理中聚类技术的实现

本节通过对超市的顾客购物汇总数据的聚类分析的案例来说明聚类技术是如何在超市物流配送管理中发挥作用的。

将某超市的近三个月份的收银数据汇总和扩充, 使得处理后的数据表中包含以下字段:顾客卡号, 日期, 结账时间, 特定商品的选择品牌 (比如牛奶) , 特定商品的价格, 特定商品的购买数量, 特定商品的购买额, 购物品种数, 总购买额。用前文描述的K均值算法来发现在特定商品上有相似购物习惯的顾客类型。任选一种数据挖掘工具, 比如:S Q L Serv er 2 00 5, S AS E nt er pr is e Mi ner, S PS S C lem en ti n e, W EK A等, 选择K均值聚类, 该算法从数据表的所有记录中选择K个记录作为聚类的初始中心, 其他每笔记录都暂时归到距离最近的初始中心所属类。所有记录都归完类后, 重新计算每一个类的中心, 然后所有记录再根据新的中心重新聚类, 直到所聚的类不再有变化为止。

根据所聚类的可解释性, 最终选择K=6, 即汇总表中的所有数据被分成了6个类, 通过分析聚类过程中每个字段对聚类的贡献度发现, 影响聚类最重要的因素是晚上结账的总次数及特定商品的购买额在总购买额中所占的比例, 其中, 第三个类就是平均晚上消费29次, 且特定商品的购买额在总购买额中占了30%以上的顾客, 通过对该类的进一般研究发现, 该类的顾客所消费的特定商品的价格大致在相同的范围内, 购买的品牌倾向于某两种品牌。这样的研究结果对于发现这两种品牌的潜在购买者是有重要意义的, 对于一个新的顾客, 如果他的购物习惯符合第三个类的特点, 那么即使他这一次没有购买特定商品, 他也将是该特定商品的潜在用户, 这对商品的促销有很好的导向性作用。如果需要对结果进一步的挖掘, 可以将聚类的结果作为另一个模型的附加输。

参考文献

[1]、《数据挖掘概念与技术 (原书第2版) 》　Jiawei　Han　 (加) 　, Micheline　Kamber译者:范明　孟小峰

挖掘商业价值 第10篇

随着全球经济的日益发展,市场竞争也越来越激烈,商业环境中的信息越来越密集,企业必须能从大量的业务数据中经过深入的分析,获得有利于商业运作的信息,提高企业的决策能力,20世纪70年代所出现的数据库技术已经被广泛地应用于企业管理、产品销售等领域,并获得巨大成功,但是对于管理人员的决策分析要求却无法满足。所以急需的计算技术和工具,能够智能化地从大量的数据中提取出有用的信息和知识,为企业提供决策支持,于是数据挖掘技术应运而生了。

数据挖掘是从大量数据中抽取隐含、潜在、有用的信息的方法和过程,最终目的是发现和推导出有价值的知识,包括概念、规则、模式和模型等,为管理和决策提供参考和支持。数据挖掘是一种从大型数据库或数据仓库中提取隐藏的预测性信息的技术。将其应用到商品销售领域的主要作用是对商业数据中的大量业务数据进行抽取、转换、分析和其他模型化处理,从中提取辅助商品销售决策的关键性数据,为科学的商业决策提供帮助。

二、数据挖掘所采用的主要技术

数据挖掘是一种很好的知识提取方法。数据挖掘能通过预先设定的算法自动处理数据库中大量的原始数据,应用各种方法和手段从大量数据中抽取出具有必然性、富有意义的模式,挖掘出对象间的特定关系,找出人们对所需问题的解答,为决策服务。数据挖掘过程所形成的知识主要有概念、规则、规律、模式和约束等。取得这些结果采用的主要方法和技术包括统计学、聚类分析和模式识别、决策树分类、人工神经网络和遗传算法、规则归纳,以及可视化技术等。

三、数据挖掘在商业领域中的典型分析方法

在实际的商业应用中,数据挖掘的方法和技术越多,得出的结果精确性就越高。因为,对于某一种方法或者技术不适用的问题,其他方法很可能奏效,这主要取决于问题的类型及数据的类型和规模。数据挖掘方法有很多种,其中比较典型的有关联分析、序列分析等。

1. 关联分析

在数据挖掘领域,采用关联规则在大型数据库中进行数据挖掘是一个重要的研究内容。关联规则挖掘的一般对象是事务数据库,这种数据库的主要应用在零售业,比如超级市场的销售管理。关联规则就是发现事务数据库中不同商品(比如面包、牛奶等都是项目)之间是否存在某种关联关系。通过这些规则找出顾客购买行为模式,如购买了某一商品对购买其他商品的影响。发现这样的规则可以应用于商品货架设计、货存安排,以及根据购买模式对用户进行分类。譬如在商场中,许多决策只停留在管理人员的经验判断层次上,缺乏深层次的分析,也往往跟不上客观环境的变化,所以就需要对客观实时数据进行分析,找到它们的内在联系,从而获得有关指导商家进货,方便顾客购物等一些有价值的知识。关联规则的一个典型例子是购物篮分析。该过程通过发现顾客放入其购物篮中不同商品之间的联系,分析顾客的购买习惯。通过了解哪些商品频繁地被顾客同时购买,这种关联的发现可以帮助超市经营者制定营销策略。

关联分析是为了寻找在同一事件中出现的不同项的关联性。比如,超市中7 0%的客户在购买商品A的同时,有90%会购买B,即关联规则是A>:B。若超市将商品A和B放在一起销售,将会提高它们的销售量。

在大型数据库中,这种关联规则是很多的,需要进行筛选,一般用“支持度”和“可信度”两个阈值来淘汰那些无用的关联规则。

在本例中,设关联规则A>=B的可信度为C,支持度为S。则:

C:同时购买商品A和B的交易数/购买了商品A的交易数S:同时购买商品A和B的交易数/总交易数本例的关联规则A=>B的可信度为C=90%,支持度S=70%。

因此,找出这样的数据信息对于确定市场策略是很有价值的。寻找这种信息的过程即是挖掘关联规则的过程。关联规则还可以应用到附加邮递、目录设计、追加销售、仓储规划,以及基于购买模式对顾客进行划分等方面。

2. 序列分析

序列分析与关联规则类似,但它寻找的是事件之间时间上的关联性。比如,超市中60%的客户在购买商品A后隔一段时间,其中有80%会再购买B,即序列模式是A>=B。显然,通过序列模式分析,超市可以发现客户潜在的购买模式。

在序列模式分析中,同样需要用“支持度”和“可信度”两个阈值来淘汰那些无用的序列模式。在本例中.设序列A>=B的可信度为C,支持度为S,则C=先购买商品A再购买商品B的客户数/先购买了商品A的客户数S=先购买商品A再购买商品B的客户数/总客户数本例的序列模式A=>B的可信度为C=80%,支持度S=60%。

四、结束语

在信息经济时代,数据挖掘技术的应用正在不可思议的改变着我们的生活。但数据挖掘永远都不会替代有经验的商业分析师或管理人员的作用,它只是提供了一个强大的工具,它所起到的作用是帮助企、业更容易地得到一些重要的,能产生高回报的模型。而企业根据这些模型可以更好的提高商业运行、商业效率。目前,数据挖掘工具正以前所未有的速度发展,在信息技术应用最为广泛的商业活动中,它更是推动了整个行业的发展。在未来越加激烈的市场竞争中,拥有数据挖掘技术必将比别人获得更快速的反应,赢得更多的商业机会。

参考文献

[1]王珊:数据仓库技术与联机分析处理[M].北京科学出版社,1998

[2]邵峰晶:数据挖掘一原理与算法[M].北京:中国水利水电出版社,2003

挖掘教材，凸显思维价值 第11篇

一、通读教材，熟悉整体架构

课堂教学的有效性，主要取决于教师对教学内容的整体把握和掌控。对于课堂教学来说，只有当教师对教材进行整体把握以后，才能够根据编排体系获得相应的教学思路和教学策略，进而设计有效的教学环节，为学生思维的发展搭建合理的“脚手架”。

例如，教学“长方体的认识”一课时，针对长方体的透视图，学生显然存在理解上的难度，一方面是因为教材没有单列专题进行研究，另一方面是由于学生的空间观念还没有建立有效的链接。而且，在平时的教学中，大多数教师对学生空间观念的建构不予以重视，只是在讲台上随便画一下，导致学生的体会比较肤浅，容易造成认知误区。针对这些现状，我校在进行集体研讨时对教材的整体架构做了分析，发现在二年级初次接触平面几何时，学生已经通过观察物体认识到“从不同的位置既可以看到不同的形状，也能看到不同的面，而且最多可以看到三个面”;而在三、四年级时，学生通过对物体的观察，建立了空间观念的初步认识——想要准确把握物体的形状，可以从正面、上面和左侧来观察感受。

通过对教材编排体系的整体研讨，我校教师对“长方体的认识”中长方体透视图的教学设计做了如下改进：先让学生上台观察长方体，看看从自己的角度能够看到几个面。学生根据自己所站的不同方向，可以分别看到正面、侧面和上面。教师追问：“那么，从一个角度观察，你最多能看到几个面？长方体一共有几个面？为什么最多只能看到三个面？”此时已有的认知经验很快有了用武之地，根据之前学过的观察物体的方法，学生发现长方体的六个面从一个方向观察并不能全部看到，最多只能看到三个面，如果要在平面图上表示出来的话，可以将看到的三个面直接画出来，将看不到的面用虚线来代替表示。从上述教学可以看出，教师对教材有了系统的解读和掌控，既突破了直观认识的教学模式，又根据教材的整体编排体系，发挥了学生的已有经验，还在沟通新旧知识间的联系时，实现了思维的连接和拓展，使学生自主建立了空间观念。

二、把握教材，设计有效活动

根据《数学课程标准》（2011版）对数学教学的要求，教师要在丰富学生学习经验的基础上，从有效的教学活动入手，使学生积累基本的数学活动经验。这里有两个方面的考量：其一，要引导学生掌握基本的数学知识和技能;其二，要促进学生的数学理解。这就需要教师对教材进行深入研究，并在读懂、读透的基础上把握其中的重、难点，然后根据学生的认知特点，设计有效的教学活动。因此，在课堂教学中，教师要引导学生深入探究，积累有效的数学活动经验，使他们自主建构数学概念。

例如，教学“圆锥的体积”一课时，根据以往的教学经验，学生计算圆锥的体积时往往容易忽略公式中的 ，原因何在？我从教材入手，发现其研究模式如下：先直接出示问题并引导学生围绕问题形成初步猜想（圆柱体积=底面积×高，那么圆锥体积是它的几分之几呢），再让学生通过实验验证的方法，发现圆柱和圆锥体积之间存在 的关系，最终推导出圆锥体积的计算公式，即V= Sh。根据教材的安排，我发现了问题所在，很显然，学生对 这个倍数关系的理解存在难度。那么，能否将教材中呈现与圆锥等底等高的圆柱的思路重新梳理，先让学生自主发现这个特殊的圆锥是从同一个圆柱中得到的唯一一个与之同底等高的圆锥后，再进行两者关系的猜测和推导呢？

由此，我设计了两个教学活动：活动（1），让学生通过学具进行动手操作和画草图，思考圆柱和圆锥体积之间的关系——将一块圆柱形木材削成圆锥形，可以削成什么样的圆锥？学生得到以下四种答案（如下图），并得出结论：与圆柱同底等高的圆锥只有唯一的一个。

活动（2），让学生观察图，并对等底等高的圆柱和圆锥体积之间的关系进行猜想。学生提出等底等高的圆柱和圆锥的体积之间存在倍数关系，有的认为是2倍，有的认为是3倍。此时，我进行追问：“是不是所有等底等高的圆柱和圆锥体积之间都有这样的关系呢？”学生进行验证操作，将圆锥中的水倒入圆柱后，发现圆柱中的水只有刻度的三分之一。这验证了学生的猜测，并由此推导出了圆锥的体积计算公式，即V= Sh。在随后的练习环节中，我发现学生计算圆锥体积时没有一人忽略公式中的 ，并且很多学生根据自己的理解，知道Sh（即圆柱的体积）除以3的由来。上述教学，我从教材入手，把握学生的学习难点所在，并掌握其中的两个关键：一是让学生认识圆柱和圆锥在同底等高的条件下具有唯一性;二是让学生建立圆锥和圆柱体积之间关系的猜想验证模式，然后设计有效的活动来激活学生的思维，促进他们对概念的理解。

三、整合教材，促进思维发展

教材就好比是一个压缩的范例，而教师的教学则是一个解压缩的过程，不仅要将不同版本的教材进行整合，而且要根据学生的实际情况，在尊重文本的前提下超越文本，使学生获得丰富的体验和感悟，从而促进学生思维的发展。

例如，教学“正比例”一课时，学生的学习难点是如何通过数量的变化体验，理解并确定变量之间存在的正比例关系。苏教版教材并没有针对两种变化的量进行专门的内容过渡安排，但在北师大版教材中则有一个过渡课时。为此，我根据班级学生的实际情况，将北师大版教材中针对生活情境中的变量关系进行整合，作为帮助学生积累基本数学活动经验的素材，唤醒学生看图找关系的相关经验，引导学生学会用联系、变与不变的思维方式来表征变化的量。于是，我设计三个层次的活动丰富学生的思维表象：（1）出示生活中小明体重的变化图（如下），让学生学会用不同的观察角度审视表格中的数据，培养学生的数学思维能力。

（2）出示骆驼的体温随时间变化的图（如下），让学生感受变化量的特点，并与第（1）个活动进行关联，培养学生的比较思维。

（3）运用关系式理解并确定数量之间的关系（如下图），使学生经历语言文字叙述变量关系转变为数学符号的过程。

通过以上教学，学生对两个变量之间的关系有了丰富的表征积累，使学生的观察能力、分析能力得到发展，为进一步过渡到数学抽象思维做好铺垫。

总之，在小学数学教学中，教师要切合学生的实际情况，从教材入手，挖掘其深层价值，才能使教材发挥最大的效用，促进学生的思维发展。

挖掘习题价值实现减负增效 第12篇

关键词：减负增效,练习设计,数学习题,有效教学

数学习题是小学数学教材的重要组成部分, 数学知识的传授、思维的训练也都是以习题为媒介进行的。在课堂教学中教师往往较多地关注课堂的重头戏——新知的探究, 其实习题的有效教学也同样是课堂的压轴戏。习题的有效教学是减轻学生负担, 提高教学效率的重要举措, 也是培养学生思维品质、创新精神和实践能力的重要途径, 为此, 习题的有效教学引发了我们的思考。

一领悟教材, 深度挖掘, 让学生在对比练习中感悟数学的内在联系

数学课程标准指出:“数学教育要面向全体学生……不同的人在数学上得到不同的发展。”所以我们所有的练习设计都应充分体现因材施教的原则, 应该从教材和学生的实际出发, 有针对性地设计练习, 要充分考虑学生的差异, 在练习数量和质量的要求上做一些变动, 使练习具有层次性, 满足各层次学生的需要。

案例1:正方形的面积是10平方厘米, 圆的面积各是多少呢?

上面第一幅图的正方形的边长就是圆的半径, 所以正方形的面积10平方厘米就是圆的半径r的平方, 圆的面积是3.14×10=31.4 (平方厘米) 。

第二幅图的正方形的边长是圆的直径, 如果圆的半径是r, 则r的平方是10÷4=2.5, 圆的面积是3.14×2.5=7.85 (平方厘米) 。在学习了圆的面积推导公式后, 出示这两道对比题有助于学生对公式的理解, 深化学生的思维, 提高了学生灵活应变的能力。

案例2:在三张边长都是6厘米的正方形铁皮上, 分别按下图剪下不同规格的圆片。哪张铁片剩下的废料最多?你发现了什么?

思考:学生通过对这组题目的探究, 发现了其中的规律, 拓展了学生的思维。因此在解题之后, 我们应该给学生留有一定的反思时间和空间, 让学生有所“感”、有所“悟”, 在深化新知, 促进技能形成的同时, 积淀、拓展数学活动经验, 催生解题智慧, 以培养学生良好的思维品质和学习习惯。通过这个案例, 我们发现课本中的一些习题, 看似平常, 但却具有丰富的内涵, 教师应善于寻找、发现这类习题, 充分组合, 引导学生多向剖析、拓展引申, 通过挖掘其潜在的功能, 激发学生的学习兴趣, 促使学生知识的深化、视野的开阔, 提高学生解决问题的能力。

二改编习题, 引领思考, 让学生在操作练习中领悟数学的价值

设计练习时, 有意识地设计一些能开拓学生思路的, 有利于学生自主探索解决问题的不同策略, 或设计一些条件多余的、或答案不唯一的开放题, 有利于不同水平的学生展开发散思维, 培养学生的推理能力和创新意识。因此, 我们在习题开发教学中, 选取一些习题进行改编引导学生思考, 这些开放习题以教材中的习题为依据, 紧扣知识点, 同时对学生提出了更高的要求, 学生乐于思考, 并会获得“有阶可上、步步登高”的体验。

案例3:用16根1米长的木条靠一面墙围一块长方形菜地。怎样围面积最大?

学生通过观察发现, 这16米是围成的长方形菜地的三条边长度的和, 然后学生通过计算列表如下:

学生很快发现围成长是8米, 宽是4米的长方形菜地面积最大。当交流完毕后, 有位学生说:“老师, 我还有一种方法, 更简单”, 其他同学感到很好奇, 纷纷期待这位学生的想法, 我就留了一定的时间让这位学生进行交流。这位学生很自信地说:“我只要在墙的对面对称地也围一个与它完全相同的长方形菜地 (如右图) , 这时长方形菜地的周长就是32米, 因为四条边围成的长方形中, 围成的正方形的面积最大, 32÷4=8 (米) , 8×8=64 (平方米) , 所以每块菜地的面积是64÷2=32 (平方米) ”。

思考:在课堂中发生具有一定数学价值的意外事件, 绝不能简单处理, 不让这些有效资源悄悄溜走, 教师应积极创设条件, 努力为学生搭建一个开放合作、积极互动的学习平台, 让学生在课堂学习中充分展现自己富有个性和创造性的认识与见解, 培养他们的探索精神和创新意识, 才能真正体现“以生为本”的教学理念, 促进学生真正成为一个研究者、发现者和探索者。因此, 我们在习题教学时, 可有意识地改编设计一些能开拓学生思路的题目, 这样有利于学生自主探索解决问题的不同策略方法。

三联系生活, 有效整合, 让学生在自主练习中提升实际应用的能力

随着课改的实施, 教师的“资源意识”在不断增强, 越来越多的数学老师在教学设计过程中, 已明显地意识到:必须努力打破教材的界限, 引进与之相关的资源并加以开发和利用, 从而让学生获得持续的发展。数学源于生活, 又高于生活, 数学练习的设计一定要贴近学生熟悉的现实生活, 不断加强生活中的数学与教材的联系, 使生活和数学融为一体, 这样才能有益于学生理解数学。联系生活实际进行练习设计, 可以让学生体会到生活中处处有数学, 使学生能从自己身边的情景中看到数学问题, 并运用数学知识解决生活中的实际问题。

案例4:学习了“百分数应用题”后, 可设计这样的题目:一个家庭去某地旅游, 甲旅行社的收费标准是:如果买3张全票, 则其余人按半价优惠;乙旅行社的收费标准是:家庭旅游算团体票, 按原价的80%优惠, 这两家旅行社的原价均为每人1000元。 (1) 如果你家去, 你准备选择哪家旅行社呢? (2) 看到这些信息后, 你对其他家庭去旅游有什么建议?

学生在解决此题时, 根据自家人数通过计算合理选择旅行社, 并能在解决问题中发现规律, 为其他家庭提出合理建议。像这样的练习不仅适应了时代的发展, 真正成为人类的一种文化, 而且焕发着时代的气息。

思考:如果教师在教学中仅限于让学生一题一练, 这只是让学生演练了教材编排的每一道习题, 学生在练习中的体验则是肤浅的。所以教学中, 教师还要认真解读教材中的习题, 努力将习题读“活”, 不断推陈出新, 充分挖掘习题的发展功能, 使练习的过程不再是机械演练的过程, 而是智慧发展的过程。教师应该努力整合教材资源, 在“活”用学习材料、拓展课程资源、补充开放内容、探究生成问题等方面进行思考, 从而提高数学课堂教学效果。

四巧用生成, 彰显智慧, 让学生在动态生成中完善知识的建构

我们在教学中经常会遇到这种情况, 学生对教师所教学的新内容很快表示理解, 但是在做习题时, 很多学生就会有不同的声音或出现错误。在教学过程中, 面对这类生成, 教师不是仅仅给出答案就万事大吉了, 而是要提出问题让学生思考, 让学生在思考问题的过程中自己去发现问题, 分析原因, 教师在关键处进行适当的点拨、引导、启发, 最后学生自己找到正确的答案。

案例5:工人师傅用18根1米长的栅栏围成一个长方形的花圃景点, 供游客休闲和拍照。有多少种不同的围法?围成的长方形的面积各是多少? (五年级解决问题的策略)

学生在小组里讨论交流:“周长不变, 长方形的长和宽的数据越接近, 面积就越大。”正在我板书学生的发现时, 有位学生轻声地说:“如果图形的面积相等, 周长怎样呢?”面对这一突如其来的真实问题, 我没有选择逃避, 放弃了原先精心设计的练习, 请他大声将自己的疑问说出来, 并组织全体学生以小组形式展开讨论:用18个1平方厘米的正方形拼成长方形, 有多少种不同的拼法?有的小组用小正方形摆出面积不同的图形, 有的小组在分拆数据、计算图形的周长, 有的同学在运用列表法解决问题, 片刻后, 学生进行了自己的探究交流, 最后得出“图形的面积相等, 周长不相等, 长方形的长和宽的数据越接近, 周长就越小”。

思考:在课堂中要重视学生提出的疑问, 要善于捕捉生成资源, 并巧妙地加以开发和利用, 机智地把“生成之球”抛给学生, 让学生一起参与, 共同研究新问题, 这样既激发了学生探究的积极性, 又促进了学生创新思维的发展。