1、電子商務中數據挖掘及分析的重要性有哪些
數據挖掘是一種新的商業信息處理技術,其主要特點是對商業資料庫中回的大量業務數據答進行抽取、轉換、分析和其它模型化處理,從中提取輔助商業決策的關鍵性數據.利用功能強大的數據挖掘技術,可以使企業把數據轉化為有用的信息以幫助決策,從而在市場競爭中獲得優勢地位。
2、數據倉庫及數據挖掘技術在電子商務系統中能起到什麼作用
隨著市場競爭的越來越激烈，商業環境中的信息越來越密集，企業必須能夠深入內靈活利用積累容的大量數據挖掘潛在的規律，提高決策質量，把握和發現市場機遇，提升企業的競爭力。 實施商務智能是一個十分復雜的過程，成功的商務智能應該具備三個要素：商業需求、大量的數據和實現商務智能的技術。因此，商務智能有其特定的實施方法，它包含對企業商務智能需求的明確、對企業現有信息化情況的了解和對各種商務智能技術的充分掌握三個方面。
3、求：數據挖掘技術在電子商務中有哪些應用？謝謝！
購買推薦,反饋分析,客戶分析等.都在用.
4、求《數據挖掘技術在電子商務中的應用》文獻檢索表達式
（數字挖掘技術）AND（電子商務）AND（應用）
5、電子商務網路營銷方向
電子商務網路營銷
看你的電子商務是什麼了？
網站的營銷？營銷分前台和後台 如果是後台就建議你看一些網站建設，網站廣告類的，市場挖掘類的。前台的話就要學一學市場營銷類，還有拜訪客戶。
如果是電子商務平台那就要學的是數據挖掘和客戶分析
關於市場營銷學的教材還是美國的比較好中國寫的都是白扯 菲利普·科特勒 得還不錯
數據挖掘的書比較少寫得好的就更少，有一本是 市場營銷和客戶數據挖掘 原著部較好 中文譯本由很多錯誤
還有就是網路美工的書 可惜我也不懂美工。
6、按你對數據挖掘技術的了解,你認為它的研究將面臨的主要挑戰和對策是什麼?
下面是一些特定的挑戰，它們引發了對數據挖掘的研究。
可伸縮 由於數據產生和收集技術的進步，數吉位元組、數太位元組甚至數拍位元組的數據集越來越普遍。如果數據挖掘演算法要處理這些海量數據集，則演算法必須是可伸縮的（scalable）。許多數據挖掘演算法使用特殊的搜索策略處理指數性搜索問題。可伸縮可能還需要實現新的數據結構，以有效的方式訪問個別記錄。例如，當要處理的數據不能放進內存時，可能需要非內存演算法。使用抽樣技術或開發並行和分布演算法也可以提高可伸縮程度。
高維性 現在，常常遇到具有數以百計或數以千計屬性的數據集，而不是數十年前常見的只具有少量屬性的數據集。在生物信息學領域，微陣列技術的進步已經產生了涉及數千特徵的基因表達數據。具有時間或空間分量的數據集也趨向於具有很高的維度。例如，考慮包含不同地區的溫度測量的數據集。如果溫度在一個相當長的時間周期內重復地測量，則維度（特徵數）的增長正比於測量的次數。為低維數據開發的傳統的數據分析技術通常不能很好地處理這樣的高維數據。此外，對於某些數據分析演算法，隨著維度（特徵數）的增加，計算復雜性迅速增加。
異種數據和復雜數據 通常，傳統的數據分析方法只處理包含相同類型屬性的數據集，或者是連續的，或者是分類的。隨著數據挖掘在商務、科學、醫學和其他領域的作用越來越大，越來越需要能夠處理異種屬性的技術。近年來，已經出現了更復雜的數據對象。這些非傳統的數據類型的例子包括含有半結構化文本和超鏈接的Web頁面集、具有序列和三維結構的DNA數據、包含地球表面不同位置上的時間序列測量值（溫度、氣壓等）的氣象數據。為挖掘這種復雜對象而開發的技術應當考慮數據中的聯系，如時間和空間的自相關性、圖的連通性、半結構化文本和XML文檔中元素之間的父子聯系。
數據的所有權與分布 有時，需要分析的數據並非存放在一個站點，或歸屬一個單位，而是地理上分布在屬於多個機構的資源中。這就需要開發分布式數據挖掘技術。分布式數據挖掘演算法面臨的主要挑戰包括：(1) 如何降低執行分布式計算所需的通信量？(2) 如何有效地統一從多個資源得到的數據挖掘結果？(3) 如何處理數據安全性問題？
非傳統的分析 傳統的統計方法基於一種假設—檢驗模式。換句話說，提出一種假設，設計實驗來收集數據，然後針對假設分析數據。但是，這一過程勞力費神。當前的數據分析任務常常需要產生和評估數以千計的假設，因此希望自動地產生和評估假設導致了一些數據挖掘技術的開發。此外，數據挖掘所分析的數據集通常不是精心設計的實驗的結果，並且它們通常代表數據的時機性樣本（opportunistic sample），而不是隨機樣本（random sample）。而且，這些數據集常常涉及非傳統的數據類型和數據分布。
通常，數據挖掘任務分為下面兩大類：
l 預測任務。這些任務的目標是根據其他屬性的值，預測特定屬性的值。被預測的屬性一般稱目標變數（target variable）或因變數（dependent variable），而用來做預測的屬性稱說明變數（explanatory variable）或自變數（independent variable）。
l 描述任務。這里，目標是導出概括數據中潛在聯系的模式（相關、趨勢、聚類、軌跡和異常）。本質上，描述性數據挖掘任務通常是探查性的，並且常常需要後處理技術驗證和解釋結果。
7、電子商務網路營銷有哪些方面的內容？
一、搜索引擎營銷二、電子郵件營銷三、即時通訊營銷四、病毒式營銷五、BBS營銷六、博客營銷七、播客營銷八、RSS營銷九、SN營銷十、創意廣告營銷十一、在B2B網站上發布信息或進行企業注冊十二、事件營銷十三、口碑營銷十四、在新聞組和論壇上發布網站信息十五、形象營銷十六、網路整合營銷十七、網路視頻營銷十八、網路圖片營銷十九、效益型網路營銷二十、交換鏈接/廣告互換二十一、微博營銷
8、數據在電子商務中的應用有什麼作用
大數據在電子商務應用中的作用：
第一，對於利用大數據進行商品關聯進行的挖掘營銷來說，通過大數據挖掘技術，保證數據之間得到有效的關聯性，這樣在具體的企業運用過程中，應該保證有效分析原有數據的基礎上，建立起相關的數據聯系。比如，通過相關的啤酒和尿布的關聯營銷的案例，能夠給電商提供有效的解決思路，能夠有效實現電商企業產品信息的相關推薦以及結算界面的互補推薦的內容。利用小型的資料庫進行處理和分析，能夠使得用戶的短期需求得到滿足，但是，通過大數據對於商品關聯度進行關聯，則能夠有效保證界面信息的准確度大大提升，能夠更好保證用戶潛在需求得到一定激發。所以，利用大數據的分析，保證充分對於商品的關聯性進行挖掘，並能能夠保證推薦界面的有效性，這點則是電商應該注重的地方。
第二，對於利用大數據進行的社會網路營銷來說，當前，社會化媒體的高度發展，已經使得海量的人群得到覆蓋，並且社會網路營銷的傳播速度正在呈現飛速的發展，利用大數據，人們可以對於社會化網路的傳播進行充分地了解，能更好地開展電商進行類似於社會網路營銷活動的開展。對於電子商務企業來說，應該充分利用好大數據分析的優勢，能夠有效把握好社會化網路傳播媒介對於消費者的偏好的分析，在相關的社會媒介上進行分享活動的積極開展，使得傳播范圍不斷擴大，有效提高營銷效率。
第三，對於利用大數據進行的地理營銷來說，利用大數據的技術優勢，能夠充分對於網站的交易數據進行有效分析，在進行商品的地理營銷中，能夠根據地理位置區域特定區域中人們的不同喜好，因此有效地開展不同類型的營銷策略活動。對於電子商務企業來說，大部分電商則是在交易最後環節獲得用戶的收貨地址，只有部分的電商則會有效地在開始階段，就能夠獲得用戶地理位置，這樣的情況不利於進行商品的地理銷售。應該通過大數據技術，分析用戶地理位置的有效劃分，保證存在的差異性的確定，應該充分保證用戶地理信息和感興趣商品的關聯度，同時，能夠在對於產品的服務，在細節上更加完善。
第四，對於利用大數據進行用戶行為的分析營銷來說，電商主要分析消費者的歷史記錄以及涉及的購買行為，這樣就能有效獲得用戶的消費習慣，有效可以為企業提供用戶行為分析營銷。比如，用戶的心理、行為軌跡可以通過瀏覽網頁時停留在具體產品上的時間進行判斷，有利於發現潛在的用戶，進行具有針對性的商品廣告的投放，使得廣告轉化率大大增加，另外，電子商務企業來可以通過一定相關的搜索行為，針對潛在用戶的需求進行分析，使得商品種類進一步完善化。
第五，對於利用大數據實現的個性化推薦營銷來說，在實際市場分析過程中，滿足消費者的個性化要求顯得越來越重要，這就要求電子商務企業也能更好滿足個性化的營銷水平。根據大數據環境的發展特點，電子商務企業應該根據用戶的個性化要求來進行商品的推薦活動，以及產品分類等，能夠積極邀請用戶對於感興趣商品進行關注，之後還能夠繼續進行個性化信息的添加和推薦，保證用戶對於喜歡的類別進行有效修改，使得資料庫內容進行有效更新。
9、web數據挖掘技術在電子商務中有哪些應用
客戶細分 ，客戶價值 ，交叉銷售，
流量指標、轉化指標、推廣指標、服務指標、用戶指標