随着互联网技术的飞速发展，大数据时代悄然到来。 大数据是包括数据优化、分配和管理在内的时代背景和数字平台。 在平台的实际运用中，数据本身的潜在信息难以实现准确的查询，需要通过深入或优化数据挖掘技术来应对，数据挖掘技术应运而生。 随着各行业的发展，开始渗透到大数据技术中，大数据分析成为行业发展的主流，是当今企业打破发展瓶颈的重要手段，因此传统的单一数据信息分析系统逐渐开始被淘汰，新的数据挖掘技术成为了今后发展的主要趋势

1、大数据下数据挖掘的意义

当今时代，互联网技术、云计算技术、信息技术等诸多数字信息技术迅猛发展，由此诞生了新的移动互联网和数字地球技术的发展和运用，在世界范围内突飞猛进。 随着各行业的迅速发展，信息化发展已成为社会发展的主要趋势，成为经济增长的重要内容。 以银行系统为例，银行系统每天需要处理数以万计的终端交易和数据交换，这是一个庞大的信息数据处理工程，但如何从这样庞大的数据中筛选、提取、分类真正有价值的数据，是当前各大银行面临的主要问题和数据挖掘技术的运用和普及，很好地解决了这一问题，因此数据挖掘对于大数据时代具有重要的意义。

2、大数据时代下数据挖掘技术分析

2.1、数据挖掘

大数据时代，数据挖掘技术的运用价值比较明显，在其运用中，可以通过数据挖掘技术有效地控制产品自身的实际情况。 同时，可以在大量的数据信息中实现数据的优化处理，为企业的发展提供重要的参考。 在当前数据挖掘技术的发展运用中，以往从简单清晰的数据中寻找信息的方式转变为从模糊复杂的数据中提取有价值的信息的方式，但这本身是一个全新的技术突破。 这项技术革新的实现需要互联网技术、信息技术、云计算技术等更多的支持。

2.2、聚类分析

通常在数据挖掘的过程中，聚类分析技术是其中重要的数据处理技术之一。 通过聚类分析技术，可以将自己难以有效理解的事情进行重组，以更加形象化的状态表现出来，可以根据数据的性质分组，整体上是一个有效的数据分析过程。 聚类分析技术通过对比较庞大的数据进行分类处理，可以提取所需的信息资源。 但是，该技术在实际运用中明显不同于传统的数据分类处理方式，其自身的优点主要是可以对模糊对象的信息数据进行有效的分组。 目前采用的聚类分析方式主要分为硬聚类和模糊聚类。 其中，硬聚类方法适合于数据信息，而模糊聚类主要通过分割模糊数据来实现分类效果。 总体来说，聚类分析的两种分类方式差异明显，但达到的目的基本一致，都可以实现数据的分类。

2.3、特征性数据分析法

数据挖掘的特征数据分析法是数据挖掘技术的主要技术方法之一，该数据分析方法实现了整体数据信息的综合分析，并进一步扩展到特征分析水平，从而挖掘具有可用价值的数据信息。 因此，该分析技术本身具备快速、全面的特点，能够有效应对大多数数据资源分析，成为许多相关研究者的主要研究方向。 在实际运用中，经常提出利用人工神经网络的数据收集，以及通过在数据终端上构建合适的神经网络来收集可用信息的内容等各种特征性的数据分析方式。 另外，还可以直接使用合适的基因算法详细分析数据，进行海量数据信息的重构和选择。 最重要的是，由于可以利用适当的可视化技术挖掘相关数据，数据挖掘技术的实用性不断提高。

class="pgc-h-arrow-right">3、大数据时代下数据挖掘技术应用

3.1、用于制造行业

当代人们生活质量水平持续攀升，对于相应产品质量的需求也随之持续增长。在制造行业当中也是如此，致使制造业面临巨大压力，而充分运用数据挖掘技术能够有效提高其制造产品的质量水平。主要是由于大数据下数据挖掘技术的运用，可对制造产品生产时进行实时跟踪管理，可在整个过程及时获取产品问题所产生的数据，这样能够充分了解和掌控产品本身的生产效率情况。同时也可直接为后续产品的生产制作提供重要的数据分析操作，在解决产品问题起到针对性的应对效果，能够切实提升生产效率，促使制造行业由此获取可观的经济效益。所以，制造行业运用数据挖掘技术，可极大促进行业的持续发展，有必要进行深入探究。

3.2、用于市场营销

大数据时代下数据挖掘技术的运用更多体现在数据分析层面，通常数据挖掘在市场营销领域内运用最为广泛。主要是由于市场营销的发展需借助数据挖掘技术来深入分析和提取市场数据信息。借助大数据技术，能够搜集和掌握大量的市场用户信息资源，通过数据分析的形式来获取用户们的真实需求。也可通过大数据技术来获取市场用户们及时反馈回的多种数据信息，从而在此基础上改善市场营销发展模式。例如，借助数据挖掘技术，能够分析用户的点击数量、阅览数量等，商户也可在后台的数据管理系统当中，为客户选择性推送一些与商品相关的衍生产品，从而由此让用户们获得更多选择，极大的提升用户们的产品使用感受。

3.3、用于电信行业

信息时代发展至大数据时代，促使整个电信行业获得前所未有的发展机遇。然而，电信行业在迅猛的发展的同时，由于其本身用户基数非常庞大，因此所需要处理的各种实务问题也较为繁多。而这就更加需要良好的服务来有效解决用户们的问题，这样才能对外提供良好服务质量，给用户带来好的使用体验。通常电信技术服务需要大量的数据加以支持，否则难以有效解决实际问题，但是这种技术性服务很容易被数据流的影响，因此很容易致使服务质量水平降低.而数据挖掘技术的运用，可帮助电信行业有效的扭转这一局面，通过采用数据挖掘技术，可深入分析复杂的电信数据，有效的找出其中的规律，并结合用户回馈的意见进行持续改进，

当今大数据时代下，强化对数据挖掘技术的运用，能够切实有效的满足各个行业的发展需求。制造行业、市场营销、电信行业等通过数据挖掘技术都能能发挥很多的作用。因此，这就必须深入研究大数据下挖掘技术的应用及发展。