大数据挖掘在用户行为分析的实践探索

林 国峰
深圳市证券业协会

摘要


数字化转型背景下，金融、电商等行业积累的海量用户行为数据，需通过大数据挖掘技术转化为运营价值。
本文以实践为核心，梳理关联规则挖掘、聚类分析、分类预测三类核心技术的落地逻辑，结合证券行业用户分群服
务、电商平台商品推荐等真实案例，阐述技术在用户行为分析中的具体应用路径；针对实践中出现的数据质量参差、
隐私合规风险、技术业务脱节等问题，提出全流程管控、双维度防护、跨部门协同的优化方案，为行业提供可复制
的实践参考，助力实现从“数据积累”到“精准运营”的突破。

关键词


大数据挖掘；用户行为分析；实践应用；证券电商；隐私保护

全文:

PDF


参考


[1]韩家炜，裴健，范明.数据挖掘概念与技术[M].

北京：机械工业出版社，2012：156-189.

[2]陈明亮，马庆国.基于用户行为分析的个性化推

荐系统研究[J].计算机工程与应用，2007，43（25）：1-4.

[3]王爽，李一军.大数据环境下用户行为分析方法

及应用[J].管理科学学报，2015，18（5）：1-11.

[4]中国证券业协会.证券行业数字化转型白皮书

（2023）[R].北京：中国证券业协会，2023：45-58.

[5]张莉，刘大有.基于LSTM的用户行为预测模型

研究[J].计算机学报，2018，41（8）：1852-1865.


Refbacks

  • 当前没有refback。