談數據挖掘在企業(yè)信息化中的認識誤區(qū)

申請免費試用、咨詢電話：400-8352-114

一、引 言

企業(yè)信息化指的是信息技術在企業(yè)各個運作流程中的有機應用，這些流程包括物流、資金流、信息流、技術流、客戶流等。我國企業(yè)信息化已經歷了3個發(fā)展階段：第一階段是辦公自動化（OA），涌現和積累了大量的電子文檔；第二階段是建立了管理信息系統（MIS），標志著數據庫和網絡的應用；第三階段是企業(yè)資源計劃（ERP）的實施，它意味著企業(yè)業(yè)務流程的重組和自動化。隨著科學決策在企業(yè)的廣泛應用以及企業(yè)適應能力和靈敏度的提高，數據挖掘和企業(yè)智能將是今后企業(yè)信息化建設的重點。數據挖掘是一個新興的技術領域。它匯聚了數據庫、人工智能、統計學、可視化、并行計算等不同學科。近年來受到各界的廣泛關注?，F代的企業(yè)日常搜集了大量資料．包括市場、客戶、供貨商、競爭對手以及未來趨勢等重要信息。但是信息的超載與無結構化，使得企業(yè)決策單位無法有效利用現存的信息，甚至使決策行為產生混亂與誤用。妥善地運用數據挖掘技術，從巨量的數據庫中發(fā)掘出不同的信息與知識供決策支持所用，必能產生企業(yè)的競爭優(yōu)勢。但是，許多企業(yè)在信息化進程中對數據挖掘還存在一定的認識誤區(qū)，對其角色定位還不甚清晰，這直接影響了數據挖掘技術的應用效果。

二、數據挖掘在企業(yè)信息化中的應用現狀

數據挖掘在企業(yè)中的應用方式目前主要集中在市場推廣方面。如客戶特征、購物關聯分析及客戶關系管理。世界范圍內具有刨新性的公司都開始采用數據挖掘技術來判斷哪些是他們最有價值的客戶．并重新制定產品推廣策略，即把產品推廣給最需要的人，以用最小的花費得到最好的銷售。在客戶特征方面．數據挖掘可以從現有客戶數據中找出他們的特征．再利用這些特征到潛在客戶數據庫里去篩選出可能成為客戶的名單，行銷人員就可以只針對這些名單寄發(fā)廣告數據，以降低成本，提高行銷的成功率；購物關聯分析主要是用來幫助零售業(yè)者了解客戶的消費行為，利用數據挖掘，零售業(yè)者可以更有效地決定進貨量或庫存量，或是如何擺設貨品，同時也可以用來評估促銷活動的成效；在客戶關系管理中，利用數據挖掘可以由原客戶后來卻轉成競爭對手的客戶群中。分析其特征，再根據分析結果到現有客戶資料中找出可能轉向的客戶，然后設計一些方法預防客戶流失。此外，數據挖掘還可以對銷售數據進行深層次的分析，采掘隱含在數據中的有用信息，發(fā)現和把握新的市場機會，為企業(yè)的管理決策提供科學的依據。

可見，數據挖掘主要用于企業(yè)的決策支持、客戶關系管理、市場分析、營銷策略和趨勢預測等方面，它可以提供比較可靠的依據，使企業(yè)的決策走向科學化，而不再單純依賴經驗，應用的行業(yè)包括金融業(yè)、電信業(yè)、零售商、直效行銷、制造業(yè)、醫(yī)療保健及制藥業(yè)等。在我國，許多企業(yè)如電信公司、銀行等開始向數據挖掘的方向走，但由于剛起步，許多企業(yè)對數據挖掘的認識還存在誤區(qū)，對它的角色定位還不夠準確。

三、企業(yè)信息化進程中對數據挖掘的認識誤區(qū)

1．數據挖掘可以解決企業(yè)中所有的商業(yè)信息問題

事實上，數據挖掘并非能解決企業(yè)中所有的商業(yè)信息問題，數據挖掘僅是一個工具，在挖掘信息之前仍然需要了解企業(yè)的業(yè)務，理解企業(yè)的數據，弄清分析方法。數據挖掘只是幫助企業(yè)更深入、更容易地分析數據，它無法告訴你某個模型對企業(yè)的實際價值。因此，提及數據挖掘，企業(yè)應首先考慮用數據挖掘解決什么樣的商業(yè)問題，是進行客戶群體劃分、背景分析、交叉銷售，還是客戶流失性分析、客戶信用記分、欺詐發(fā)現等。不同的商業(yè)問題，需要用不同的方法去解決，要想真正作好數據挖掘，數據挖掘工具只是其中的一個方面，沒有哪一種數據挖掘的工具可以應付所有的要求，所以，進行數據挖掘首先要考慮的是，準確地定義所要解決的商業(yè)問題。

2．不需要對數據進行準備和了解，就能得到好的數據挖掘結果

與傳統的統計分析相比。數據挖掘的確不用專門進行實驗設計和調查設計。不用為確定的目的準備大量的數據，因為在進行數據挖掘之前已有數據庫，其目的也是不確定的。作為一種先進的數據信息處理技術，數據挖掘與傳統的數據分析的本質區(qū)別在于它是數據關系的一個探索過程．而且多數情況下是在沒有任何假設和前提的條件下完成的。就現實來看。經過幾年的信息化建設，許多大中型企業(yè)已經建立了比較完善的客戶關系管理（CRM）、ERP、OA等基礎信息化系統，這種大集中系統已為數據挖掘準備了較為成熟的條件。但直接從數據庫中截取的數據往往是冗余的、缺失的、有噪聲的，從而直接影響數據挖掘的效果。輸入數據庫中的異常數據、不相關的字段或互相沖突的字段、數據的編碼方式等，都會對數據挖掘輸出結果的質量產生影響。數據挖掘最后成功與失敗，是否有經濟效益。數據準備起到了至關重要的作用。從原始數據轉化為挖掘信息的流程如圖1所示。

圖1 數據轉化為信息的流程圖

由圖1可見，在進行數據挖掘之前，必須要做煩瑣但卻十分重要的數據清洗和預處理工作，包括去掉冗余、彌補缺失值、消除噪聲等，進而集成、存儲數據，以充分了解數據，保證數據挖掘結果的價值。

3．只要有了數據挖掘工具，就能自動挖掘出所需要的信息

這是人們常有的一個認識誤區(qū)。數據挖掘利用了統計和人工智能技術的應用程序，它把這些高深復雜的技術封裝起來，使人們不用自己掌握這些技術也能完成同樣的功能，并且更專注于自己所要解決的問題。雖然如此，人們仍然需要知道所選用的數據挖掘工具是如何工作的。換句話說，數據挖掘永遠不會替代有經驗的商業(yè)分析師或管理人員所起的作用，它只是提供一個強大的工具。數據挖掘決不會在缺乏指導的情況下自動地發(fā)現模型。數據挖掘工具要做的就是使這些模型得到的更容易、更方便，而且有根據。比如客戶關系管理，不是只設一個客服專線，更不僅僅是把一堆客戶基本數據輸入計算機。一個完整的客戶關系管理運作機制在相關的硬軟件系統功能健全的支持之前，要有大量的數據準備工作與分析過程推動。

邁克爾·J·A·貝里和戈登·S·利諾夫指出，通過4種有效途徑可以實現數據挖掘技術在企業(yè)中的專業(yè)化應用，即：從企業(yè)外的制造商處購買與企業(yè)商業(yè)問題配套的評分機制，購買實施整體解決方案的數據挖掘軟件，針對特定問題聘請外部專家完成預測模型的建立，以及在組織內部掌握數據挖掘技能。他們認為，從公司長遠發(fā)展考慮，最后一種方法應作為企業(yè)首選。因為這將促使企業(yè)把數據挖掘視為企業(yè)的法寶，并通過它將客戶關系管理推向企業(yè)戰(zhàn)略的核心。鑒于此，一個企業(yè)想要在未來的市場中具有競爭力。必須有一些數據挖掘方面的專家，專門從事數據分析和數據挖掘工作，再同其他部門協調，把挖掘出來的信息提供給決策者參考，但國內的企業(yè)還很少有決策人員認識到這一點。如果管理者沒有這方面的意識，數據挖掘就很難發(fā)揮其應有的作用，且很容易走向兩個極端：一是認為數據挖掘沒有用處，二是認為數據挖掘是萬能的，而得到的結果往往與初始期望相去甚遠。

4．企業(yè)開發(fā)、運用數據挖掘的結果是可以預期的

這也是企業(yè)界對數據挖掘認識上的一個慣常誤區(qū)。實際上，企業(yè)界運用數據挖掘要受許多因素的影響，例如，不充足的教育訓練、不適當的支持工具、數據的無效性、過于豐富的模型、多變與具有時間性的數據、空間導向數據、數據的衡量性等。面對易變的環(huán)境，沒有立刻能用的現成的模型，數據挖掘的本質是發(fā)現非預期的模式，同樣，非預期的模式要以非預期的方法來發(fā)現，更不能期望按照程序即能成功。因此，要分析一些潛在的因素，如數據取舍、實體關系性、數量多寡、復雜性、數據質量、可取得性、專家意見等因素，才能做好挖掘工作。此外，所有通過數據挖掘發(fā)現的知識都是相對的．是有特定前提和約束條件且面向特定領域的。對于數據挖掘而言，需求牽引、市場驅動是永恒的，而對于企業(yè)應用數據挖掘而言，面向客戶、講求實際才是最主要的。

5．數據挖掘是企業(yè)商業(yè)智能的核心

簡而言之，商業(yè)智能是能夠幫助用戶對自身業(yè)務經營作出正確明智決定的工具。不可否認，數據挖掘可以增加企業(yè)智慧，提升企業(yè)競爭優(yōu)勢，是企業(yè)走向智能化的重要組成部分。但是一個完整的知識挖掘過程牽涉大量的規(guī)劃與準備，包括理解數據、融合與核查資料、去除錯誤或不一致的數據、發(fā)展模式與假設、實際數據挖掘工作、測試與審核所挖掘的數據、解釋與使用數據等，從這個角度看，數據挖掘只是知識發(fā)掘過程中的一個步驟而已，而達到這個步驟前還有許許多多的工作要完成。

從技術層面來看，商業(yè)智能的技術體系包括數據倉庫、在線分析處理（OLAP）以及數據挖掘3部分。所謂數據倉庫就是面向主題的、集成的、穩(wěn)定的、不同時間的數據集合．它提供在線分析處理或數據挖掘所需要的、整齊一致的數據，用以支持經營管理中的決策制定過程。OLAP則是幫助分析人員、管理人員多種角度地把從原始數據中轉化出來、能夠真正為用戶所理解的、并真實反映數據特性的信息，進行快速、一致、交互的訪問，從而獲得對數據更深入了解的一類軟件技術。而數據挖掘是一種決策支持過程，通過高度自動化地分析企業(yè)原有的數據，從中挖掘出潛在的模式，預測客戶的行為，幫助企業(yè)的決策者調整市場策略，減少風險，作出正確的決策圈。這三者的關系如圖2所示。

圖2 數據挖掘、OLAP、數據倉庫之間的關系示意圖

由圖2可以看出，數據倉庫是商業(yè)智能的基礎，它是一個環(huán)境，主要提供用于決策支持的當前和歷史的數據；OLAP屬于數據倉庫應用，它以數據倉庫為基礎，其分析結果可以為數據挖掘提供分析信息，作為挖掘的依據；數據挖掘則可以拓展OLAP的深度，可以發(fā)現OLAP所不能發(fā)現的更為復雜細致的信息?？梢?，只有將數據挖掘與OLAP、數據倉庫結合起來，才能使企業(yè)的許多業(yè)務流程實現智能化運作。離開了數據倉庫和OLAP，商業(yè)智能無從實現，因此，數據挖掘、OLAP與數據倉庫均是企業(yè)商業(yè)智能的核心技術。

四、結 論

綜上所述，從數據中尋找知識、挖掘財富、發(fā)現決策依據。這是數據挖掘對企業(yè)的直接貢獻，也是企業(yè)信息化的重要體現。但在開發(fā)、運用數據挖掘的過程中，應充分認識數據挖掘的本質及局限性，正確地對其進行定位，才能真正發(fā)揮數據挖掘的決策支持作用。體現其在企業(yè)信息化中的價值。首先，數據挖掘僅僅是一個工具，它不能包羅萬象，解決所有的商業(yè)信息問題，企業(yè)應首先明確用數據挖掘解決什么樣的商業(yè)問題，同時還需要對企業(yè)業(yè)務的深入了解和數據分析經驗；其次，為了保證數據挖掘結果的價值，必須要了解數據，保證數據的質量，數據挖掘最后成功與失敗。數據準備起到至關重要的作用；再次，數據挖掘工具并非能自動挖掘出所需要的信息，也不會在缺乏指導的情況下自動地發(fā)現模型，還必須有一些數據挖掘方面的專家，專門從事數據分析和數據挖掘工作；然后，企業(yè)在應用數據挖掘時要受許多因素的影響，故其結果并不是可以預期的，面對易變的環(huán)境，企業(yè)要分析一些潛在的因素，面向客戶、講求實際；最后，數據挖掘雖然是企業(yè)走向智能化的重要組成部分，可以說數據挖掘是目前企業(yè)信息化的高級境界，但不能說數據挖掘就是商業(yè)智能的核心所在，一個完整的知識挖掘過程牽涉大量的規(guī)劃與準備，實際的數據挖掘只是較大規(guī)模商業(yè)智能過程中的一部分。只有將其與數據倉庫、在線分析處理融合在一起，才能構成完整的企業(yè)決策分析環(huán)境。（萬方數據）