谈数据挖掘在企业信息化中的认识误区

　一、引 言
 
　　企业信息化指的是信息技术在企业各个运作流程中的有机应用，这些流程包括物流、资金流、信息流、技术流、客户流等。我国企业信息化已经历了3个发展阶段：第一阶段是办公自动化(OA)，涌现和积累了大量的电子文档;第二阶段是建立了管理信息系统(MIS)，标志着数据库和网络的应用;第三阶段是企业资源计划(ERP)的实施，它意味着企业业务流程的重组和自动化。随着科学决策在企业的广泛应用以及企业适应能力和灵敏度的提高，数据挖掘和企业智能将是今后企业信息化建设的重点。数据挖掘是一个新兴的技术领域。它汇聚了数据库、人工智能、统计学、可视化、并行计算等不同学科。近年来受到各界的广泛关注。现代的企业日常搜集了大量资料.包括市场、客户、供货商、竞争对手以及未来趋势等重要信息。但是信息的超载与无结构化，使得企业决策单位无法有效利用现存的信息，甚至使决策行为产生混乱与误用。妥善地运用数据挖掘技术，从巨量的数据库中发掘出不同的信息与知识供决策支持所用，必能产生企业的竞争优势。但是，许多企业在信息化进程中对数据挖掘还存在一定的认识误区，对其角色定位还不甚清晰，这直接影响了数据挖掘技术的应用效果。
 
　　二、数据挖掘在企业信息化中的应用现状
 
　　数据挖掘在企业中的应用方式目前主要集中在市场推广方面。如客户特征、购物关联分析及客户关系管理。世界范围内具有刨新性的公司都开始采用数据挖掘技术来判断哪些是他们最有价值的客户.并重新制定产品推广策略，即把产品推广给最需要的人，以用最小的花费得到最好的销售。在客户特征方面.数据挖掘可以从现有客户数据中找出他们的特征.再利用这些特征到潜在客户数据库里去筛选出可能成为客户的名单，行销人员就可以只针对这些名单寄发广告数据，以降低成本，提高行销的成功率;购物关联分析主要是用来帮助零售业者了解客户的消费行为，利用数据挖掘，零售业者可以更有效地决定进货量或库存量，或是如何摆设货品，同时也可以用来评估促销活动的成效;在客户关系管理中，利用数据挖掘可以由原客户后来却转成竞争对手的客户群中。分析其特征，再根据分析结果到现有客户资料中找出可能转向的客户，然后设计一些方法预防客户流失。此外，数据挖掘还可以对销售数据进行深层次的分析，采掘隐含在数据中的有用信息，发现和把握新的市场机会，为企业的管理决策提供科学的依据。
 
　　可见，数据挖掘主要用于企业的决策支持、客户关系管理、市场分析、营销策略和趋势预测等方面，它可以提供比较可靠的依据，使企业的决策走向科学化，而不再单纯依赖经验，应用的行业包括金融业、电信业、零售商、直效行销、制造业、医疗保健及制药业等。在我国，许多企业如电信公司、银行等开始向数据挖掘的方向走，但由于刚起步，许多企业对数据挖掘的认识还存在误区，对它的角色定位还不够准确。
 
　　三、企业信息化进程中对数据挖掘的认识误区
 
　　1.数据挖掘可以解决企业中所有的商业信息问题
 
　　事实上，数据挖掘并非能解决企业中所有的商业信息问题，数据挖掘仅是一个工具，在挖掘信息之前仍然需要了解企业的业务，理解企业的数据，弄清分析方法。数据挖掘只是帮助企业更深入、更容易地分析数据，它无法告诉你某个模型对企业的实际价值。因此，提及数据挖掘，企业应首先考虑用数据挖掘解决什么样的商业问题，是进行客户群体划分、背景分析、交叉销售，还是客户流失性分析、客户信用记分、欺诈发现等。不同的商业问题，需要用不同的方法去解决，要想真正作好数据挖掘，数据挖掘工具只是其中的一个方面，没有哪一种数据挖掘的工具可以应付所有的要求，所以，进行数据挖掘首先要考虑的是，准确地定义所要解决的商业问题。
 
　　2.不需要对数据进行准备和了解，就能得到好的数据挖掘结果
 
　　与传统的统计分析相比。数据挖掘的确不用专门进行实验设计和调查设计。不用为确定的目的准备大量的数据，因为在进行数据挖掘之前已有数据库，其目的也是不确定的。作为一种先进的数据信息处理技术，数据挖掘与传统的数据分析的本质区别在于它是数据关系的一个探索过程.而且多数情况下是在没有任何假设和前提的条件下完成的。就现实来看。经过几年的信息化建设，许多大中型企业已经建立了比较完善的客户关系管理(CRM)、ERP、OA等基础信息化系统，这种大集中系统已为数据挖掘准备了较为成熟的条件。但直接从数据库中截取的数据往往是冗余的、缺失的、有噪声的，从而直接影响数据挖掘的效果。输入数据库中的异常数据、不相关的字段或互相冲突的字段、数据的编码方式等，都会对数据挖掘输出结果的质量产生影响。数据挖掘最后成功与失败，是否有经济效益。数据准备起到了至关重要的作用。从原始数据转化为挖掘信息的流程如图1所示。
 
　　
 
　　图1 数据转化为信息的流程图
 
　　由图1可见，在进行数据挖掘之前，必须要做烦琐但却十分重要的数据清洗和预处理工作，包括去掉冗余、弥补缺失值、消除噪声等，进而集成、存储数据，以充分了解数据，保证数据挖掘结果的价值。