數據挖掘技術在企業經營管理中的應用分析

摘要：數據挖掘技術自上世紀80年代初產生以來，隨著計算機技術的發展與普及，帶動了它在商業領域中的應用，有助于企業從爆炸性增長的數據中，挖掘出與經營決策相關的信息與知識，提高決策的針對性和有效性，日益受到企業界的關注。文章闡述了數據挖掘的基本概念、方法與工具，分析了數據挖掘技術對提高企業競爭力的重要作用與意義，探討了數據挖掘技術在企業經營管理中的應用。

關鍵詞：數據挖掘技術；經營管理；應用分析

中圖分類號：TP317.4文獻標識碼：A文章編號：1009-3044(2008)36-2897-03

Data Mining Technology in The Management of Enterprises

BAO Jian-cheng

(Jiangsu Maritime Institute， Nanjing 211170， China)

Abstract: Data mining technology since the early 1980s have since， with the development of computer technology and the popularity of its lead in commercial applications in the field， will help enterprises from the explosive growth of data， mining and business decisions related to information With the knowledge and improve the relevance and validity of the decision-making， have become an increasing concern of the business community. The article described the basic concept of data mining， methods and tools of data mining technology to improve the competitiveness of enterprises and the important role of significance on data mining technology in business management in the application.

Key words: data mining technology；management；application analysis

1 引言

隨著信息技術應用的不斷深入，特別是條碼技術的普遍使用，人們收集、存貯、傳輸數據的能力迅速增長。成千上萬的數據庫已被廣泛應用到政府、企業、銀行、科研機構等不同領域，數據出現了爆炸性的增長。與此形成鮮明對比的是，人們分析、處理、利用數據的能力卻有限，對決策有價值的信息與知識仍然非常匱乏，互聯網的興起更加劇了“數據爆炸、知識匱乏”趨勢。數據挖掘正是在這種背景下發展起來的全新技術，己成為很多企業成功的“關鍵因素”。數據挖掘變得越來越重要，這項技術使得企業能獲得其必需的信息與知識，任何企業如果不投資這項技術，就有可能失去未來的市場。

2 基本概念

數據挖掘(Data Mining)，又稱為數據庫中的知識發現(Knowledge Discovery in Database， KDD)，就是從大量數據中獲取有效的、新穎的、潛在有用的、最終可理解的模式的非平凡過程，簡單地說，數據挖掘就是從大量數據中提取或“挖掘”知識。

數據挖掘是一種新的商業信息處理技術，是一類深層次的數據分析方法，其主要特點是對商業數據庫中的大量業務數據進行抽取、轉換、分析和其他模型化處理，從中提取輔助商業決策的關鍵性數據。從大量的數據中經過深層分析，獲得有利于商業運作、提高競爭力的信息，就像從礦石中淘金一樣，數據挖掘也因此而得名。

3 分析工具

數據查詢是從數據庫中找到有意義的事實。與簡單的數據查詢不同的是，數據挖掘是從數據中發現有用的趨勢和模式。數據挖掘被企業界視為能帶來巨大回報的技術，引起了各界的極大興趣，研究人員經過大量的研究和探索，數據挖掘(Data Mining)工具大致可分為：關聯分析、趨勢分析、分類分析、聚類分析、異常性分析等。

1) 關聯分析(association)

發現在給定數據集中的頻繁模式和關聯規則。關聯分析是數據挖掘任務的基礎。

2) 趨勢分析(evolution)

發現數據對象隨時間變化的趨勢和規律。

3) 聚類分析(clustering)

通過按類內相似性最大化、類間相似性最小化的原則，自動對數據分類。聚類分析還可以作為其他數據挖掘任務（如分類、關聯規則）的預處理步驟。聚類分析算法可以被分為劃分方法、層次方法、基于密度方法、基于網格方法和基于模型方法。

4) 異常性分析(outlier)

發現不符合一般行為或模型的異常數據對象。異常性分析是一種全新的數據挖掘技術。

5) 分類分析(classification)

發現描述與區分概念或類的模型，用于預測未知對象。分類知識可表示成：規則、決策樹、數學公式和人工神經網絡等。

4 利用數據挖掘提升企業核心競爭力

信息是企業生產和服務的基礎，它像資金、原材料、人力資源一樣，成為企業生產不可缺少的資源。對所搜集到的信息利用數據挖掘技術進行分析，有助于企業在關鍵領域建立獨特競爭優勢，是企業取得核心競爭優勢的關鍵。數據挖掘技術主要從以下幾個方面提升企業的核心競爭力。

4.1 分析內部經營信息

利用數據挖掘技術、數據倉庫技術和聯機分析技術，經營管理者能夠充分利用企業數據倉庫中的海量數據進行分析。并根據分析結果找出企業經營過程中出現的各種問題。如經營不善、觀念滯后、產品失敗、戰略決策失誤等使企業人、財、物、產、供、銷的相對和諧的平衡體系遭到重大破壞的內部因素及對企業的生存、發展構成嚴重威脅的種種信息。

4.2 搜集外部環境信息

數據挖掘技術通過對企業外部環境信息包括政治、經濟、科技、金融等各種市場、競爭對手、供求信息、消費者等與企業發展有關信息的收集、整理、分析和處理，掌握那些對企業發展有重大或潛在重大影響的外部環境信息，使企業抓住轉瞬即逝的市場機遇，及時調整經營戰略，促使企業健康、持續地發展。

4.3 提供優質的產品和服務

利用數據挖掘技術對企業數據倉庫中的大量數據進行處理、分析和推斷，可以發現那些隱藏在數據中的模式、關聯、規則和趨勢，利用這些模式、關聯、規則和趨勢能夠幫助企業創造出獨有的新產品和服務，避免與同類企業在成本等上的競爭。

4.4 改善客戶關系管理

利用數據挖掘技術可以使企業理解并影響客戶行為、使與客戶之間的交流和溝通更富意義，最終實現提高客戶獲取、客戶保留、客戶忠誠和客戶創利的目的，有助于改善企業與客戶之間的關系。

4.5 進行企業的供應鏈管理

利用數據挖掘技術對企業數據庫的信息進行分析，可以使管理者隨時掌握生產與庫存情況，將需求計劃、預測、采購處理、庫存分配、定貨、運輸服務、收貨、票據和支付統一起來，形成一條完整的供應鏈并對其進行有效的管理，降低整個供應鏈中不必要的活動與成本。

4.6 進行信用風險分析和欺詐行為識別

利用數據挖掘技術可以對企業數據倉庫中的海量數據進行分析和處理，以發現哪些有失公允的交易行為、虛假的經營數據和會計報表，對客戶的信用風險進行分析和可能發生的欺詐危機進行預測，以便分析出企業發生欺詐的原因、動機、機會、方式方法，并評價欺詐危機的嚴重性、發生的可能性及控制危機的成本，準確、及時地對各種信用風險和欺詐危機進行監視、評價、預警和管理，在信用風險和欺詐危機發生之前對其進行預警控制，做好信用風險和各種欺詐危機的防范工作，以提高企業的競爭能力。

4.7 控制危機

企業經營管理危機發生時，管理者可以利用先進的數據挖掘技術進行控制，同時向客戶、社區、新聞界發布有關的危機管理信息，并在各種媒體尤其是公司的網站上公布企業的詳細風險防御和危機管理計劃，使全體員工能夠及時獲取危機管理信息及危機最新的進展情況。這樣企業的高層管理人員、公關人員、危機管理人員和全體員工就能隨時有準備地應付任何復雜情況和危急形勢的壓力，對出現的危機及時做出反應，采取有效的措施使危機的損失降到最低。

5 數據挖掘技術的應用分析

數據挖掘技術本身并不直接為企業創造價值，要將數據挖掘所發現的信息與知識轉變為企業的競爭優勢才能體現出它的實際價值。必須將其放在企業經營管理決策的大循環中加以考慮。這個循環包括：確定目標、選擇數據集、數據挖掘、知識應用、計劃執行、結果反饋等主要步驟。下面說明在企業管理過程中具體應用數據挖掘技術的流程：

5.1 確定目標

企業可采用數據挖掘技術來劃分客戶，加深對每種產品的基本客戶的了解，以便對銷售信息的發布策略進行調整。數據挖掘的目標是：從基本客戶中識別出高價值的客戶群體，預測怎樣留住這些客戶，并預測怎樣對這些客戶進行交叉銷售。數據挖掘模型為了解高價值客戶的特征、為進一步預測其消費意向提供了有效途徑。這種模型可以幫助企業盡早發現客戶可能流失的跡象，從而以更有吸引力的產品留住這些客戶。

5.2 選擇數據集

雖然你可能己經發現了傾向于購買某類產品的客戶具有某些特征，但是必須有可靠的數據來證實這些特征。換而言之，就是要選擇問題相關的數據集。而這種數據集往往不是現成就有的，需要通過數據整理來消除噪聲和不一致的數據，數據集成來綜合多源數據，數據篩選來抽取任務相關的數據，并將數據轉換為適當的形式。

5.3 數據挖掘

接下來就是應用數據挖掘工具軟件，選擇適當的挖掘功能/算法，抽取數據中隱藏著的模式與知識。就企業營銷管理而言，是以產品生命周期價值為基礎，從公司的客戶群中識別并劃分出高價值的客戶，他們通常是頻繁消費本企業產品的用戶。數據挖掘工具往往還會對挖掘得到的模式按一定價值標準進行評估，采用可視化技術進行知識表達。

5.4 知識應用

主要是將數據挖掘得到的信息與知識應用于企業經營管理決策，制定相應的計劃。識別有關高價值用戶的信息后，通過制定一系列進行交叉銷售的市場營銷計劃，來實現企業目標。要留住有其特殊需求的高價值用戶就必須有針對性地制定出新的市場營銷計劃。向用戶提供的新產品是多種多樣的，數據挖掘對于確定哪些產品最適合于高價值用戶的決策至關重要，可以有效地提高營銷計劃的針對性。

5.5 計劃執行

根據所發現的趨勢和模式做出正確的決策、制定相應計劃后，就要將這些計劃付諸行動。從表面上看，將挖掘結果付諸實踐似乎很簡單，但實際上卻是一件十分復雜的事情。如促銷行動的時機選擇問題，就應該將數據挖掘模型與客戶業務管理系統集成。當高價值用戶與企業聯系時，集成化系統會顯示可以向客戶提出的每一項促銷建議，業務人員就能采取主動促銷行動，有針對性對向用戶推薦企業的新產品和服務。2

5.6 反饋結果

最后一步就是檢查計劃執行的成效。由于市場促銷具有較強時間性，反饋信息可以及時幫助企業更好地確定各類產品被不同用戶接受的程度，以準確地衡量數據挖掘模型對提高促銷活動成效的作用。進一步講，可以在數據挖掘過程中引入了“動態學習”機制，使得數據挖掘模型能夠根據客戶對促銷建議的接受程度作動態調整。采用這種方法，不僅可以及時反饋促銷計劃執行的成效，還可以不斷修正此項計劃。

6 小結

數據挖掘技術己成為繼互聯網之后的又一技術熱點，這項技術己成功地應用于諸如制造、零售、運輸、電信、銀行、醫療保險、資產評估、科學研究和政府決策等領域，取得了可觀的經濟效益和社會效益。企業通過應用數據挖掘技術，從科學的企業經營管理決策系統角度出發，對大量、不完全、模糊的和隨機的數據中提取出數據之間的關系和隱含在其中的、事先不了解的但對于企業的管理、發展又非常有用的信息和知識，對企業的決策提供有力的數據支持，實現一個從數據估測到信息支持再到知識預測的質的提高，在明顯改善企業經營決策及商務活動的成效，提高企業的競爭力方面有重大的意義。

參考文獻：

[1] 劉君強.海量數據挖掘技術研究[D]. 浙江大學博士學位論文，杭州：浙江大學，2003.3.

[2] Mallach Efrem G.Decision Support and Data Warehouse Systems [M].ISBN7-5053-655-7.2000.

[3] Ham Jiawei， Kamber Micheline， Data Mining:Concepts and Techniques [M] ISBN-7-111-0904-9.2000.

[4] 彭木根.數據倉庫技術與實現[M].北京：電子工業出版社，2002.

[5] 劉蘭輝.數據倉庫和數據集市[J].內蒙古科技與經濟，2004，7:14.