以信息化帶動(dòng)工業(yè)化，借信息化第三次浪潮追趕西方發(fā)達國家等類(lèi)似口號提了很多年，近20年的信息化建設的確為企業(yè)的生產(chǎn)、倉庫管理、銷(xiāo)售、綜合查詢(xún)等發(fā)揮了很大作用，提高了業(yè)務(wù)操作的效率，企業(yè)也積累了大量的客戶(hù)信息及資料。但是，很多企業(yè)還是缺乏對客戶(hù)的數據、信息加以分析并增值利用的能力。
例如，無(wú)法有效地對客戶(hù)潛在需求進(jìn)行分析和分類(lèi)，不能深入了解客戶(hù)群體的特點(diǎn)及其需求的差異，從而制定出適合于不同客戶(hù)群的營(yíng)銷(xiāo)、服務(wù)模式，并做出快速反應。無(wú)法實(shí)現對客戶(hù)高效的個(gè)性化服務(wù)。同時(shí)，企業(yè)對客戶(hù)的流失難以找到很好的管理策略，只了解到客戶(hù)流失了，并沒(méi)有全面掌握客戶(hù)流失的原因、流失的方向和流失客戶(hù)的構成；也難以對客戶(hù)的流失采用很好的手段來(lái)加以控制和管理。潛在客戶(hù)的開(kāi)發(fā)上，如何從大量的客戶(hù)信息中挖掘出潛在的忠誠客戶(hù)，如何營(yíng)銷(xiāo)開(kāi)發(fā)新客戶(hù)？業(yè)務(wù)發(fā)展上，新業(yè)務(wù)的發(fā)展方向如何？哪種新產(chǎn)品更有市場(chǎng)？新業(yè)務(wù)如何有針對性地進(jìn)行市場(chǎng)拓展？企業(yè)多么希望有一雙慧眼，能洞察這些問(wèn)題，從而在激烈的市場(chǎng)競爭中立于不敗之地。
其實(shí)，早在春秋戰國時(shí)期，《鬼谷子》符言第十二就提到：“目貴明，耳貴聰，心貴智。以天下之目視者，則無(wú)不見(jiàn)；以天下之耳聽(tīng)者，則無(wú)不聞；以天下之心思慮者，則無(wú)不知”。如果能用全天下的眼睛去觀(guān)察事物，這樣就沒(méi)有看不到的；如果能用全天下的耳朵去聽(tīng)，這樣就沒(méi)有聽(tīng)不到的；如果能用全天下的心去思考，這樣就不會(huì )有什么不知道的。在信息封閉的古代，這僅僅是一個(gè)夢(mèng)想。隨著(zhù)計算機技術(shù)和網(wǎng)絡(luò )技術(shù)將人類(lèi)帶入信息社會(huì )，這一設想的實(shí)現逐漸成為可能。
互聯(lián)網(wǎng)作為一個(gè)新媒介，為公眾提供了一個(gè)前所未有的自由討論公共事務(wù)、參與政治、經(jīng)濟、娛樂(lè )等活動(dòng)的空間。網(wǎng)絡(luò )的大信息量、交互性等特征為網(wǎng)絡(luò )傳播新聞、產(chǎn)品展示、調查分析等提供了極大的便利。在一些商業(yè)問(wèn)題、事件、案件的解決過(guò)程中，互聯(lián)網(wǎng)傳播在其中的推動(dòng)作用顯然是不應低估的。
數據挖掘是八十年代，人工智能轉入實(shí)際應用時(shí)提出的。數據挖掘（Data Mining）是從大量的數據中，提取隱含在其中的、人們事先不知道的、但又是潛在有用的信息和知識的過(guò)程。數據挖掘的最大優(yōu)點(diǎn)在于它以一種更自動(dòng)化的方式對大量的商業(yè)數據進(jìn)行分析和探索，這在過(guò)去需要由行業(yè)專(zhuān)家和統計專(zhuān)家來(lái)人工提取有價(jià)值的信息。根據分析內容的類(lèi)型，對數據進(jìn)行挖掘的稱(chēng)為數據挖掘，對網(wǎng)頁(yè)內容、結構、web日志等進(jìn)行挖掘的稱(chēng)為web挖掘，對文本信息進(jìn)行挖掘的成為文本挖掘，對圖像、視頻、聲音等進(jìn)行挖掘的稱(chēng)為多媒體數據挖掘等。盡管挖掘的資料不同，但技術(shù)上都有相同之處。
數據挖掘技術(shù)包括三個(gè)主要部分：算法和技術(shù)、數據、建模能力。數據挖掘一般通過(guò)關(guān)聯(lián)（association）、分類(lèi)(classification)、聚類(lèi)(clustering)、預測(prediction)、相隨模式(Sequential patterns)和時(shí)間序列(similar time sequences)等手段實(shí)現。關(guān)聯(lián)是尋找某種事物發(fā)生時(shí)其他事物會(huì )發(fā)生的一種聯(lián)系，比如發(fā)現啤酒和尿布經(jīng)常被一起購買(mǎi)的例子；分類(lèi)方法是確定所選數據與預先給定的類(lèi)別之間的函數關(guān)系，通常用的數學(xué)模型有二值決策樹(shù)神經(jīng)網(wǎng)絡(luò )，線(xiàn)性規劃和數理統計；聚類(lèi)是識別出事物之間內在的規則，按照這些規則把對象分成若干類(lèi)；預測是把握分析對象發(fā)展的規律，對未來(lái)的趨勢做出預見(jiàn)；相隨模式和相似時(shí)間序列是分析事物間一種縱向的聯(lián)系，分析預測事物發(fā)生后其它事物的發(fā)生模式。數據挖掘的各項功能不是獨立存在的，在數據挖掘中互相聯(lián)系，發(fā)揮作用。
為實(shí)現以上功能，數據挖掘經(jīng)常采用的技術(shù)包括：
關(guān)聯(lián)規則方法（Market Basket Analysis）；
MBR方法（Memory_Based Reasoning）；
聚集檢測（Cluster Detection）；
連接分析（Link Analysis）；
決策樹(shù)和規則推理（Decision Trees and Rule Induction）；
神經(jīng)元網(wǎng)絡(luò )（Artificial Neural Networks）；
遺傳算法（Genetic Algorithms）；
多目標線(xiàn)性規劃（MCLP）方法；
支持向量機（SVM）方法；等等。
為有效實(shí)現挖掘目標，數據挖掘的實(shí)施過(guò)程一般可分為如下步驟:
1. 確定商業(yè)目標
清晰地定義出數據挖掘要服務(wù)的商業(yè)問(wèn)題,認清數據挖掘的目的是數據挖掘的重要一步.挖掘的最后結果是不可預測的,但要探索的問(wèn)題應是有預見(jiàn)的。
2. 數據準備
1) 數據的選擇
搜索所有與業(yè)務(wù)對象有關(guān)的內部和外部數據信息，并從中選擇出適用于數據挖掘應用的數據。
2) 數據的預處理
研究數據的質(zhì)量,數據清洗，為進(jìn)一步的分析做準備。并確定將要進(jìn)行的挖掘操作的類(lèi)型。
3) 數據的轉換
針對挖掘算法、采用的軟件工具，將數據轉換成可用于建立模型分析的格式。整理良好的數據是數據挖掘成功的關(guān)鍵。
3. 數據挖掘
對所得到的經(jīng)過(guò)轉換的數據進(jìn)行挖掘，得到挖掘結果。
4. 結果分析、評估與展示
解釋并評估結果。在所得模型中選取有意義的模型，并且將所得的知識用表格，圖表等可視化其使用的分析方法一般應根據數據挖掘的結果形式和商業(yè)目標而定,通常會(huì )用到可視化技術(shù)。數據挖掘一般步驟可用示意圖表示如下：
5. 知識的同化
將所得的模型、知識應用到實(shí)際管理決策中，集成到業(yè)務(wù)信息系統的組織結構中去。為商業(yè)活動(dòng)中制定決策、措施服務(wù)。
近年來(lái)，數據挖掘在生物、金融、保險、醫療、零售等行業(yè)已在國外得到較為廣泛的應用。美國的許多商業(yè)銀行，保險公司和證券公司在二十世紀九十年代開(kāi)始將其數據庫改造為數據倉庫并從數據中挖掘和產(chǎn)生新的知識，這些新的知識可以被公司用來(lái)制定有效的商業(yè)戰略去吸引新的顧客和維持已有的顧客，Mellon銀行使用數據挖掘軟件提高銷(xiāo)售和定價(jià)金融產(chǎn)品的精確度，如家庭普通貸款等。信用卡公司利用數據挖掘確定信譽(yù)不好或有潛在信譽(yù)風(fēng)險的客戶(hù)，規避信貸風(fēng)險等。在保險業(yè)中，保險政策的制定者想知道什么樣的保險費能吸引更多的顧客。數據挖掘可用來(lái)對個(gè)人，團體和企業(yè)等進(jìn)行合理的分類(lèi)，制定不同的費率，使得每一類(lèi)顧客的保險費對雙方（保險公司和顧客）都有利，這也是保險精算技術(shù)力求要解決的問(wèn)題。由于保險的項目繁多，各公司爭相運用數據挖掘的高招尋找合適各類(lèi)顧客的價(jià)格和政策，其競爭相當激烈。通常競爭的成敗很大程度上依賴(lài)于數據挖掘技術(shù)的開(kāi)發(fā)深度和運用廣度。在醫療診斷方面，美國各大醫院已開(kāi)始對數據挖掘技術(shù)在醫療領(lǐng)域的運用進(jìn)行研究。他們組織計算機數據挖掘人員與醫療人員共同攻關(guān)，希望通過(guò)數據挖掘技術(shù)的應用，實(shí)現計算機對個(gè)性化的病例的檢測，并實(shí)現計算機對個(gè)性化病例治療方案的預先選擇?；趯Ω黝?lèi)疾病惡化（例如腫瘤或癌癥擴散）案例的分析和總結，數據挖掘技術(shù)正用于尋找病癥質(zhì)變的關(guān)鍵點(diǎn)，以便為即將質(zhì)變的病人提供及時(shí)的治療方案。加拿大某電話(huà)公司根據其擁有的十多年的客戶(hù)數據，總結、分析并提出新的電話(huà)收費和管理辦法，制定既有利于公司又有利于客戶(hù)的優(yōu)惠政策。美國著(zhù)名的國家籃球隊NBA的教練，利用數據挖掘工具臨場(chǎng)決定替換隊員。大約20個(gè)NBA球隊使用了IBM公司開(kāi)發(fā)的數據挖掘應用軟件Advanced Scout系統來(lái)優(yōu)化他們的戰術(shù)組合。例如Scout就因為研究了魔術(shù)隊隊員不同的布陣安排，在與邁阿密熱隊的比賽中找到了獲勝的機會(huì )。
目前市場(chǎng)上主要的數據挖掘通用軟件有：SAS Enterprice Miner, SPSS Clementine, IBM Intelligent Miner, Oracle Darwin, Angoss KnowledgeSeeker，Cognos Scenario 和 Business Objects等，微軟的最新版數據庫軟件里也集成了部分數據挖掘功能。
國內數據挖掘的應用受各種條件限制，還沒(méi)有在企業(yè)中廣泛應用。通過(guò)數據挖掘，可以為企業(yè)在理解客戶(hù)、了解產(chǎn)品、改進(jìn)業(yè)務(wù)流程等方面帶來(lái)如下好處：
1、為客戶(hù)的基礎管理提供決策支持
首先，利用大量的歷史消費數據挖掘各類(lèi)客戶(hù)的消費模式（消費特征），針對不同的消費模式，提出相應的服務(wù)策略?？蛻?hù)消費模式分析是企業(yè)更進(jìn)一步了解客戶(hù)的有力手段，是提供有針對性的特色服務(wù)的基礎。其次，客戶(hù)的細分問(wèn)題一直是企業(yè)的一項工作重點(diǎn)，對大量客戶(hù)信息進(jìn)行有效的客戶(hù)細分是制定個(gè)性化服務(wù)、一對一營(yíng)銷(xiāo)的工作基礎，而制定有效的客戶(hù)細分標準，也是對客戶(hù)信息進(jìn)行合理有效地管理和分析的前提條件。通過(guò)數據挖掘對客戶(hù)分類(lèi)信息進(jìn)行規范化管理，可以為相關(guān)客戶(hù)分析提供細分客戶(hù)的標準。按照一定的標準將客戶(hù)進(jìn)行分類(lèi)，識別出每一類(lèi)客戶(hù)的基本消費特點(diǎn)。同時(shí)，從不同種類(lèi)業(yè)務(wù)以及不同種類(lèi)的客戶(hù)群等角度分析客戶(hù)對企業(yè)的貢獻情況。通過(guò)客戶(hù)貢獻分析，企業(yè)可以知道不同類(lèi)別的客戶(hù)、不同地區的客戶(hù)、不同業(yè)務(wù)的客戶(hù)、不同地區的客戶(hù)在各時(shí)間段上利潤貢獻的差異，從而發(fā)現有價(jià)值的客戶(hù)，并且有利于企業(yè)針對不同的客戶(hù)群體采取不同的市場(chǎng)營(yíng)銷(xiāo)策略。另外，分析和預測不同客戶(hù)在不同業(yè)務(wù)上的消費潛力，為有針對性地制定合理的營(yíng)銷(xiāo)、促銷(xiāo)和服務(wù)策略提供依據。
2. 提高個(gè)性化服務(wù)水平，預防客戶(hù)流失
對一定時(shí)間范圍內所有客戶(hù)或某類(lèi)客戶(hù)的消費產(chǎn)品構成進(jìn)行統計分析，從總體和不同種類(lèi)產(chǎn)品以及不同種類(lèi)的客戶(hù)群等角度分析客戶(hù)的特點(diǎn)（如數量、比例、客戶(hù)結構等），從而了解客戶(hù)的潛在需求，為個(gè)性化服務(wù)策略的制定奠定基礎。通過(guò)挖掘分析客戶(hù)的流失情況，了解客戶(hù)流失的原因和流失客戶(hù)的屬性特點(diǎn)等，識別客戶(hù)群，建立客戶(hù)流失預警模型。在此基礎上建立提高客戶(hù)忠誠度的客戶(hù)保留管理體系。
3、為產(chǎn)品分析與研發(fā)提供決策支持
分析對不同類(lèi)別的客戶(hù)群而言各種產(chǎn)品之間以及客戶(hù)消費行為之間的關(guān)聯(lián)情況。從不同的客戶(hù)類(lèi)型和不同地區來(lái)分析各種產(chǎn)品之間的相關(guān)性，從而為營(yíng)銷(xiāo)決策和交叉銷(xiāo)售提供策略上的依據。做產(chǎn)品與客戶(hù)的關(guān)聯(lián)分析，分析用戶(hù)和各類(lèi)產(chǎn)品之間的相關(guān)性，分析哪類(lèi)產(chǎn)品適合某特定消費模式的用戶(hù)；從總體和不同種類(lèi)客戶(hù)群等角度分析每種產(chǎn)品的消費特點(diǎn)和發(fā)展趨勢以及對新產(chǎn)品的潛力進(jìn)行預測，了解各種產(chǎn)品的發(fā)展趨勢，為企業(yè)進(jìn)一步的產(chǎn)品拓展提供依據。
4、營(yíng)銷(xiāo)模式分析
分析企業(yè)對客戶(hù)的各種營(yíng)銷(xiāo)模式（廣告、現場(chǎng)促銷(xiāo)、WEB/EMAIL 營(yíng)銷(xiāo)、代銷(xiāo)、批銷(xiāo)、折扣優(yōu)惠、促進(jìn)銷(xiāo)售、捆綁銷(xiāo)售等）及其各自特點(diǎn)，并分析每種營(yíng)銷(xiāo)模式如何與適當的客戶(hù)群在適當的時(shí)間、地點(diǎn)相結合。從而根據不同客戶(hù)類(lèi)型，有針對性地開(kāi)展個(gè)性化的營(yíng)銷(xiāo)行動(dòng)。
5、業(yè)務(wù)流程的優(yōu)化
通過(guò)挖掘業(yè)務(wù)流程各環(huán)節的中間數據和結果數據，可以發(fā)現流程中的瓶頸因素，找到改善流程效率，降低成本的關(guān)鍵點(diǎn)，從而優(yōu)化流程，提高服務(wù)水平。
數據挖掘實(shí)現的功能還有很多，越來(lái)越多的企業(yè)開(kāi)始關(guān)注數據挖掘技術(shù)，并通過(guò)實(shí)施數據挖掘項目從中獲益。
聯(lián)系客服
