数据挖掘“三点式”手册

数据挖掘是高层次的商业智能应用，不是一拍脑子就能上的项目。企业至少应该弄清楚以下三点：起点、难点、重点。

   　 一、起点：建立数据仓库

   　 企业需要具备什么信息技术基础才能应用数据挖掘技术？较为理想的起点就是建立一个数据仓库。这个数据仓库里面应保存着所有客户的数据，并且还应有相应的市场竞争对手的相关数据。数据挖掘的数据应该来自于数据仓库。所用的数据库可以是各种市场上的数据库：IBM、Oracle、Sybase、NCR等等。

    　在数据挖掘中有一句至理名言是"垃圾进来，垃圾出去"，指的是进来的数据质量不佳，最后的结果一定不理想。数据的质量一方面靠供应商提供的模型来保障，另一方面靠企业自身。如果给出的最初数据不对，模型再好，最后做出的预测也肯定是错的。

  　  企业级数据仓库的建立在国内刚刚起步，主要集中在IT基础建设比较完善的金融电信行业。对大多数企业来说，一开始就建立整个企业的庞大数据库，显然不太现实。企业可以根据具体的情况，由总部先定下一些规范性文件，授权和指导不同分支机构在此规则之上运作。每个分支机构根据不同的特点分别建立小一点的数据库，但必须互相交流，确保今后可以把不同的数据库整合起来。如此一来，最后企业级数据仓库的建立就水到渠成了。

　   二、难点：和业务目标紧密结合

  　  数据挖掘本身并不产生价值，实施了数据挖掘的结果才有价值。如果没有和业务的核心应用紧密相连，促进业务，那么引入数据挖掘就毫无意义。

   　 怎么让数据挖掘与业务目标真正结合？企业需要思考一系列问题：为什么要上数据挖掘？面临什么紧迫的业务挑战？要解决什么主要的业务问题？业务在哪些方面有改进的余地？现在做得不太好的差距何在？这些差距可以通过发现什么规律得到解决？所需要的信息哪些是可以得到的？在这种思路指导下，才能保证数据挖掘得到最大的投资回报。

    　借助数据挖掘实现业务目标，确定可量化的指标也是很有必要的。要明确系统建立后，能达到什么效益，清楚地定出各个阶段不同的KPI（核心绩效指标）来衡量项目是否成功。当达到一个指标时，会激励大家向下一个阶段努力，帮助推进项目的整体进程。

   　 数据挖掘是一套整体解决方案，除了技术因素，咨询服务也是很重要的环节。用户在选型规划的时候，除了选择有成熟的产品、领先技术的厂商外，还要看他是否有丰富的实施经验、行业应用经验、项目管理经验，最好在销售产品的同时也能提供商业咨询服务。厂商的这种知识传递能避免用户少走很多弯路。

   　 三、重点：培养真正消化技术的实施队伍

  　  数据挖掘项目组的具体构成有：业务类的市场分析人员；IT的分析人员；数据工程组（负责把数据抽取出来，准备数据，如果有了数据仓库，数据工程组就会相对轻闲一些）；业务的用户（他们要参与，要看某个工具是否有用）；项目管理员、负责人。

   　 项目组成员所要具备的技能，分为四个方面：了解数据源，了解数据准备过程，了解算法，了解业务。其中数据准备和了解数据源是相关的，了解业务和算法之间的关系最重要。

   　 显然，数据挖掘项目组的成员来自于各个部门，对人员素质的要求是很高的。他们要能够掌握相应的技术匹配和支持服务，才能最大限度地自主应用数据挖掘于业务中。企业内部必须培养一支专门的、真正消化技术的实施队伍，否则是不可能获得成功的。

  　  数据挖掘在国外蓬勃发展，很大程度是由于客户成熟度的提高。企业自身将此提高到战略层的高度来重视，而不仅仅是作为IT项目的投入，从业务部门到技术部门都全方位地重视，同时形成相配合相支持的实施队伍。

　   随着时代的发展，数据挖掘技术就变得越来越重要。它能够将企业的生产销售情况量化处理，为企业决策提供强有力的依据。目前国内有不少企业已经明白数据挖掘的重要性，但对具体实施过程却不甚明了，由此，掌握数据挖掘“三点式”手册，就变得尤为重要。
数据分析, 数据挖掘

风险提示及免责条款

市场有风险，投资需谨慎。本文不构成个人投资建议，也未考虑到个别用户特殊的投资目标、财务状况或需要。用户应考虑本文中的任何意见、观点或结论是否符合其特定状况。据此投资，责任自负。

本文来自互联网用户投稿，该文观点仅代表作者本人，不代表本站立场，不承担相关法律责任。如若转载，请注明出处。 如若内容造成侵权/违法违规/事实不符，请点击【内容举报】进行投诉反馈！