打破數據挖掘5神話

數據挖掘是一種強大的分析工具，可以使企業(yè)管理人員從描述顧客歷史行為開始進一步達到預測顧客未來行為。它可以找出能解釋顧客行為的規(guī)律。這些數據可以用來增加收入、降低費用、找出商業(yè)機會，以增加新的競爭優(yōu)勢。

　　會有關于數據挖掘的神話產生的部分原因是人們對它沒有一個清晰的概念。數據挖掘的本質是一套復雜的數學方法，用來在詳細的數據中找出并解釋以前未知的規(guī)律。數據挖掘解決的是不同類型的問題。它可以用來預測未來的事件，例如在進行市場推廣后的下一個月份的銷售額。

　　許多成功的公司已經意識到，圍繞著數據挖掘而衍生的神話并非事實。有遠見的企業(yè)不僅不會成為這些神話的受害者，而且他們會通過使用數據挖掘來解決復雜的企業(yè)問題并達到贏利，因此獲取了巨大的競爭優(yōu)勢。由此打破了有關數據挖掘的5個神話。 　　

神話一：數據挖掘提供立時可見的預測 

　　數據挖掘既不是占卜用的水晶球，也不是一按按鈕答案就會魔術般跑出來的技術。它是一個多步驟過程，包括明確企業(yè)問題、研究并整理數據、開發(fā)模型、應用獲取的知識。一般情況下，各企業(yè)都用大部分時間來對數據進行預處理和整理，以保證數據無冗余、無瑕疵、連貫一致及合理組合，以提供可靠的商業(yè)情報。數據挖掘的一切都是圍繞數據來進行的，成功的數據挖掘需要準確反映企業(yè)運營的數據。

　　各企業(yè)必須了解數據挖掘的優(yōu)勢所在，即處理本質上可預測或可描述的具體企業(yè)問題。這些問題包括：客戶細分、預測顧客購買傾向、查找欺詐、渠道最優(yōu)化。

　　神話二：數據挖掘還不適用于商業(yè)應用

 　　數據挖掘是一個可行的技術，其商業(yè)效果得到了高度評價。關于不適用于商業(yè)應用神話的產生歸因于那些需要解釋他們?yōu)槭裁催€沒有使用數據挖掘的人，且圍繞著兩個相關的陳述。第一個是“超大型數據庫不能被有效地進行挖掘”。第二個是“數據挖掘在數據倉庫引擎中不能進行。”

　　讓我們同時解決這兩個陳述的問題。因為現(xiàn)在的數據庫非常大，所以許多企業(yè)均擔心數據挖掘項目所需的額外IT基礎設備會增加巨大的成本，而且針對某一項目的數據處理要花過分長的時間。但是目前有些數據庫使用平行技術，它可以在數據庫內進行挖掘。通過在數據庫內進行挖掘，各企業(yè)可以不移動數據，利用平行處理，將數據冗余降為最低，避免因建立及維護一套全新的、數據挖掘專用的冗余數據庫所帶來的成本費用。通過平行處理進行的數據庫內挖掘即是可行的數據挖掘技術。 　　

神話三：數據挖掘需要單獨的、專用的數據庫

 　　數據挖掘供應商一般會宣稱，你需要一個昂貴的、專用的數據庫、數據集市或分析服務器用于挖掘數據，因為需要將數據拉入一個專屬格式以進行高效數據處理。這些數據集市不僅購買及維護的費用昂貴，它們還要求每一個單獨的數據挖掘項目都進行數據抽取，這是一個昂貴并費時的過程。

　　數據庫技術的發(fā)展使得數據挖掘可以不在單獨的數據集市中進行。實際上，有效的數據挖掘需要建立一個企業(yè)級數據倉庫，其全部成本比采用單獨的數據集市的成本要低得多

　　現(xiàn)在我們來分析一下其中的原因。當在整個企業(yè)范圍內采用數據挖掘項目時，使用數據挖掘模型的用戶持續(xù)增加，同時使用大型數據基礎設備的需求也在增加。一個尖端的企業(yè)級數據倉庫不僅高效地儲存了所有企業(yè)數據，省去了大部分其他數據集市或數據庫，它還為數據挖掘項目建立了一個理想的基礎。此基礎是一個單一的企業(yè)范圍內的數據存儲庫，它提供了前后一致的最新的顧客情況。通過將數據挖掘延伸整合到數據倉庫，企業(yè)還可以在另外兩個方面降低成本。首先，無須為數據挖掘購買并進行維護額外的專用硬件設備；其次，因采用數據挖掘技術，企業(yè)可將把數據從數據倉庫中導出和導入的需求降為最低，而這一過程，像我們介紹的那樣，是需要花費大量的人力和資源的。 　　

神話四：只有博士們才會做數據挖掘

 　　一些人認為數據挖掘是非常復雜的，至少需要三個博士才能實施它：一位來自于統(tǒng)計或量化領域；一位在商業(yè)領域，他了解顧客；另一位來自于計算機科學。 　　

而實際上，成功的項目里從沒有見過一個博士的身影。

　　數據挖掘是在以下三個領域中通過所有專業(yè)員工的合作所達成：商業(yè)運營人員提出一套明確的企業(yè)問題來引導此項目，然后他們必須解釋出現(xiàn)的規(guī)律；分析建模人員了解數據挖掘技術、統(tǒng)計學和工具，他必須建立一個可靠的模型；IT人員提供了對處理及對數據理解的洞察力，也提供了關鍵的技術支持。 　　

神話五：數據挖掘僅為大型公司所用 

　　一個公司，不論大小，只要它能準確地反映其業(yè)務或客戶的數據，它就可以建立運用這些數據的模型，以提供洞察重要的商業(yè)挑戰(zhàn)的能力。企業(yè)具有的顧客數據量從來不是一個問題。

　　例如，Midwest Card Services公司(MCS)為20萬位顧客提供電話市場推廣服務、ATM管理服務、簽賬卡和專門的金融服務。此公司使用了一個集中式數據庫以更加了解其客戶群，進行有效的客戶細分，并了解他們的規(guī)律及偏好。這使得MCS可以改進它自己的保險機制，并為客戶提供全面的業(yè)務報告。

　　我們的結論是：數據挖掘不再是運行緩慢、價格昂貴或過于復雜而無法有效運行。