數(shù)據(jù)挖掘在企業(yè)中應(yīng)用的四種途徑

數(shù)據(jù)激增是當(dāng)今社會(huì)的一大特性，如何有效的利用數(shù)據(jù)挖掘方法，從海量信息中提取出有用的模式和規(guī)律而不僅僅是“望洋興嘆”，已經(jīng)成為人們迫切的需求。企業(yè)應(yīng)該將數(shù)據(jù)挖掘視為一大法寶，利用它將數(shù)據(jù)轉(zhuǎn)化為商業(yè)智能，提高企業(yè)的核心競(jìng)爭(zhēng)力。從投資的角度來(lái)看，如果對(duì)數(shù)據(jù)研究所支付的費(fèi)用少于研究成果所帶來(lái)的價(jià)值，數(shù)據(jù)挖掘就值得去做。

正如修行的省悟過(guò)程一樣，要將數(shù)據(jù)挖掘引入公司，并非只有一種途徑。我們的最終目的是解決企業(yè)的業(yè)務(wù)問(wèn)題，為企業(yè)提供更大的商機(jī)。本文簡(jiǎn)要介紹了將數(shù)據(jù)挖掘技術(shù)應(yīng)用到企業(yè)中的四種有效途徑。

一、購(gòu)買成熟的模型

如果企業(yè)的問(wèn)題已經(jīng)有了現(xiàn)成的解決方案，便沒(méi)有必要再去耗費(fèi)時(shí)間和資金去建立一個(gè)新的模型了。這個(gè)模型的形式可能是一系列的關(guān)聯(lián)規(guī)則，也可能是一個(gè)確定了系數(shù)的回歸模型，或是一個(gè)訓(xùn)練好了的神經(jīng)網(wǎng)絡(luò)模型——它可以直接應(yīng)用到實(shí)際問(wèn)題中。我們要做的只是將自己的數(shù)據(jù)“喂”給它，模型經(jīng)過(guò)自動(dòng)消化處理，得出一個(gè)精簡(jiǎn)的答案：諸如哪些老客戶面臨流失的危險(xiǎn)？哪些新客戶是最有潛力帶給公司價(jià)值的？

這種方法采用了“拿來(lái)主義”，是最節(jié)省氣力的，不失為一個(gè)好辦法。美國(guó)的銀行大都采用了信用評(píng)估系統(tǒng)，當(dāng)客戶遞交貸款申請(qǐng)后，該系統(tǒng)根據(jù)用戶填寫(xiě)的一大串資料快速對(duì)客戶信用風(fēng)險(xiǎn)做出預(yù)測(cè)。實(shí)際表明，該系統(tǒng)能夠大大提高工作的效率，而且效果也不會(huì)遜于信貸員的經(jīng)驗(yàn)判斷。但是，這種評(píng)分機(jī)制將眾多不同的數(shù)據(jù)濃縮為一個(gè)結(jié)果，很多細(xì)節(jié)上的差別無(wú)疑被忽視了——客戶信用評(píng)分高或低的具體原因沒(méi)有被體現(xiàn)出來(lái)。

另外，這種方便、快捷的方法也極其缺少靈活性：如果使用的條件發(fā)生了變化，模型難以隨之做出改動(dòng)。因此，必須要注意使用購(gòu)買模型的先決條件：你目前的形式包括產(chǎn)品、市場(chǎng)、客戶關(guān)系等必須和該模型當(dāng)初建立時(shí)的假設(shè)是一致的。盲目生搬硬套，勢(shì)必會(huì)產(chǎn)生毫無(wú)價(jià)值甚至荒謬的結(jié)果，一旦不經(jīng)意的應(yīng)用，危害就難說(shuō)了。

二、使用行業(yè)應(yīng)用軟件

顧名思義，行業(yè)應(yīng)用軟件是為某一行業(yè)領(lǐng)域量身定做的。從底層的數(shù)據(jù)分析處理一直到頂層的交互界面都是結(jié)合特定行業(yè)的業(yè)務(wù)流程和專業(yè)特色來(lái)設(shè)計(jì)、開(kāi)發(fā)的。雖然它的應(yīng)用領(lǐng)域比較狹窄，但較之直接購(gòu)買的模型，它可以更多的融入和結(jié)合人的判斷，提高了靈活性。而且，相對(duì)于通用數(shù)據(jù)挖掘軟件，它能夠很好的利用專業(yè)領(lǐng)域的各種知識(shí)。

目前比較流行的客戶流失管理軟件，被電信、超市、電子商務(wù)等許多不同類型的企業(yè)所應(yīng)用，他們共同的目標(biāo)是為了提前發(fā)現(xiàn)有可能流失的客戶群，及時(shí)反應(yīng)，做出相應(yīng)的挽留措施。此類軟件可以結(jié)合企業(yè)自身的規(guī)模、用戶、產(chǎn)品、交易額、市場(chǎng)環(huán)境、挖掘目標(biāo)等具體條件來(lái)控制和實(shí)施數(shù)據(jù)挖掘的過(guò)程。

通常，行業(yè)應(yīng)用軟件里嵌入了多個(gè)建模的模板，使用向?qū)У姆绞捷o助用戶完成模型的建立，然后從中選取最優(yōu)。其實(shí)，這種“最優(yōu)選擇”也只是相對(duì)的，因?yàn)檩o助建模的過(guò)程是僵硬的，它無(wú)法完成數(shù)據(jù)挖掘中最重要的部分，包括正確理解和定義商業(yè)問(wèn)題、將有用的數(shù)據(jù)挑選出來(lái)轉(zhuǎn)換為潛在的信息、對(duì)建模結(jié)果進(jìn)行理性的解釋和評(píng)價(jià)。

固然，這類軟件采用了專業(yè)領(lǐng)域的表達(dá)方式和解決特定問(wèn)題的用戶界面，從而易于理解而且自動(dòng)性高，使實(shí)施的過(guò)程變得相對(duì)簡(jiǎn)單。但是，如果你的企業(yè)擁有更加復(fù)雜的數(shù)據(jù)和更加具體的挖掘目標(biāo)，就需要采用更加高級(jí)的數(shù)據(jù)挖掘方法了。

三、聘請(qǐng)專家實(shí)施項(xiàng)目

他山之石，可以攻玉。如果數(shù)據(jù)挖掘并非只是為了解決眼前的問(wèn)題，而是著眼于企業(yè)長(zhǎng)遠(yuǎn)的成長(zhǎng)；如果企業(yè)的數(shù)據(jù)來(lái)自眾多系統(tǒng)，格式復(fù)雜也并非純凈；如果不明確如何利用挖掘的成果創(chuàng)造新的商機(jī)；如果企業(yè)內(nèi)部的成員沒(méi)有足夠的能力保證項(xiàng)目的順利實(shí)施——此時(shí)，聘請(qǐng)外部專家來(lái)引導(dǎo)數(shù)據(jù)挖掘項(xiàng)目走向成功，才是明智的選擇。

你可以聯(lián)系數(shù)據(jù)挖掘軟件銷售商（諸如SAS、SPSS、Miner等），邀請(qǐng)數(shù)據(jù)挖掘工程師帶著功能強(qiáng)大（操作同樣復(fù)雜）的數(shù)據(jù)挖掘軟件來(lái)到企業(yè)，將他們的專業(yè)知識(shí)應(yīng)用到企業(yè)的數(shù)據(jù)挖掘過(guò)程中；你也可以帶著企業(yè)的數(shù)據(jù)到高?；蜃稍児镜?a href='/map/shujuwajue/' style='color:#000;font-size:inherit;'>數(shù)據(jù)挖掘中心，利用他們的軟件和硬件，和他們一起工作。

如本文開(kāi)始所言，數(shù)據(jù)挖掘的過(guò)程絕非一蹴而就，而是如同僧人的修行省悟，可能漫長(zhǎng)而反復(fù)。建模方法千變?nèi)f化，而數(shù)據(jù)靜靜的呆在那里，十足一副以不變應(yīng)萬(wàn)變的姿態(tài)。這里有條條大路，但并非都能通向羅馬，為了找到最有效的模型，我們通常需要反復(fù)檢驗(yàn)，做出選擇。一般存在以下幾個(gè)決定性的步驟需要放慢腳步，仔細(xì)考察：首先，根據(jù)現(xiàn)有的人力、物力選取建模工具；其次，根據(jù)數(shù)據(jù)的特點(diǎn)對(duì)模型分類，制定標(biāo)準(zhǔn)來(lái)拆分?jǐn)?shù)據(jù)，從而建立不同的模型；然后，調(diào)整參數(shù)，從決策樹(shù)、神經(jīng)網(wǎng)絡(luò)等算法中選取最有效的建立最終模型；另外，建模過(guò)程中要具體問(wèn)題具體分析，有效的抽取、清洗、轉(zhuǎn)換、重組數(shù)據(jù)。

需要強(qiáng)調(diào)的是，在這個(gè)過(guò)程中一定要注意企業(yè)人員和挖掘人員之間的溝通和協(xié)調(diào)，才能將企業(yè)積累的商業(yè)智慧和挖掘人員的專業(yè)知識(shí)完美結(jié)合。

四、量身定做開(kāi)發(fā)自己的數(shù)據(jù)挖掘平臺(tái)

由于商業(yè)問(wèn)題的特殊性，數(shù)據(jù)挖掘工具并非像某些促銷廣告所言：“總有一款適合您”。通過(guò)考察企業(yè)問(wèn)題的特殊性，對(duì)購(gòu)買軟件、聘請(qǐng)專家所需要的投資和挖掘成果應(yīng)用后可能帶來(lái)的回報(bào)等因素進(jìn)行綜合比較，你也可以考慮開(kāi)發(fā)一個(gè)適合自身環(huán)境的數(shù)據(jù)挖掘工具。雖然可能會(huì)花去較長(zhǎng)的時(shí)間，但成功之后，受益久遠(yuǎn)。這個(gè)量身定做的數(shù)據(jù)挖掘工具可以隨時(shí)根據(jù)企業(yè)環(huán)境的變化做出修正和調(diào)整，并且有堅(jiān)實(shí)的技術(shù)支持作為保障。

這類狀況在商業(yè)范圍內(nèi)比較少見(jiàn)，通常在醫(yī)藥、體育等自身數(shù)據(jù)差異較大、數(shù)據(jù)挖掘研究尚不全面成熟的領(lǐng)域使用。主要表現(xiàn)為走進(jìn)高校，和具有專業(yè)知識(shí)的導(dǎo)師及其研究生小組互動(dòng)完成。

以上方法的選擇由企業(yè)環(huán)境所決定，可以選其一，也可以將幾種方法捆綁起來(lái)，優(yōu)勢(shì)互補(bǔ)。最后還要強(qiáng)調(diào)兩點(diǎn)：第一，并非所有的軟件都能完全實(shí)現(xiàn)自動(dòng)化，也并非所有的軟件都能取代人的智慧，如果沒(méi)有專業(yè)的數(shù)據(jù)挖掘技能，即使數(shù)據(jù)挖掘工具的功能再?gòu)?qiáng)大，也很難產(chǎn)生好的結(jié)果。所以，必須有數(shù)據(jù)挖掘領(lǐng)域的專家參與，以人為本，才能保證企業(yè)數(shù)據(jù)挖掘流程沿著安全、有效的軌道進(jìn)行。第二，企業(yè)自身遠(yuǎn)比外部更了解自己的業(yè)務(wù)和客戶，最好的方法是在企業(yè)內(nèi)部培養(yǎng)數(shù)據(jù)挖掘骨干人員——只有同時(shí)做到精通企業(yè)問(wèn)題和數(shù)據(jù)分析方法，才能將數(shù)據(jù)挖掘的效用發(fā)揮到極致。