基于数据挖掘技术的企业信息化建设
来源:用户上传
作者: 樊志平
[摘要] 数据挖掘作为一种系统地检查和理解大量数据的工具，能有效地帮助企业从不断积累与更新的数据中提取有价值的信息。因此，数据挖掘被引入到企业信息化研究领域，并日益受到重视。本文从数据挖掘技术特点入手，分析了数据挖掘在企业信息化中的应用。
[关键词] 数据挖掘 信息化 电子商务
一、概述
上世纪80年代末，随着个人计算机的普及，计算机逐步进入我国企业，从基本的文字处理到简单的工资管理软件的应用，逐渐到日常管理工作，企业在自觉与不自觉中踏上了信息化建设的征途，到了信息时代的今天，各企业纷纷建立向已的信息化系统，以提高企业生产效率．确保企业的竞争，ERP(企业资源计划)、CRM(客户关系管理系统)、SCM(供应链管理系统) 等多种系统在不少企业已经发挥出重要的作用。这些系统一般都具有各自的数据库，信息量也是惊人的。随着Intemet的普及，电子商务已成为企业发展的趋势。它以lnternet为商务媒介，非常有效地把有价值的信息和需要这些信息的人联系起来，实现B2B、B2C等模式，形成了价值增值链和增值网．推动企业的进一步发展。由此企业的数据量将变得更加庞大。数据量增长速度呈现指数上升，开发应用变得越来越复杂和耗费力；使得数据库变得越来越难于访问、管理和用于决策支持。原有的决策支持系统(DSs)和领导执行系统(EIs)已不能满足需要，这时出现数据挖掘技术，它能够去粗存精、去伪存真，从海量的数据信息中提取知识和有用信息的技术。
数据挖掘是一种新兴的信息处理技术，它通过对企业中的商业数据进行分析处理，可以发现蕴藏在数据中的商业知识，挖掘数据的内在联系规则和模式，辅助企业进行商业决策数据挖掘已广泛应用于电信，金融，零售与批发等各企事业单位。数据挖掘一方面将数据转化为信息和知识，在此基础上做出正确的决策；另一方面提供一种机制，将知识融入到运营系统中，进行正确的运作。
二、数据挖掘所采用的主要技术
数据挖掘主要采用的技术和方法包括决策树、神经网络技术、遗传算法、粗糙与模糊集方法。
1.决策树
这一方法需要建立分类向导模型，并使模型看起来像树状。把问题分成若干子问题，按规则分配到树的不同结点，然后对树进行分析。决策树常用于分类和预测。
2.神经网络技术
被称为有学习能力的商业智能系统。 它具有和人类大脑相似的功能，经过对神经网络系统 进行一段时间的训练以后，该系统可以在没有人干预的情况下进行模拟识别，以解决特定领域中的问题。很多公司都将销售信息保存在大型的数据仓库中，然后应用神经网络软件分析并找出最好的销售模式。
3.遗传算法
模拟进行化，适者生存的过程，逐渐产生出优化的问题解决方案。它通过选择、交叉和变异等进化概念，产生出解决问题的新方法和策略。选择是指挑选出好的解决方案，交叉是将各个好的方案中的部分进行组合连接，而变异则是随机的改变解决方案的某些部分，这样当提供了一系列可能的解决方案。
4.智能代理
是将计算机和网络中许多重复的工作独立出来，自动的适应人们的爱好和习惯，按照人们的要求完成工作、融合了许多现代的软件技术。它的典型应用是在Web上为清费商品进行筛选或监测拍卖，在竞价时提醒用户。另外一种有名的采用代理技术的电子商务应用是合作筛选，即将用户采购同其他消费者的购买习惯相比较进行推荐，它被Amazon所采用。
三、数据挖掘在企业信息化的应用流程
从应用流程图一，数据挖掘在企业信息处理中的应用是一个将信息转化为企业商业知识的过程。首先，明确数据挖掘的对象，确定企业的商业主题，如：分析企业客户特征，产品市场需求等。其次，围绕商业主题收集数据源，并对数据进行清理、转换，集成等技术处理，装载进入数据仓库并选取合适的数据挖掘算法，构建数据挖掘模型，从目标数据库中提取有价值的商业知识，包括商业规则、模式模型和报表等对结果进行分析和验证，调整数据挖掘模型，从而保证结果的可靠性和实用性。再次，将商业知识集成到企业信息化平台，融合专家知识与领域规则，利用友好的人机界面为企业的商业活动提供决策支持、商业评估等功能。可见，数据挖掘技术具有高技术性，并且与企业业务密切相关，所以需要企业各个方面与数据挖掘技术专家紧密合作。首先，需要企业管理层、决策层认知，数据挖掘不仅是一项新兴的技术，也是一个在资金、技术上高投入的过程。然后，从技术层面上应用数据挖掘技术，并不断优化改进，为企业运营提供高效、优质的服务。
四、数据挖掘在企业信息化中的应用
由于企业业务操作流程的自动化，产生了大量的业务数据，这样为数据挖掘的应用提供了丰富的数据资源数据挖掘的应用将大大提高企业获取分析信息的能力，有利于促进企业开拓市场，优化企业资源，提高企业的运营效率和管理质量，充分发挥企业的竞争力。体现了企业以产品为中心向用户和服务为中心转变的现代经营管理理念数据挖掘主要用于企业的决策支持，客户管理，市场分析营销策略和趋势预测等方面。
1.数据挖掘在客户关系管理中的应用
利用数据挖掘来分析客户的数据，找出客户的购买模式，不断地满足客户的需求，把客户当作企业重要资源来进行管理，是成功应用客户关系管理搞好企业经营管理工作的关键。
有统计表明，企业争取―个新客户的成本是保留一个老客户成本的7倍～l0倍。而流失一个老客户的损失，只有争取l0个新客户才能弥补。可见保持现有的客户、提高他们对企业的忠诚度对企业来讲至关重要。对于客户保持,企业可通过数据挖掘对客户数据库中大量的客户历史交易记录、客户统计信息及其他相关资料进行分析和处理,有针对性地对流失客户群进行深入研究，分析其特征,研究哪些要素会导致客户流失,并由此建立流失客户模型，识别导致客户流失的模式。然后根据分析结果到现有客户资料中找出可能转移的客户,并结合流失客户模型,分析模型和结果，预测哪些客户会离开,并建立潜在离开者模型,以便使企业制订一些可以诱使这些潜在离开者留下来的最适宜的计划和方案，改善客户关系，争取保持客户并提高收益。也有些企业利用神经网络根据客户的消费行为与交易记录对客户的忠诚度进行计算和排队,在此基础上排出流失率的等级,针对不同客户采用不同的客户保持策略。在客户保持中首先建立模型用来预测和识别潜在的流失者,然后通过数据挖掘识别潜在的流失者中的“黄金客户”，最后利用聚类分析等方法对“黄金客户”中的潜在流失者的数据进行分析挖掘，识别其行为模式，从而有针对性地对客户采取相应的措施。
2.数据挖掘在企业营销策略中的应用
数据挖掘技术在企业市场营销中得到了比较普遍的应用，它是以市场营销学的市场细分原理为基础，其基本假定是“消费者过去的行为是其今后消费倾向的最好说明”。通过收集、加工和处理涉及消费者消费行为的大量信息，确定特定消费群体或个体的兴趣、消费习惯、消费倾向和消费需求，进而推断出相应消费群体或个体下一步的消费行为，然后以此为基础，对所识别出来的消费群体进行特定内容的定向营销，这与传统的不区分消费者对象特征的大规模营销手段相比，大大节省了营销成本，提高了营销效果，从而为企业带来更多的利润。这些来自各种渠道的数据信息被组合，应用超级计算机、并行处理、神经元网络、模型化算法和其他信息处理技术手段进行处理，从中得到商家用于向特定消费群体或个体进行定向营销的决策信息。
五、结束语
企业的信息系统中积累了大量的数据，充分利用这些数据制定正确的决策对企业的发展尤为重要。数据挖掘是企业信息化的灵魂所在。从数据中寻找知识和思想、发现决策依据、发现业务发展的趋势，利用数据挖掘揭示已知的事实，预测未知的结果，帮助企业分析出完成任务所需的关键因素，以达到增加收入、降低成本，使企业处于更有利的竞争位置。这些正是数据挖掘对企业的直接贡献，也是企业信息化的重要体现。
参考文献：
[1]王珊:数据仓库技术与联机分析处理[M].北京科学出版社，1998
[2]邵峰晶:数据挖掘一原理与算法[M]．北京:中国水利水电出版社，2003
[3]徐科杰:浅谈我国企业信息化[J].集团经济研究，2007(3z)
[4]李海华吴中元:我国企业信息化问题与对策研究[J].商场现代化,2006(01s)
注：本文中所涉及到的图表、注解、公式等内容请以PDF格式阅读原文。
转载注明来源:https://www.xzbu.com/3/view-1493364.htm
