一、引 言
 
　　企業信息化指的是信息技術在企業各個運作流程中的有機應用，這些流程包括物流、資金流、信息流、技術流、客戶流等。我國企業信息化已經歷了3個發展階段：第一階段是辦公自動化(OA)，涌現和積累了大量的電子文檔;第二階段是建立了管理信息系統(MIS)，標志著數據庫和網絡的應用;第三階段是企業資源計劃(ERP)的實施，它意味著企業業務流程的重組和自動化。隨著科學決策在企業的廣泛應用以及企業適應能力和靈敏度的提高，數據挖掘和企業智能將是今后企業信息化建設的重點。數據挖掘是一個新興的技術領域。它匯聚了數據庫、人工智能、統計學、可視化、并行計算等不同學科。近年來受到各界的廣泛關注。現代的企業日常搜集了大量資料.包括市場、客戶、供貨商、競爭對手以及未來趨勢等重要信息。但是信息的超載與無結構化，使得企業決策單位無法有效利用現存的信息，甚至使決策行為產生混亂與誤用。妥善地運用數據挖掘技術，從巨量的數據庫中發掘出不同的信息與知識供決策支持所用，必能產生企業的競爭優勢。但是，許多企業在信息化進程中對數據挖掘還存在一定的認識誤區，對其角色定位還不甚清晰，這直接影響了數據挖掘技術的應用效果。
 
　　二、數據挖掘在企業信息化中的應用現狀
 
　　數據挖掘在企業中的應用方式目前主要集中在市場推廣方面。如客戶特征、購物關聯分析及客戶關系管理。世界范圍內具有刨新性的公司都開始采用數據挖掘技術來判斷哪些是他們最有價值的客戶.并重新制定產品推廣策略，即把產品推廣給最需要的人，以用最小的花費得到最好的銷售。在客戶特征方面.數據挖掘可以從現有客戶數據中找出他們的特征.再利用這些特征到潛在客戶數據庫里去篩選出可能成為客戶的名單，行銷人員就可以只針對這些名單寄發廣告數據，以降低成本，提高行銷的成功率;購物關聯分析主要是用來幫助零售業者了解客戶的消費行為，利用數據挖掘，零售業者可以更有效地決定進貨量或庫存量，或是如何擺設貨品，同時也可以用來評估促銷活動的成效;在客戶關系管理中，利用數據挖掘可以由原客戶后來卻轉成競爭對手的客戶群中。分析其特征，再根據分析結果到現有客戶資料中找出可能轉向的客戶，然后設計一些方法預防客戶流失。此外，數據挖掘還可以對銷售數據進行深層次的分析，采掘隱含在數據中的有用信息，發現和把握新的市場機會，為企業的管理決策提供科學的依據。
 
　　可見，數據挖掘主要用于企業的決策支持、客戶關系管理、市場分析、營銷策略和趨勢預測等方面，它可以提供比較可靠的依據，使企業的決策走向科學化，而不再單純依賴經驗，應用的行業包括金融業、電信業、零售商、直效行銷、制造業、醫療保健及制藥業等。在我國，許多企業如電信公司、銀行等開始向數據挖掘的方向走，但由于剛起步，許多企業對數據挖掘的認識還存在誤區，對它的角色定位還不夠準確。
 
　　三、企業信息化進程中對數據挖掘的認識誤區
 
　　1.數據挖掘可以解決企業中所有的商業信息問題
 
　　事實上，數據挖掘并非能解決企業中所有的商業信息問題，數據挖掘僅是一個工具，在挖掘信息之前仍然需要了解企業的業務，理解企業的數據，弄清分析方法。數據挖掘只是幫助企業更深入、更容易地分析數據，它無法告訴你某個模型對企業的實際價值。因此，提及數據挖掘，企業應首先考慮用數據挖掘解決什么樣的商業問題，是進行客戶群體劃分、背景分析、交叉銷售，還是客戶流失性分析、客戶信用記分、欺詐發現等。不同的商業問題，需要用不同的方法去解決，要想真正作好數據挖掘，數據挖掘工具只是其中的一個方面，沒有哪一種數據挖掘的工具可以應付所有的要求，所以，進行數據挖掘首先要考慮的是，準確地定義所要解決的商業問題。
 
　　2.不需要對數據進行準備和了解，就能得到好的數據挖掘結果
 
　　與傳統的統計分析相比。數據挖掘的確不用專門進行實驗設計和調查設計。不用為確定的目的準備大量的數據，因為在進行數據挖掘之前已有數據庫，其目的也是不確定的。作為一種先進的數據信息處理技術，數據挖掘與傳統的數據分析的本質區別在于它是數據關系的一個探索過程.而且多數情況下是在沒有任何假設和前提的條件下完成的。就現實來看。經過幾年的信息化建設，許多大中型企業已經建立了比較完善的客戶關系管理(CRM)、ERP、OA等基礎信息化系統，這種大集中系統已為數據挖掘準備了較為成熟的條件。但直接從數據庫中截取的數據往往是冗余的、缺失的、有噪聲的，從而直接影響數據挖掘的效果。輸入數據庫中的異常數據、不相關的字段或互相沖突的字段、數據的編碼方式等，都會對數據挖掘輸出結果的質量產生影響。數據挖掘最后成功與失敗，是否有經濟效益。數據準備起到了至關重要的作用。從原始數據轉化為挖掘信息的流程如圖1所示。
 
　　
 
　　圖1 數據轉化為信息的流程圖
 
　　由圖1可見，在進行數據挖掘之前，必須要做煩瑣但卻十分重要的數據清洗和預處理工作，包括去掉冗余、彌補缺失值、消除噪聲等，進而集成、存儲數據，以充分了解數據，保證數據挖掘結果的價值。