按键盘上方向键 ← 或 → 可快速上下翻页，按键盘上的 Enter 键可回到本书目录页，按键盘上方向键 ↑ 可回到本页顶部！
————未阅读完？加入书签已便下次继续阅读！
枰腥死粗傅佳剩车氖菘夂驮谙叻治鱿低扯疾荒芪谑葜斜硎霾磺宄趾苤匾纳涛裎侍庹业酱鸢浮＠纾业哪囊晃还丝涂赡苎≡癫芳锥皇遣芬遥柯獾墓丝秃筒宦獾墓丝椭淝鸷卧冢课业氖菘庵心男┕丝陀敫每庵辛硪恍┕丝汀跋嗨啤保恐钊绱死嗟姆蔷咛逍蕴窖崾乖谙叻治鱿低车氖褂谜咴瓮纷颉⒉恢耄虼耸敲挥幸庖宓摹８呒兜氖萃诰蚣际趸崂萌砑诟缓畔⒌幕肪忱锫危镏没Э诖鹨恍┥涛裎侍猓庑┘际跞嗽辈槐厥峭臣蒲А⑹莘治龌蚴菘夥矫娴淖摇�
数据挖掘能处理的一些难题如下：基于顾客的年龄、性别、人口统计数据和其他类似因素，对顾客购买某一具体货物的可能性做出预测；识别出具有相似浏览习惯的顾客；辨别出具体的顾客偏好，以便提供改进的个人服务；辨别出频繁被访的网页顺序中所涉及到的日期和时间，或顾客打电话模式的频繁时间段；找出高频率地被组合在一起的所有产品组。其最后的一个技术难题通常对商家发现购买模式是很有价值的。但是同一程序的两种报销代码之间的联系，使一家澳大利亚保健公司能够发现用重复报销进行欺诈的1000万美元的花账。
数据挖掘也是预测销售量，并与合伙人和顾客共享这一分析成果的一种有价值的工具。数据挖掘正被利用于生产。银行业、远距离通信、行垦地质学/遥感，以及管理互动式网上商店。例如，微软网址服务器贸易3。0通过识别一个网址上的顾客行为模式，可以预测购物者的兴趣并可以为每一位来访者特制在线购物经验。网上商店可以为每一位来访者特制广告、促销活动和搭配销售报盘。数据挖掘技术也可以保证一家网上商店不用发出大批量的电子信件给其顾客，报一些他们不可能感兴趣的发盘，从而可以避免一项经常被忽略的成本，即用不相干的信息惹恼顾客的代价。
一些不那么典型但却有意义的数据挖掘技术的运用，包括对被领养儿童的档案分析，以便提供更好的社会服务，以及为NBA篮球队搜觅队员。数据挖掘为犹他州爵士队，提供了一整套关于芝加哥公牛队的迈克尔·乔丹的每一个动向的材料，包括一次单人运球，他在传球两三次后一跃而起投篮。但是，数据分析的好坏取决于您实施的能力。犹他州爵士队尽管知道了乔丹的情况，但却阻止不了他用那种运球动作投出决定胜负的一球。在那场球赛中，这一球为芝加哥队赢得了1998年度NBA总决赛冠军。
在商务上最常用的数据挖掘就是数据库营销，公司借此分析数据，以期发现顾客的喜好，然后向具体的顾客群体发出有针对性的报盘。例如，美国航空公司利用其频繁飞行的旅客项目中2600万个成员的信息——例如他们所使用的租车公司、旅馆，以及餐馆等——来拟订有针对性的营销活动，从而节约了1亿多美元的成本。
节约成本，在于编制更精确的顾客模式和削减发出邮件数量的能力。例如，一次诸如采用推销信用卡的直接营销活动，通常仅有大约2％的回应率。美国的梅隆银行在1997年设定了争取20万新户头的目标，为此计划向1000万可能的顾客邮寄邀请函。然而，这家银行却利用了数据挖掘技术产生了3000个最可能的顾客的模式。对这些模式的子集再加以精选，产生了更小的一个数目。测试表明，这个更小的数目会产生12％的回应率。这个回应率使得这家银行只需发出200万份邀请函即可获得他们想要的20万名顾客，而不是原定的向1000万人发出信函。因此，利用数据挖掘技术除了削减成本之外。还提高了每位新开户的顾客的平均利润率，其利润要比通常高3倍，因为该技术瞄准了那些需求最适合梅隆银行服务项目的顾客。
这个例子说明了数据挖掘的两个重要方面。第一个方面仅就其规模而言：牵涉到的数据量和所探索的模式数目要比传统的数据分析量大得多。第二个方面就是，即使是受过高级培训的专家也能获益于数据挖掘；正如我们在梅隆银行的例子中所见，一个外部专家小组得出的结果比本公司专职数据分析部门用常规方法得出的结果高6倍，而所花时间只是后者的四分之一。我们的一个主要目标就是使数据挖掘工具使用简易，因此连最终的商务用户，而不是专家，都会使用它们。
数据挖掘将成为在线互动行为的一项要求。NCR公司的董事长兼首席执行官拉斯·尼伯格向我描述了他使用的银行自动提款机给他显示的提示菜单：您想要英语还是西班牙语的说明？您想提取哪种户头？您想要哪种业务？业务完毕后，还想做另一种业务吗？最后，自动提款机显示一份广告，上面有一个电话号码，告诉顾客，如您想向银行借一笔抵押贷款就可拨这个号。大部分自动提款机用户都操作过类似的菜单。
然而拉斯几乎每次使用自动提款机时，都是从同一个账户上提取同样金额。他已经从这家银行借了一笔抵押贷款。而且每个月都给这家银行付一大笔款以还债。当他塞进他的银行卡时，这台机器为什么不用他通常使用的语言问他：“拉斯，您想从您的初级账户上提取通常的款项吗？”为什么不推销一项他还没有使用的、适合他个人情况的服务呢？这种专门化的服务对他和银行都会更有利。提出这些相关的问题所需要的信息，就储存在某处的一台电脑里。NCR公司实际上就为拉斯使用银行自动提款机的那家银行生产自动提款机，而且正在研制数据挖掘中的主要技术。拉斯非常想为他的顾客解决这种问题。
数据挖掘是顾客关系管理方面（CRM）的一部分，其中信息技术帮助公司靠单独接触而不是大众营销模式来管理顾客关系。在有特定交货渠道的地方，数据挖掘对于联系个人顾客是可行的，不管这货物是一台自动提款机、一个网址，还是通过电子邮件促销和报盘来做的直接营销，有了数据挖掘所提供出的模式，您就可以按此模式向顾客介绍您的产品，这最有可能增加您在他心目中的价值，或他在您心目中的价值。
这种个性化的方式，对于所有媒体上的广告来说有深刻的涵义，包括电视和杂志。随着数字化电视的流行以及电子书籍变为人们偏爱的阅读杂志和报纸的方法，几乎所有类型的广告都会摆脱大众广告，走向个性化广告。出现在屏幕上的广告将根据各地不同的电视观众人口统计情况而有所不同。
公司以后不必为美国每一家有大众媒体的家庭付为一辆汽车或其他商品做广告的费用。相反，它们只需买最有效的人口统计数据来联系自己潜在的顾客。例如，假设某人已经购买了某种类型的汽车，而您认为他或她到市场上购买一辆新车的时间范围正适合您的销售计划，那么您就可以较准确地瞄准那位顾客。一家大汽车公司仍然可以购买其他人口统计资料来保持自己品牌的高知名度，同时也可以把广告聚焦在最佳顾客群上。
我们已经在网上看到了某些个性化的端倪。假如一位用户在一个搜索引擎里输入一个地点——比方说旧金山——或表示他想买一本与旅游或其他题目有关的书，那么就有一则关于那个地点或题目的广告出现，还伴有其他信息。您可以把一则对路的广告与一位顾客的喜好或他试图去做的某件事联系起来，这种广告要比泛泛的、随意的广告有价值得多。
能够把广告个性化，就意味着不同的邻里，甚至在同一地区不同的家庭里，人们能看到不同的广告。大公司的广告可以做得更有效率，而小公司也可以首次开始考虑用电视和杂志做广告了。今天的许多广告载体除了真正是大众市场的产品外，对于多数产品其广告费都太过昂贵。广告个性化后，甚至街角的食品杂货店老板以后都有能力为居住在商店附近的人登电视广告了。
有针对性的广告应该能使消费者喜欢。他们更有可能看到跟自己有关系的广告。有些人可能对广告商过多地拥有关于自己的信息感到担心。但是，正如我在第七章中所说的那样，软件将使得消费者有可能只透露他们想透露的信息。举个例子来说，让广告商获悉自己观看电视的模式并非毫无情理。大部分订阅专业出版物的人——无论其主题是体育、科学、园艺、家政或汽车——都同样仔细地阅读文章和广告。假如您主要为了一两种感兴趣的事情这样仔细地观看电视节目，那么您也许不会反对观看集中在这些兴趣上的广告。
肥皂剧是美国白天电视节目的主要内容，其名称之所以如此，是因为广告商宣传的都是那些大肥皂制造公司，他们追求的大部分是女性观众。因此，有针对性的电视营销观念并不新颖。但是，其规模却有根本性的不同，因为现在用了数据挖掘来采集信息，也用了数字电视和电子书籍来更精确地、更个性化地瞄准观众。这种组合将根本性地改变您对广告和营销的看法。您想把您的产品和服务针对谁个性化这一概念将使您对这个问题的理解的价值大大提高。
数据“矿藏”中为每个人获取最佳效益
今天大部分数据挖掘系统都相当昂贵，其价格有适合中小型企业的2。5万美元至15万美元的系统，也有适合诸如沃尔·马特等高级客户所用的几百万美元的系统。5年前，一家保险公司曾花费1000多万美元购买一个数据挖掘解决方案。该公司的首席执行官说，虽然用今天的技术他可以花少得多的钱来获取同一解决方案，但他的效益说明这1000万美元花得值。他的话说明了数据挖掘的价值，但是这些高价也反映了软件复杂性的旧世界秩序，在那时只有使用大量人员或雇佣专卖销售商的最大企业才能很好地利用数据。
在我们的信息经济里，随着竞争的增长，顾客数据成了日趋重要的资产。每一家公司、公司里的每一位知识型工人，都有义务从公司的数据资产里获得最佳效益。这些新用户承受不起大的数据预算，也请不起专职的数据专家。幸好，随着在高容量PC平台上数据挖掘能力的普及，它将会大幅度降价，而且在各种大小规模的公司和部门里数据挖掘的使用也将迅速普及。每一位商务用户都将能很快做高端分析，这在过去只有支付得起大笔费用的公司才能使用这种分析方法。数据挖掘将十分普及，是每一家企业信息系统基础设施的一种标准能力。
数据挖掘最大的价值将会是帮助公司决定制造适销产品以及适当地给产品定价。公司将能评估各种各样的包装选择和价位，以便了解其中哪种方案对顾客最有吸引力，对自己最有利可图。那些销售信息产品的公司，对此种功能有特殊兴趣。诸如保险、金融服务和书籍等产品，不像一辆汽车或一把椅子，开发它们所积压的资金要比生产它们所积压的资金更多得多；而且它们的价值在更大程度上是由顾客所决定的，而不是由商品的实际成本所决定的。信息产品成功的秘诀，就是要掌握最可能成为您的顾客的个人情况和购物习惯。
例如，保险公司的有些产品可以从某些顾客那里获取非常的盈利，而从另一些顾客那里却不能获取那么多盈利或无利可图。这种差别与处理保单持有者索赔的损失经历有关。数据挖掘可以给一家保险公司提供顾客概况和区域差异，说明它在哪些地区损失很低或很高。公司可以决定是否向一个有很多损失经历的年龄组或地区加大营销力度或提供诱人的定价，或是否向有较少损失经历的群体提高价格或减少促销。当您有各种可变性时，实施数据挖掘来帮您制订您的产品战略是很有价值的。银行也有类似利用数据挖掘来瞄准新顾客的机会。人们现在更愿意更换银行，而且还有许多新的金融服务公司。银行将必须做更多的营销来争取顾客，而这种营销只有在银行发现哪些顾客最有价值时才会盈利。
但是您总得问一问哪些事是可行的。假如您的顾客概况十分类似，或您的顾客基础很小，那么数据挖掘的可行性就不高。一个向邻里少数顾客出售特色产品的食品杂货商，也许不需要做数据挖掘。但一家全国性的连锁食品杂货店就需要做。
数据挖掘的强大能力将帮助公司决定怎样来争取新顾客，向谁推销产品，怎样使产品适销对路，怎样给产品定价，怎样吸引单个顾客等。需要人类发挥创造性和技巧性来利用这些信息，以便想出新的包装和定价方法，在电脑报告的模式中看到新产品的设想，想出令人感兴趣的新发盘。人的工具越好，他们的创造性就越高。经营部门需要投资于提高人们工作效率的高级工具。您需要从预算中拿出您的知识工作人员的薪水的3％～4％来保证他们拥有最好的工具，以解脱您的员工，让他们把自己的智能用于给电脑创建出的模式和发展趋势寻找创造性的反应。利用信息来开发创新的新产品和服务并与合作者和顾客更密切地合作，这将始终是唯有人类才能做的努力。随着软件从数据“矿藏”里提取出越来越多的“矿石”，要把这些矿石炼成金子，人类将永远有事可干。
商务启示
◆分析性软件使您能够把人力资源从日常数据采集转化为能够增值的顾客服务和支持，人的介入在此产生明显区别。
◆首先把软件分析运用于您最能够对这些分析结果采取行动的方面。
◆考虑一下大众性广告转移到有针对性的广告将会如何改变您的营销方法。
诊断您的数字神经系统
◆您能对顾客购物模式做高级分析并把分析结果运用于发展趋势或个性化服务吗？
◆您能根据收入、年龄组、地域或其他人口统计数据来断定哪些顾客群对您是最有利可图的或最无利可图的吗？
◆您的数字系统能使人们从与日常事物打交道转移到与例外打交道吗？
◆您的雇员能容易地以数字方式获取统计数字吗？他们能从摘要进入到详细的数据吗？他们能否看到不同形态的数字并在这些形态之间进行切换吗？
第十四章 知识管理
微软房地产和设施集团被这次事件惊动，从而决定需要一个数字的存档系统来保存和增加在20年间建筑工作中所积累起来的所有知识。我们把所有的蓝图、示意图及其他建筑信息放进计算机辅助设计（CAD）档案中，并且为我们的销售商创建了一个CAD标准以备今后实施之用。我们把现存的来自销售商电脑系统的电子文件转移到公司内部的系统里，然后我们为我们的销售商创建了一个外联网站点，只要他们是一个项目的一部分，他们就可以进入这个网址。每个人都可以储存建筑早期阶段的问题和解决方案。因为我们重新控制了信息，所以我们就可以拿我们的项目更广泛地去投标，从而得到更好的报价和更高的灵活性。
我们的商务和财务规划人员利用外联网址来准备扩展一个办公室，以建立一家新的分公司。微软公司的人员能在与重大的房地产项目有关的问题和成本等方面得到信息，而国际集团在规划业务发展时也可以利用我们总部的房地产专门知识。在我们的内联网上也公布了楼层平面图，因此在总部的各个不同建筑里的空间规划员在讨论重大搬迁问题的时候，就可以看到同样的楼层平面图。正式雇员利用楼层平面图页来看在搬迁之后他们的新办公室将坐落在哪里。事实上，除了有一个时期，我们在改换食堂承包商时有不少人造访食品页面外，楼层平面图页面是我们内联网上被访次数最多的地点。
定义知识管理学
我们的房地产电子图书馆和一个关于商标和专利法的类似的图书馆，就是公司知识管理的例子。作为一个总的概念——搜集和组织信息、把信息传播给需要它的人、不断地通过分析和合作来优化信息——知识管理学是很有用的。但是就像它之前的添加再设计一样，知识管理学变得歧义百出，任何人想给它连接上什么意义都可以。关于这个题目的新闻文章、分析，甚至对这个“范畴”的评议都频繁出现。咨询业和网址都是从事知识管理的，而且一种名为《知识管理》的杂志于1998年中期开始出版。假如新闻记者跟一家数据库公司交谈的话，就会发现知识管理是数据库中最新的事物。假如记者跟一家群件公司交谈的话，就会发现知识管理的意思是下一代的群件。
因此，让我们首先把一两件事情的定义弄清楚。我在这里所用的知识管理一词不是指一个软件产品或一个软件范畴。知识管理甚至并不是从技术开始的。它始于商务目标。过程和对共享信息的需要的认识。知识管理只不过是管理信息流，把正确的信息传送给需要它的人，好让他们迅速地就这种信息采取行动。知识管理可以追溯到迈克尔·德尔图佐斯的概念那里�