企业要从浩瀚的数据中淘金，需要遵循科学的步骤和流程

查显示，现在有超过70%的网络应用都是基于数据库来实现的。然而，面对每天急剧膨胀的数据库，企业除了把它保存起来，还能有哪些作用？这些日积月累的数据除了翻查之外，难道真的就成了鸡肋？

在浩瀚数据中寻找钻石

如果运用合理的方法和工具，在企业日积月累形成的浩瀚数据中，是可以淘到沙金的，甚至可能发现许多大的钻石。在一些信息化较成熟的行业，就有这样的例子。比如银行的信息化建设就非常完善，银行每天生成的数据数以万计，储户的存取款数据、ATM交易数据等。

王经理是某商业银行区域分行的科技部经理，他就运用了数据挖掘的方法，从自己所管理的业务中寻找“钻石”。以前，王经理所在的银行处理这些数据的方法就是存储、备份，然后只是在需要时进行查询。后来，王经理发现在对ATM以及储蓄所的选址进行决策时，总是依照以往的经验来进行判断，很不科学，于是他把目光锁定在这些原本已经尘封的数据之上。

通过对这些数据进行重新建模，深入挖掘，王经理逐渐掌握了辖区内所有ATM机和储蓄所的营业网点日常业务流量数据。由此，及时调整了一些运营率较低的ATM机和储蓄所网点，同时在一些业务负载很高的地方增加了ATM机和储蓄所的营业员。这些举措，让分行的业务能力有了大幅度提升，而且减少了资源浪费。

“淘金”四步骤

从上述例子可以看出，数据挖掘是借助IT手段对经营决策产生决定性影响的一种管理手段。从定义上来看，数据挖掘是指一个完整的过程，该过程是从大量、不完全、模糊和随机的数据集中识别有效的、可实用的信息，并运用这些信息做出决策。

数据挖掘的初衷就是面向实际应用，支持企业的业务决策。

在数据挖掘中，并非所有工作都是自动完成，而是需要人为参与。根据一些成功的案例，有超过60%的工作量是用于数据准备。

数据挖的过程大致包括：确定业务目标、准备数据、数据挖掘、结果分析四大步骤。

首先，决策者要清晰地提出业务需求，明确数据挖掘的目的，如前面的例子中提到的：了解现有ATM机和储蓄所网点的使用负载情况。

其次，在准备数据中包含有数据选择、粗筛、转换三个环节。这一过程是将和业务相关联的所有内外部数据提取、粗筛，并构建分析模型的过程。

再次，是人工参与最少的环节，选择合理的数据挖掘算法后，结果便可以自动生成。

最后，决策者要对计算生成的结果进行评估，如果结果出现偏差，还要对前几环节的工作进行修正再重新计算。在一项新的数据挖掘作业开始时，这样循环往复的工作往往要重复多次才能取得满意的结果。在数据挖掘过程中，除企业决策者外，还需要有以下几类人参与：

1. 业务人员：此类人员精通业务，能够将业务的需求转化为对数据的需求，为数据准备和算法建立提供智力支持。

2. 数据分析人员：能够把数据根据业务需求的要求进行归纳、整理，并为每一环节的操作提供技术支持。

3. 数据库技术人员：能够从多种数据库，包括内部、外部数据库中提取数据挖掘所需的数据资源，并转换成所需要格式。