數據挖掘技術在企業知識管理中的應用

數據挖掘技術在企業知識管理中的應用

[摘要] 隨著知識經濟的到來，知識作為一種重要的經濟資源可以提升企業的競爭力，知識管理作為一種經營戰略模式越來越受到企業的重視。數據挖掘技術是數據庫和信息決策領域的一個理論前沿，是知識發現的核心部分，利用數據挖掘技術可以從企業海量的數據和信息中挖掘出有效的知識，幫助企業實施科學有效的知識管理，從而提升企業的核心競爭力，促進企業科學、快速與持續發展。
　　[關鍵詞] 數據挖掘知識管理知識知識管理系統
　　近年來，知識管理飛速發展，學者對知識管理的研究越來越深入，知識管理在企業中的實踐也越來越廣泛。企業可以廣泛搜集到組織所掌握的技術訣竅、業務資料和長期實踐經驗等數據資料。但如何對這些數據資料進行科學地分析、處理，從而發掘出對管理和決策有價值的信息和知識，卻是企業面臨的主要挑戰。數據挖掘技術可以有效地解決這一問題，并且被廣泛應用于企業知識管理中。企業要在激烈的市場競爭中獲勝，必須對組織中的知識進行整理或收集，形成企業的核心競爭能力的知識資本，從而提高企業的市場競爭力。
　　
　　一、數據挖掘技術的常用方法
　　
　　數據挖掘是從數據當中發現趨勢或模式的過程，這個過程的目標是通過對大量數據的分類從而發現新的信息。數據挖掘（Data Mining）指的是從大量數據中挖掘出隱含的、先前未知的、對決策有潛在價值的信息和知識的過程。
　　企業中應用數據挖掘技術的一般過程為：問題定義、發現信息、制訂實施計劃、采取行動及監測效果等步驟。數據挖掘過程中常采用以下幾種方法：
　　1.分類（有指導的學習）。數據挖掘中的分類（或有指導的學習）方法在商務領域普遍存在。人們可以對數據庫中的數據進行分組，一旦數據被分類，就可以概括這些不同組的特點。數據分類的基本技術有神經網絡、遺傳算法、決策樹、貝葉斯信任網絡、統計分析等方法。
　　2.聚類研究（無指導的學習）。聚類是一種對具有共同趨勢和模式的數據元組進行分組的方法。聚類又稱分段，是將數據集劃分成若干個不同組的過程。聚類技術試圖找出數據集中共性和差異，并將具有共性的元組聚合在相應的類或段中。
　　3.可視化。可視化即以圖形方式表示數據，以圖形方式表示的數據易于理解。可視化技術可以很容易地表示例外情況，例外是其值不在期望范圍的數據。
　　4.關聯（貨籃子）分析。關聯（或貨籃子，簡稱MB）分析可以發現給定數據集中的頻繁模式，常被用作從產品目錄或零售商店的銷售數據（無論是有形銷售還是在線銷售）中導出產品和關聯的商用信息。
　　5.Web頁挖掘。隨著互聯網技術的迅速發展，web上的信息無比豐富，web頁挖掘可以對web頁上的海量數據進行分析，提煉出有價值的信息。
　　6.異常性分析。從繁多的數據中挖掘出與其他數據顯著不同的數據。
　　
　　二、企業中數據、知識、信息、知識管理和信息管理的關系
　　
　　企業中數據指的是各種未經處理的業務數據、銷售數據、生產數據等，通過對這些數據進行加工處理就可以得到一些對企業經營有利的信息。企業中的知識和信息共同構成企業知識的來源，知識不是數據和信息的簡單積累，知識是一種包括了人員的經驗、價值觀、關聯關系，以及專家見解等要素的動態集合。數據是形成信息的基礎或組成部分，處理過的數據可以形成信息。信息是知識的重要組成部分，信息經過加工處理可以變成知識。
　　知識管理是指對知識的創新、獲取、加工、存儲、傳播和應用的管理，知識管理的研究存在兩大研究主題：企業知識管理和圖書館知識管理。企業知識管理的內容包括：企業智力資源管理、知識產權資源管理、市場資源管理、組織設計管理、文化管理、信息化管理。信息管理是為實現組織目標，滿足組織需求，解決組織環境問題而對信息資源進行開發、規劃、控制、集成、利用的一種戰略管理。信息管理是知識管理的基礎，知識管理是信息管理的延伸與發展。

【數據挖掘技術在企業知識管理中的應用】相關文章：

數據挖掘技術在ＣＲＭ中的應用03-22

數據挖掘技術在客戶關系管理中的應用12-09

淺談現代企業物流管理中的數據挖掘技術03-07

客戶關系管理中數據挖掘的應用03-08

談數據挖掘技術在電子商務中的應用03-21

數據挖掘技術在供應鏈精細化管理中的應用12-04

數據挖掘在ＣＲＭ中的應用分析03-22

數據挖掘技術在電子商務網站中的應用03-28

數據挖掘技術在中醫亞健康學中應用的思考12-01