数据挖掘（DM）

数据挖掘，也可以称为数据库中的知识发现(KDD，Knowledge Discovery in Database)，是从大量数据中提取出可信、新颖、有效并能被人理解的模式的高级处理过程。数据挖掘是一种决策支持过程，它从大量的数据中提取隐含的、潜在的、以前未知的有用信息或模式。它主要基于人工智能、机器学习、统计学、数据库等技术，通过分析大量的原始的数据，作出归纳性的推理，挖掘出潜在的模式并预测客户的行为，帮助企业的决策者调整市场策略，减少风险，做出正确决策。

上海双菱空调使用数据挖掘技术，是希望按照企业既定的业务目标，对大量的企业数据进行探索、揭示隐藏其中的规律性并进一步将之模型化的先进、有效的方法。如通过对客户各种数据深入分析，了解客户的行为，建立模型，并对客户未来的行为进行预测。多年来，上海双菱的统计人员采用手工方式“挖掘”数据库，寻找统计学上的重要模式。现在，数据挖掘技术被很好地用于为上海双菱空调预测客户行为进行建模。预测建模可以对客户进行分类，同时对客户的行为进行打分，这些信息可以被整合到数据仓库和其他市场营销应用中。

上海双菱空调采用的数据挖掘分析方法主要有：关联分析、序列模式分析、分类分析和聚类分析等。数据挖掘利用人工智能领域中一些已经成熟的算法和技术如：人工神经网络、遗传算法、决策树方法、邻近搜索算法、规则推理、模糊逻辑、公式发现等来进行数据的挖掘。数据挖掘是人工智能中的成熟技术在决策支持系统中的具体应用。

OLAP和数据挖掘是相辅相成的，但它们的侧重点不同，OLAP侧重于与用户的交互、快速的响应速度及提供数据的多维视图而数据挖掘则能自动发现隐藏在数据中的模式和有用信息。OLAP的分析结果可以给数据挖掘提供分析信息作为挖掘的依据，数据挖掘可以拓展OLAP分析的深度，可以发现OLAP所不能发现的更为复杂、细致的信息。从上面的论述可以看出如果将OLAP与数据挖掘相结合将会发挥更好的效用，这是OLAP发展的又一个新方向。

数据挖掘是当前业界的热门技术，已经在多个应用领域产生了巨大的效益。数据挖掘不一定需要建立在数据仓库的基础上，但是，如果将数据挖掘和数据仓库协同工作，则可以简化数据挖掘过程的某些步骤，从而大大提高数据挖掘的工作效率。并且，因为数据仓库的数据来源于整个企业，保证了数据挖掘中数据来源于整个企业，保证了数据挖掘中数据来源的广泛性和完整性，例如，上海双菱的信息化数据包括了财务及物流业务的管理领域，数据来源包括了博科、用友、金蝶的软件系统，以及自主开发的软件系统。

数据挖掘技术是数据仓库中应用比较重要也是相对独立的部分，目前正处在发展不断当中。数据挖掘涉及到数理统计、模糊理论、神经网络和人工智能等多种技术，技术含量比较高，实现难度较大。此外，上海双菱还考虑在以后将数据挖掘技术与可视化技术、地理信息系统、统计分析系统相结合，丰富数据挖掘技术及工具的功能与性能。