吉宁博士观点
一、数据挖掘的概念及方法
数据挖掘(DataMining)是一个利用各种分析工具在海量数据中发现模型和数据间关系的过程，这些模型和关系可以用来做出预测。它是一个多步骤的对大量数据进行分析的过程，它在自身发展的过程中，吸收了数据库、数理统计和人工智能中的大量技术，是一种利用信息资源的有效方法。
数据挖掘的功能用于指定数据挖掘任务中要找的模式类型。一般来说数据挖掘任务可被分成描述和预测两类：“描述性挖掘任务刻划数据库中数据的一般特性；预测性任务则在当前数据上进行推断，以进行预测。”一般通过概念/类描述、关联分析、分类和预测、聚类分析等方法去实现。
二、企业营销管理数据的特点
作为企业数据重要的一部分，企业营销管理数据除拥有数据的共性之外，也有其自身特点。主要特点如下：
1.数据量大
关于企业营销管理的数据量非常庞大，每天的经营都不断产生大量新的数据，如果仅用传统的分析法，如采用计算机的常规分析手段，其分析处理能力也非常有限，运用数据挖掘技术效果就大不一样了，我们仅从其定义即可看出它面向的就是大数据量。特别是它与数据仓库的结合，更是加强了其对海量数据的处理能力。
2.动态性与规律不明性
营销数据中所包含的规律性往往不是很强，随着时间、经济环境的变化，规律也在不断更迭变化，比如在销售旺季中的某种模式到销售淡季中可能就不起作用或作用不明确。对于这样多变且复杂的现象数学形式的模型很难及时适应或预测这种变化，但在采用某种数据挖掘技术后企业一般就可以在不断获得新数据后，自动对模型进行动态更新以适应新的环境。
3.数据类型多
市场的不确定性与销售、客户关系的变化与许多因素的影响，如经济的、政治的、社会的、心里的等等有关。数据的类型既有数值型的也有大量非数值型的，如分类数据。
4.关系复杂
企业营销管理变量从产品种类、广告场所、客户特征到销售量可谓众多繁杂，其取值既类型多样化且也可能和很多因素有关。这种相关的性质有可能是线性的也有可能是非线性的。也许可以较为简单的初等函数形式来描述，但有些根本无法以数学形式表示达。
三、数据挖掘技术在企业营销管理中的应用
根据数据挖掘在企业营销管理中的现实与到目前为止的理论研究成果，本文认为数据挖掘在企业营销管理中的应用已渗透到从产品销售关联、潜在客户分析、客户关系管理到广告投放决策等等方面，主要应用介绍如下：
1.寻找替在客户。
数据挖掘在寻找替在客户主要工作是识别好的潜在客户、为接近潜在客户选择沟通渠道、信息简档的匹配等。不像传统的仅靠营销部门的经验去选择一部分人群，数据挖掘技术提供了许多效果显着的更为精确的定量方法。如在利用简档匹配定义替在客户时，我们可以用距离度量评价替在客户的得分、计算匹配度等，从而更为精准地知道那些人有可能是企业或公司的客户。
2.定向市场营销活动。
企业在选择了一部分人群作为替在客户后，要使这部队部人群成为企业的人现实客户，需要开展许多营销活动。如何开展营销活动、合理安排预算等都是企业迫切需要知道的情报，否则容易造成预算分配不合理、强度与止目标群错位等。数据挖掘在改进市场营活动时主要是采取响应度建模，进而计算固定预算的响应率、从而达到优化营销活的收益。例如，公司想给大量的替在客户发邮件，但每客户的响应度不一样，在不同的普及底线、穿透度要求下利用数据挖掘技术我们可以计算出响应度的排位，从而为合理安排定向营销活动提供决策。
3.产品关联分析。
史上啤酒与尿布放在货架邻近处一起销售的营销经典案例就是产品关联规则的侧面反应。数据挖掘在零售企业对于产品关联的分析大大地促进产品的销售，传统的做法是按产品分类摆放，但这样企只能获得简单的销量数据并不能获得如购买习惯、捆邦销售等信息。通过关联规则挖掘可经挖掘到所有支持度和轩信度分别大于等于预定的最小支持度和最小置信度的规则，并找出其中的规律。在做此类分析时，常用APRIORI算法去实现。目前，大部分大超市都开始使用关联规则挖掘帮助其决策，为企业的交叉售销、提升销售、销售推荐提供支持，更好地为顾客的服务，实现企业与顾客双赢。
4.客户关系管理。
在产品高度同质化、客户需求多样化的今天，如何进行有效地客户关系管理已是企业竞争能力提升的的重要基础。以前，人们认为客户关系管理就是“以客户为中心”对客户进行管理，这种观点虽然有一定的道理，但只是概念性描述，没有具体的量化指导措施。只是片面强调表面现象，没有深层次的分析。如无法精准地辩别出那些客户最有价值，对如何保持客户和流失客户分析缺少令人信服的方案。
四、结论
随着数据挖掘技术的不断发展和企业越来越重视从营销数据中获得知识，数据挖掘技术的在企业营销数据管理中将扮演着更为重要的角色。同时企业信息化的加强和营销定量分析的俱增，数据挖掘技在企业营销管理的中应用将越来越广。充分利用数据挖据技术为企业的营销管理服务，提升从营销数据库中发现知识的能力，从而使企业在竞争中处于有利位置。
：
