我们把大量的数据看作可供借鉴的一份财产。这些数据越庞大越好——假如您有足够的工具来分析它、组合它，并且使自己更有创造性。
——布里特·梅约，宾州石油公司信息技术部主任
更优良的电脑系统不可避免的结果，就是更精明地利用员工的时间。马克和斯宾赛公司用智能软件不断地扫描它的销售数据，追踪销售趋势，发现什么货畅销，什么货卖不动，从而得以更有效地利用其500～600名采购员。这些采购员不用翻阅前一天厚厚的书面报告来确定销售情况是否良好，可以把时间更有效地花在利用最新数据提供给他们的信息上。如果销售情形如人所愿，那么就不用人来干涉，而新的软件系统自己就可以监测销售数据，并标出那些销售量超过或低于预定量的货物。系统自动做出例外报告，而采购员则只处理例外事件。
马克和斯宾赛的信息技术和后勤处处长济斯·博格说：“有了这些智能系统，我们就能让员工从重复性的、不用思考的工作转移到更有生产效率的活动中去。他们只利用自己的智力来处理例外事件，而让电脑去做其他一切决策。我们可以重新分派这些员工，让他们选择新产品，做市场分析，以及从事其他一些增值性的活动，而不是照管日常存货。因而，采购员们的时间花得更有效率，比以前增加了多得多的价值。”
利用软件来处理日常数据琐碎杂务，能让您有机会在真正重要的地方添上您本人的手笔。在明显是人写的便条和一封电脑打印的通用信函之间，在接听人打来的关于某一新产品或特殊事件的电话和电脑打的电话之间，有相当明显的差别。让一个人来接待一位对某重要事件感到不满的客户或有特殊需求的客户，其价值之高是不可估量的。例如，在一家旅馆里，智能软件能够极大地缩短入住登记和结账离开的时间，也可以征求常规的顾客反馈，从而给员工腾出时间。如果多安排六七个人充任前台接待员而不是普通职员，那么顾客岂不会在旅馆里住得开心得多吗？
然而电子贸易却带来新的挑战。在一家直接售货的商店里，销售员可以利用与顾客直接接触的过程，例如顾客提问、着装款式，以及外貌、语言等来更好地揣测顾客的兴趣。但是在网上商店里，却没人能看见顾客，而又要让顾客尽可能地自己购物，因此网上商店的店主要做的是一种饶有兴趣的侦探性工作。在顾客浏览行为和购物历史的基础上，您将怎样来设计顾客身份的模式呢？这就需要尖端的数据分析能力。
扩大人类分析的范围
马克和斯宾赛所用的数字分析工具能让人们只注意例外而不是常规，并且也正在改变着工作的性质。它们的功能如此强大，以至于让马克和斯宾赛的一些雇员在开始时曾担心被电脑取代。对于任何做决策的职能不是让人进行，而完全让机器来干，人们自然会抵触。当一个数据库扩张到足够庞大、足够复杂时，电脑可以进行初期的搜索和分类，且比人干得好得多，而人却不能在大量主要的数据中认别模式。而在数据库里、在文档系统里、在消息系统里，以及在网址上可获得的数据，却呈指数增长。我们获得这一切数据的全部价值的唯一办法，就是用电脑工具来索求，并把它转化为可操作的信息。
利用软件十进制在大量数据中寻找有用的模式，这叫做数据挖掘。数据挖掘的第一个主要步骤就是在线分析处理（OLAP），它使得多种询问更为有效。原本作为结算和统计的目的而搜集的数据，被认为是一座潜在的信息宝藏，可供编制模式、预测，以及支持决策。各公司开始创建公司数据库，也称作数据仓库，以便满足这些对商务分析的新需求。集中在一家企业的某方面或部门的数据子集，往往称为数据市场。
哈泼柯林斯出版公司利用基于PC之上的在线分析处理系统，追踪实时书籍销售情形，以便印刷出足够的书来满足分销商的需求。该公司用这一方法就可避免在销售渠道里积压大批未售出的书，否则出版商就要把这些书作为退货收回来。这个新的系统运作了仅仅一年，就帮助哈泼柯林斯公司把其最畅销书的退货率从30％减少到10％。每个百分点都代表着数百万美元的节省。
数字化工具把信息分门别类
在大部分商务组织里，人们需要用各种方法来查看信息。高级经理们往往想查看销售情况的综合视图，然后查看按地区列出的视图，接着查看按国家列出的视图。销售经理们想查看小组销售和个人销售的数字，或顾客账户的数字。产品经理们则想查看根据销售渠道划分的数字或更深层地看那些存货单元（SKUs）销售势头旺盛或疲软。不同的人查看的信息也各不同，如月份销售量或本年度最近销售量、实际销售量与预算之比、销售的逐年变化，以美元计算的销售量或以其他货币计算的销售量。因此，典型的情况就是，一家公司的财会部门需要制做出许多不同的报表来满足这些多样的商务需求。
这些报表经常可以用电子表格的数字方式来制作。大纲控制可让商界人士从摘要层面开始，然后在任一项目上单击鼠标，以便深入到下属各层的细节。另一个被称作表格透视功能，即使您在多种视图上看到同样的数据。假如您正在看按销售员分类的销售数量，但又想转移到按顾客分类的视图，那么您就可以把“顾客标签”拖曳到恰当的那一行去改变视图。当这些功能与把潜在的数据转化为标准格式的模板结合起来，就得到功能强大的、灵活的数字报表，每个人都可以把该报表个性化，以满足具体的需要。这样的报表也可以用电子邮件四处发达，以供进一步分析和讨论。
中枢表格与一家公司的数据仓栈结合起来后其功能尤其强大。该仓栈的每一个数据库通常有有限的报表功能，从而把制表工作局限于更懂技术的人员。典型情况就是，当人们不知道他们什么时候需要某些详尽的信息时，就可能费时约20～30分钟进行数据库咨询。与数据库连接的中枢表格，可以把数据仓栈的进入权扩大到所有的商务用户，而电子表格界面则可以使用户进行摘要层面上的咨询，并且一步一步地细分下去，以得到更多细节。由于每次数据更新都牵涉到很少的数据，因此回应是很快的。这个界面可以延伸到一个活跃的数据来源，例如实时股票市场馈送。
对商界人士来说，数字工具意味着更快更深层的分析。对会计来说，数字工具意味着花更少时间编写报表，花更多时间帮助商务分析和探索例外情况。对管理商务数据的人员来说，数字工具意味着更快速地得到高质量的信息，使他们每月的结账只要一两天就够了，而不需要几星期。财会部门则不增加人员就可以接受新添加的、牵涉到新数据的任务，例如长期规划、雇员使用情况分析或固定资产分析。
数字工具能做而书面报表所不能做的事情，就是它能使每个人都可以提出即将发生的下一个问题，而您又不知道那个问题将会是什么，所以您就需要利用工具来帮助您独立地探索答案。
哈泼柯林斯公司的在线分析系统使它能够提出这样一些问题：该分销商本周关于这本书的盈利状况如何？但是在线分析系统需要有人来指导询问，而传统的数据库和在线分析系统都不能为在数据中表述不清楚，但又很重要的商务问题找到答案。例如，我的哪一位顾客可能选择产品甲而不是产品乙？满意的顾客和不满意的顾客之间区别何在？我的数据库中哪些顾客与该库中另一些顾客“相似”？诸如此类的非具体性探询，会使在线分析系统的使用者晕头转向、不知所措，因此是没有意义的。高级的数据挖掘技术会利用软件在富含信息的环境里漫游，帮助用户口答一些商务问题，而这些技术人员不必是统计学、数据分析或数据库方面的专家。
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？