在这21世纪初的经济不景气影响下，使得许多企业不得不寻求有利的法宝来提升自我的竞争力，从电子商务、企业e化到现在的ERP、CRM。然而这些原先被认为是仙丹妙药的法宝却无法达到预期的效果，许多知名的大型网路公司或是电子商务网站，也因为获利不尽理想纷纷在网路的舞台上下台一鞠躬。究竟出了什么样的问题，让这个世界上最大的市场 － Internet 成了谜样的百幕达三角洲，使许多企业大船迷失其中？

现在这团谜似乎渐渐地有了一个雏形的解答，就是CRM（Customer relationship management） － 客户关系管理，这个在以往经常被忽略的层面，如今却变成了企业的生存利器。但是如何去掌握企业与客户的互动，如何藉由客户关系的管理而达到获取利润的目的，却又是另一个难题。这个难题目前最好的答案，看来就是资料挖掘（Data Mining）。

将Data Mining技术应用在客户关系管理上，的确可以达到非常好的效果，但是Data Mining并不是只有这项用途而已，它是为了找寻隐藏在资料中的资讯而产生的技术，在这以资讯为导向的新世纪，Data Mining的应用范围会越来越广，而其技术也会愈来愈成熟，Data Mining的未来与远景是值得期待的。

人工智慧新趋势

以Data Mining的技术而言，具有人工智慧的趋势是不可避免的。在较早的时期，电脑的运算速度并不快，然人工智慧的技术需要具有快速运算能力的电脑，例如模糊理论、类神经网路、基因演算法等，人工智慧也因此而无法被广泛的采用。但今日电脑的运算速度已不可同日而语，使得沉寂一时的人工智慧技术又再度的复苏起来。

本系列前三期中，介绍了Data Mining目前的技术与应用的例子，其中并没有上述几个人工智慧技术的影子。以Data Mining的各种技术而言，其运算速度已经算是发展到了极致，所以追求缩短找寻型样或是规则的时间已经不再是技术发展的重心，人们现在的焦点在所找寻出来的型样和规则上。

以关联式规则（Association Rule）为例，有两个因素控制着找寻出来的规则：支持度（Support value）和可信度（Confidence value）。在找寻关联式规则的时候，太低的支持度与可信度会产生过多的规则，也就是说会有许多对使用者毫无助益的规则，即所谓的垃圾规则。如何分辨何种规则才是对使用者有用的，以及如何调整支持度与可信度，的确非常的困难。

再以组群化技术（Cluster）为例，如何确保能将各个群组分的清楚，而且能分的正确很重要。这些问题因为人工智慧的介入，而有了变化。利用人工智慧自我学习与寻找最佳化的特性，使得Data Mining的技术更具有前瞻性，更能找寻出对使用者具有意义的型样与规则。

利用人工智慧自我学习与寻找最佳化的特性，使得Data Mining的技术更具有前瞻性，更能找寻出对使用者具有意义的型样与规则。

Data Mining应用，无限宽广

Data Mining是基于取得资讯而诞生的技术，在今日脱颖而出成为新的资讯技术宠儿是可以想见的。以应用层面来看，Data Mining目前似乎只着眼在于企业间的客户关系或是商业利润关系的建构上。另一方面也因为电子商务的市场大饼，让大家的焦点集中在网站与商务的利益上，反而忽略了Data Mining在于其他层面的应用。

目前Data Mining的层面可以说是相当狭小的，若依Data Mining的精髓，可以应用的层面应该广到让人无法想像，可说任何需要资讯的地方就有Data Mining的存在，以下就列举几个Data Mining的特殊应用，来大略了解Data Mining的妙用。

工业用途

在工业用途方面，Data Mining可用来决定生产流程的顺序，进而达到生产的最佳效率与生产管理。以生产炭的流程为例，将生产炭时的流程，即炉火的温度、炭的质量、以及其他的因素建立成一个生产资料库。依据这个资料库，可找寻出生产品质良好的炭的流程规则。

医疗用途

在医疗用途方面，医疗资源的浪费，一直都是医院之间头痛的问题。将医师开药的处方签建立成资料库，再利用Data Mining来找出资源浪费的原因。除此之外在研究中的还有依据长期病的病征来找寻各病征之间的关系，来帮助医师做疾病的诊断。另外还有一个较为先进的应用，就是基因序列的解析。

除以上的例子外，在国外已有许多的研究机构利用Data Mining来辅助技术的发展，或作为资料分析的工具，这些都是在台湾还没见到的层面，相信这些应用将会很快的在台湾出现。

勾勒Data Mining发展蓝图

从上述的技术与应用的两个层面来看，Data Mining目前并非是一种普遍被接受的技术。在传统产业方面，虽然办公室早已电脑化，但只是将原先的人工处理的会计或是进销存事务变成了电脑处理，亦或在生产制程中，原先需要的人工如今变成了机械。虽已达到便利的目的，但无法掌握使其产能增加或减少成本的资讯，进而提升自我的竞争力，在企业行销上亦是如此。

许多大型企业开始注意客户的购物行为模式，了解客户关系是企业竞争力的基础，却不是利用Data Mining技术而是利用行销的经验来判断。这两者之间的差别是，后者可能会忽略掉经验之外的客户关系。可以了解的是Data Mining虽还不普遍，但其潜力是不容忽视的。在台湾以现行的阶段而言，似乎新技术的研发和应用的扩展不是首要之务，如何推广Data Mining才是重点。

以台湾目前的资讯应用角度来看Data Mining的远景，大约可勾勒出两个发展蓝图：

客户关系的处理

依上述所提的客户关系管理层面是以较小的角度来探讨。若以整个完整客户关系管理的流程来看，只有Data Mining是不够的，因为Data Mining必须依赖资料才能挖掘，因此资料库的建立非常重要的。所以Data Mining的未来是必须与「资料仓储」、「线上分析处理」结合才能发展的久远。

资料仓储能整合所收集来的资料，将所有的交易或是行销资料汇入资料仓储中，并加以处理，淘汰对于Data Mining处理无助益的资料属性，能更精确的找寻出有意义的规则与型样。

Data Mining必须依赖资料才能挖掘，因此资料库的建立非常重要的。所以Data Mining的未来是必须与「资料仓储」、「线上分析处理」结合才能发展的久远。

网路上的应用

无庸置疑的这一方面应用必定是Data Mining未来的首要战场。目前已有的应用有网站的建立、电子购物的行销、网路教学机制、和网路广告等。但是这些都跳脱不出商业行为的架构，资讯在网路的应用上应能更广泛，资讯的需求相信在任何地方都比不上网路的多样性。

网路安全机制的建构，就是一个Data Mining能够充分发挥的地方。对于极需安全机制的网路安全交易来说，骇客就像是一个令人毛骨悚然的名词。根据美国官方的统计，美国的网站受到骇客入侵而造成的损失，可高达数千万美元之谱甚至更多。现在因为台湾的网路交易行为并不是非常的盛行，所以这样的情形尚未发生，但是不久的将来这类的情况会不断的上演。利用Data Mining，从骇客入侵的方式找寻出的规则来防止骇客的入侵，对于网路的交易机制相信能提供更高的安全性。

另一个未来对于网路技术的应用层面是网路警讯（Alarm）的关系管理。通常在网路系统发生问题前，系统会先发出一个警讯，利用Data Mining可以找出这些警讯之​​间的关联性，进而在警讯发生时判断是否会对系统造成严重的影响。

结论

上述的应用在国外已有一些专家在研究中，期待在不久的将来有产品问市，将会是网路发展的一大福音。笔者对网路技术方面的应用较为看好，以商业模式而说，客户关系的管理会逐渐定型而成为一种模式，大家都可套用。然一种专业技术能够蓬勃发展而不衰微，必定是因为技术能够不断的创新和进步，网路技术的日进千里是有目共睹的，在其上所需的资讯分析更是千变万化，若是Data Mining能配合网路成长，相信未来能走的更长久也更具有价值。

（作者为网眼科技公司技术顾问，网眼科技为网路市场资讯分析系统专业公司）