3.只要有了數(shù)據(jù)挖掘工具，就能自動(dòng)挖掘出所需要的信息
 
　　這是人們常有的一個(gè)認(rèn)識(shí)誤區(qū)。數(shù)據(jù)挖掘利用了統(tǒng)計(jì)和人工智能技術(shù)的應(yīng)用程序，它把這些高深復(fù)雜的技術(shù)封裝起來(lái)，使人們不用自己掌握這些技術(shù)也能完成同樣的功能，并且更專(zhuān)注于自己所要解決的問(wèn)題。雖然如此，人們?nèi)匀恍枰浪x用的數(shù)據(jù)挖掘工具是如何工作的。換句話說(shuō)，數(shù)據(jù)挖掘永遠(yuǎn)不會(huì)替代有經(jīng)驗(yàn)的商業(yè)分析師或管理人員所起的作用，它只是提供一個(gè)強(qiáng)大的工具。數(shù)據(jù)挖掘決不會(huì)在缺乏指導(dǎo)的情況下自動(dòng)地發(fā)現(xiàn)模型。數(shù)據(jù)挖掘工具要做的就是使這些模型得到的更容易、更方便，而且有根據(jù)。比如客戶關(guān)系管理，不是只設(shè)一個(gè)客服專(zhuān)線，更不僅僅是把一堆客戶基本數(shù)據(jù)輸入計(jì)算機(jī)。一個(gè)完整的客戶關(guān)系管理運(yùn)作機(jī)制在相關(guān)的硬軟件系統(tǒng)功能健全的支持之前，要有大量的數(shù)據(jù)準(zhǔn)備工作與分析過(guò)程推動(dòng)。
 
　　邁克爾·J·A·貝里和戈登·S·利諾夫指出，通過(guò)4種有效途徑可以實(shí)現(xiàn)數(shù)據(jù)挖掘技術(shù)在企業(yè)中的專(zhuān)業(yè)化應(yīng)用，即：從企業(yè)外的制造商處購(gòu)買(mǎi)與企業(yè)商業(yè)問(wèn)題配套的評(píng)分機(jī)制，購(gòu)買(mǎi)實(shí)施整體解決方案的數(shù)據(jù)挖掘軟件，針對(duì)特定問(wèn)題聘請(qǐng)外部專(zhuān)家完成預(yù)測(cè)模型的建立，以及在組織內(nèi)部掌握數(shù)據(jù)挖掘技能。他們認(rèn)為，從公司長(zhǎng)遠(yuǎn)發(fā)展考慮，最后一種方法應(yīng)作為企業(yè)首選。因?yàn)檫@將促使企業(yè)把數(shù)據(jù)挖掘視為企業(yè)的法寶，并通過(guò)它將客戶關(guān)系管理推向企業(yè)戰(zhàn)略的核心。鑒于此，一個(gè)企業(yè)想要在未來(lái)的市場(chǎng)中具有競(jìng)爭(zhēng)力。必須有一些數(shù)據(jù)挖掘方面的專(zhuān)家，專(zhuān)門(mén)從事數(shù)據(jù)分析和數(shù)據(jù)挖掘工作，再同其他部門(mén)協(xié)調(diào)，把挖掘出來(lái)的信息提供給決策者參考，但國(guó)內(nèi)的企業(yè)還很少有決策人員認(rèn)識(shí)到這一點(diǎn)。如果管理者沒(méi)有這方面的意識(shí)，數(shù)據(jù)挖掘就很難發(fā)揮其應(yīng)有的作用，且很容易走向兩個(gè)極端：一是認(rèn)為數(shù)據(jù)挖掘沒(méi)有用處，二是認(rèn)為數(shù)據(jù)挖掘是萬(wàn)能的，而得到的結(jié)果往往與初始期望相去甚遠(yuǎn)。
 
　　4.企業(yè)開(kāi)發(fā)、運(yùn)用數(shù)據(jù)挖掘的結(jié)果是可以預(yù)期的
 
　　這也是企業(yè)界對(duì)數(shù)據(jù)挖掘認(rèn)識(shí)上的一個(gè)慣常誤區(qū)。實(shí)際上，企業(yè)界運(yùn)用數(shù)據(jù)挖掘要受許多因素的影響，例如，不充足的教育訓(xùn)練、不適當(dāng)?shù)闹С止ぞ摺?shù)據(jù)的無(wú)效性、過(guò)于豐富的模型、多變與具有時(shí)間性的數(shù)據(jù)、空間導(dǎo)向數(shù)據(jù)、數(shù)據(jù)的衡量性等。面對(duì)易變的環(huán)境，沒(méi)有立刻能用的現(xiàn)成的模型，數(shù)據(jù)挖掘的本質(zhì)是發(fā)現(xiàn)非預(yù)期的模式，同樣，非預(yù)期的模式要以非預(yù)期的方法來(lái)發(fā)現(xiàn)，更不能期望按照程序即能成功。因此，要分析一些潛在的因素，如數(shù)據(jù)取舍、實(shí)體關(guān)系性、數(shù)量多寡、復(fù)雜性、數(shù)據(jù)質(zhì)量、可取得性、專(zhuān)家意見(jiàn)等因素，才能做好挖掘工作。此外，所有通過(guò)數(shù)據(jù)挖掘發(fā)現(xiàn)的知識(shí)都是相對(duì)的.是有特定前提和約束條件且面向特定領(lǐng)域的。對(duì)于數(shù)據(jù)挖掘而言，需求牽引、市場(chǎng)驅(qū)動(dòng)是永恒的，而對(duì)于企業(yè)應(yīng)用數(shù)據(jù)挖掘而言，面向客戶、講求實(shí)際才是最主要的。
 
　　5.數(shù)據(jù)挖掘是企業(yè)商業(yè)智能的核心
 
　　簡(jiǎn)而言之，商業(yè)智能是能夠幫助用戶對(duì)自身業(yè)務(wù)經(jīng)營(yíng)作出正確明智決定的工具。不可否認(rèn)，數(shù)據(jù)挖掘可以增加企業(yè)智慧，提升企業(yè)競(jìng)爭(zhēng)優(yōu)勢(shì)，是企業(yè)走向智能化的重要組成部分。但是一個(gè)完整的知識(shí)挖掘過(guò)程牽涉大量的規(guī)劃與準(zhǔn)備，包括理解數(shù)據(jù)、融合與核查資料、去除錯(cuò)誤或不一致的數(shù)據(jù)、發(fā)展模式與假設(shè)、實(shí)際數(shù)據(jù)挖掘工作、測(cè)試與審核所挖掘的數(shù)據(jù)、解釋與使用數(shù)據(jù)等，從這個(gè)角度看，數(shù)據(jù)挖掘只是知識(shí)發(fā)掘過(guò)程中的一個(gè)步驟而已，而達(dá)到這個(gè)步驟前還有許許多多的工作要完成。
 
　　從技術(shù)層面來(lái)看，商業(yè)智能的技術(shù)體系包括數(shù)據(jù)倉(cāng)庫(kù)、在線分析處理(OLAP)以及數(shù)據(jù)挖掘3部分。所謂數(shù)據(jù)倉(cāng)庫(kù)就是面向主題的、集成的、穩(wěn)定的、不同時(shí)間的數(shù)據(jù)集合.它提供在線分析處理或數(shù)據(jù)挖掘所需要的、整齊一致的數(shù)據(jù)，用以支持經(jīng)營(yíng)管理中的決策制定過(guò)程。OLAP則是幫助分析人員、管理人員多種角度地把從原始數(shù)據(jù)中轉(zhuǎn)化出來(lái)、能夠真正為用戶所理解的、并真實(shí)反映數(shù)據(jù)特性的信息，進(jìn)行快速、一致、交互的訪問(wèn)，從而獲得對(duì)數(shù)據(jù)更深入了解的一類(lèi)軟件技術(shù)。而數(shù)據(jù)挖掘是一種決策支持過(guò)程，通過(guò)高度自動(dòng)化地分析企業(yè)原有的數(shù)據(jù)，從中挖掘出潛在的模式，預(yù)測(cè)客戶的行為，幫助企業(yè)的決策者調(diào)整市場(chǎng)策略，減少風(fēng)險(xiǎn)，作出正確的決策圈。這三者的關(guān)系如圖2所示。
 
　　
 
　　圖2 數(shù)據(jù)挖掘、OLAP、數(shù)據(jù)倉(cāng)庫(kù)之間的關(guān)系示意圖
 
　　由圖2可以看出，數(shù)據(jù)倉(cāng)庫(kù)是商業(yè)智能的基礎(chǔ)，它是一個(gè)環(huán)境，主要提供用于決策支持的當(dāng)前和歷史的數(shù)據(jù);OLAP屬于數(shù)據(jù)倉(cāng)庫(kù)應(yīng)用，它以數(shù)據(jù)倉(cāng)庫(kù)為基礎(chǔ)，其分析結(jié)果可以為數(shù)據(jù)挖掘提供分析信息，作為挖掘的依據(jù);數(shù)據(jù)挖掘則可以拓展OLAP的深度，可以發(fā)現(xiàn)OLAP所不能發(fā)現(xiàn)的更為復(fù)雜細(xì)致的信息。可見(jiàn)，只有將數(shù)據(jù)挖掘與OLAP、數(shù)據(jù)倉(cāng)庫(kù)結(jié)合起來(lái)，才能使企業(yè)的許多業(yè)務(wù)流程實(shí)現(xiàn)智能化運(yùn)作。離開(kāi)了數(shù)據(jù)倉(cāng)庫(kù)和OLAP，商業(yè)智能無(wú)從實(shí)現(xiàn)，因此，數(shù)據(jù)挖掘、OLAP與數(shù)據(jù)倉(cāng)庫(kù)均是企業(yè)商業(yè)智能的核心技術(shù)。