e世紀來臨，讓很多企業對在網路上做生意產生期待，希望這種新的的行銷模式可以成為神話。其實，在網路上做生意，並沒有想像中那麼簡單，我們知道實體世界裡，可以透過實際的推銷行為，讓客戶容易產生購買意願，但是在網路上，我們卻必需藉由文字，透過圖片以及各種數字，以更精確而詳細的資料與資訊，來刺激網友的購買慾望。
事實上，現階段在網路上消費的族群其實很固定，因為絕大多數的人還是比較相信一手交錢一手交貨的作法，而不願意去相信網站，甚至對線上交易仍存在安全上的疑慮。所以，如何找到自己的客戶群？並鎖定高價值的客戶群，會是一個決定成功的因素。
每一個人在網路上的每一個動作，例如：看每一篇文章、點每一個廣告或搜尋某一些字串，這些都是一個跡象，顯示網友的需求。但是怎樣把這些複雜，而且數量龐大的跡象串連起來，讓網路上的商店，從而瞭解到客戶想要買的東西是什麼？想看什麼？
換過角度來看，即便是任何一家實體公司，背後也都會有過去龐大的訂單資料、龐大的客戶訪談記錄、以及各種過去的記錄，這些記錄對於公司未來的銷售會有某些程度上的幫助。
問題來了，通常這些資料的資料量非常大，沒有經過整理，很難解讀出裡頭對公司有利的資訊。大家普遍遇到同樣的問題：「我們知道哪裡有金礦，但是怎樣取出來？」
什麼是會思考的生意模式？說穿了就是：怎樣把這些表面上看起來不相關的資料，整理萃取出有用的知識黃金。這就需要Data Mining（資料發掘）的技術。也就是說，資料發掘技術的目的，是替企業找出黃金。
舉例來說，你可以從Amazon書店的recommanded-reading，看到電腦依據你過去買過的書與CD的種類與內容，推薦你同類型的書產品。簡單來說，一件事情如果是專家來做，可以達到85%的準確性，使用Data Mining，就是用來取代專家的判斷，並且提昇準確性。也就是說，使用Data Mining 的Amazon，等於是有了個24小時全天工作的推銷員，隨時提供客戶最貼心的建議。
那要如何使用這項技術呢？一般而言，目前主要運用在資料發掘上的技術有三個：Machine Learning （機器學習），Neural Network （類神經網路），Genetic Algorithm （遺傳基因演算法）。每一種技術都有特定的用途，Machine Learning一般會用在解決分類性高的問題上，類神經網路適合用來找出資料的關連性，還有找出資料中潛在的族群分佈，Genetic Algorithm 則用在類神經網路的參數進行最佳化的處理，提昇發掘的效能與結果。
在實體世界裡面，已經有很多廠商運用Data Mining來解決問題。最直接的使用範例就是信用卡中心，用來辨識刷卡的防偽系統，以及銀行與保險業，用來評估客戶信用的貸款額度的系統。這些系統都會按照客戶過去的信用交易，以及各種資料來判斷這個人的信用與資金狀況，提供操作員專業的建議。用在企業知識管理是新的潮流，很多企業累積了長久的資料，與各種報告，透過分類整理並且進行資料發掘，可以建立企業的專家系統。電子商務上最常使用的就是使用者行為分析，例如Double-Click著名的DART技術，就是配合著Data Mining的使用者行為分析技術。另外，現在大小網站無不以「個人化服務」作為主要訴求，說穿了玩的就是Data Mining的技術，而哪些網站可以玩得起Data Mining，自然可以回過頭檢驗其「個人化服務」的訴求。
事實上運用Data Mining的技術，除了更了解客群外，更可以延伸用在CRM （客戶關係管理）的產品中，去探求客戶的需要，或者協助銷售分析。而很多國際著名的ERP軟體，還有統計分析軟體也都採用了Data Mining的技術。
因此，企業公司踏出e化第一步，可以從運用Data Mining的技術開始，利用其人工智慧的能力，來解決繁雜的分析處理工作。不過大家仍需對Data Mining有正確的認識才行，畢竟Data Mining只是一個工具，並非萬能的技術，一切成敗取決在人的身上。如果一家公司的專案負責人，沒辦法明確定義出他希望從資料發掘中獲得什麼，這樣反而可能會發展出來不符合需求的系統，以致無法達成預期的功效。
未來不管電子商務在未來如何變化，各種模式可能持續消長，不變的是對於大資料量處理的需求。因此如何建立會思考的生意模式，我想不可不去深入認識資料發掘的應用。
文章定位：
