中文XML论坛--下一代数据挖掘工具是什么样子？

贴子主题：下一代数据挖掘工具是什么样子？

本主题类别:

最近，Gartner发布了07年一季度的客户数据挖掘产品魔力幻方（Magic Quadrant for Customer Data Mining, 2Q07　如图），在领导者、挑战者、利基市场和远见卓识四个象限中，SAS和SPSS占据领导者象限，仍然没有产品对这两者的统治地位具有任何挑战，所以挑战者是一片空白，大多数小的厂商都仅仅占有利基市场，值得注意的是在“远见卓识家”象限，KXEN和Portrait software独树一帜。
数据挖掘在国内的市场，还是需要一段时间，首先要有大量数据的积累，这点来说，电信、证券和银行行业已经满足，其次，最终应用数据挖掘的客户，必须面对着同类客户的竞争，所以他们要做客户细分，要针对不同的客户群定制自己的产品；要做分类模型来预测自己将要流失的客户，进行客户挽留；要对产品的销售进行捆绑，提高竞争力；要对客户的生命周期进行不同点的控制。从后者来说，我们的客户远远没有到这个需求，譬如，我们有很多银行，但是，现在大家都在讨论银行的排队问题，普通老百姓排队排到发狂：天津老汉被尿憋晕、深圳男子当众撒尿，我们的歇斯底里正是说明这些垄断行业没有面对竞争的压力，也不需要增加自己的竞争力，何来数据挖掘的需要呢？
SAS是BI领域最具竞争力的厂商之一，近40年的历史，在统计领域的绝对权威地位，造就了这个受人尊敬的软件公司，就数据挖掘来说，不仅是一个SAS/EM，而是基于所有的产品之上的行业解决方案。相对来说，SPSS的Clementine是一个拙劣的效仿产品，但是市场就是硬道理，SPSS以其低廉的价格和良好的服务占有了很大的市场份额。如今，数据仓库的厂商都开始着力于数据挖掘产品，譬如，IBM的IM，Microsoft的分析服务，Oracle和Teradata也都有自己的数据挖掘产品，对于独立的单纯做数据挖掘的厂商而言，生存越来越不易。
客户需要明白的是，数据挖掘是业务需求驱动，而绝不是技术驱动的，但是，现在的大多数据挖掘产品，却不是这样，我们要建立的模型，总是基于一个算法，然后，基于算法的需求去做维度选择，数据预处理，去展示模型的结果，对模型进行解释，这种思路是SAS的罪过，因此，数据挖掘被当作一项昂贵的技术，“数据挖掘是一种艺术”，但是，我们却被束缚在技术的层面而不能大施拳脚。但是，趋势绝会改变。


	W 3 C h i n a ( since 2003 ) 旗下站点苏ICP备05006046号《全国人大常委会关于维护互联网安全的决定》《计算机信息网络国际联网安全保护管理办法》	46.875ms