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
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