[摘要] 随着知识经济的到来，知识作为一种重要的经济资源可以提升企业的竞争力，知识管理作为一种经营战略模式越来越受到企业的重视。数据挖掘技术是数据库和信息决策领域的一个理论前沿，是知识发现的核心部分，利用数据挖掘技术可以从企业海量的数据和信息中挖掘出有效的知识，帮助企业实施科学有效的知识管理，从而提升企业的核心竞争力，促进企业科学、快速与持续发展。
[关键词] 数据挖掘知识管理知识知识管理系统
近年来，知识管理飞速发展，学者对知识管理的研究越来越深入，知识管理在企业中的实践也越来越广泛。企业可以广泛搜集到组织所掌握的技术诀窍、业务资料和长期实践经验等数据资料。但如何对这些数据资料进行科学地分析、处理，从而发掘出对管理和决策有价值的信息和知识，却是企业面临的主要挑战。数据挖掘技术可以有效地解决这一问题，并且被广泛应用于企业知识管理中。企业要在激烈的市场竞争中获胜，必须对组织中的知识进行整理或收集，形成企业的核心竞争能力的知识资本，从而提高企业的市场竞争力。
一、数据挖掘技术的常用方法
数据挖掘是从数据当中发现趋势或模式的过程，这个过程的目标是通过对大量数据的分类从而发现新的信息。数据挖掘（Data Mining）指的是从大量数据中挖掘出隐含的、先前未知的、对决策有潜在价值的信息和知识的过程。
企业中应用数据挖掘技术的一般过程为：问题定义、发现信息、制订实施计划、采取行动及监测效果等步骤。数据挖掘过程中常采用以下几种方法：
1.分类（有指导的学习）。数据挖掘中的分类（或有指导的学习）方法在商务领域普遍存在。人们可以对数据库中的数据进行分组，一旦数据被分类，就可以概括这些不同组的特点。数据分类的基本技术有神经网络、遗传算法、决策树、贝叶斯信任网络、统计分析等方法。
2.聚类研究（无指导的学习）。聚类是一种对具有共同趋势和模式的数据元组进行分组的方法。聚类又称分段，是将数据集划分成若干个不同组的过程。聚类技术试图找出数据集中共性和差异，并将具有共性的元组聚合在相应的类或段中。
3.可视化。可视化即以图形方式表示数据，以图形方式表示的数据易于理解。可视化技术可以很容易地表示例外情况，例外是其值不在期望范围的数据。
4.关联（货篮子）分析。关联（或货篮子，简称MB）分析可以发现给定数据集中的频繁模式，常被用作从产品目录或零售商店的销售数据（无论是有形销售还是在线销售）中导出产品和关联的商用信息。
页挖掘。随着互联网技术的迅速发展，web上的信息无比丰富，web页挖掘可以对web页上的海量数据进行分析，提炼出有价值的信息。
6.异常性分析。从繁多的数据中挖掘出与其他数据显著不同的数据。
二、企业中数据、知识、信息、知识管理和信息管理的关系
企业中数据指的是各种未经处理的业务数据、销售数据、生产数据等，通过对这些数据进行加工处理就可以得到一些对企业经营有利的信息。企业中的.知识和信息共同构成企业知识的来源，知识不是数据和信息的简单积累，知识是一种包括了人员的经验、价值观、关联关系，以及专家见解等要素的动态集合。数据是形成信息的基础或组成部分，处理过的数据可以形成信息。信息是知识的重要组成部分，信息经过加工处理可以变成知识。
知识管理是指对知识的创新、获取、加工、存储、传播和应用的管理，知识管理的研究存在两大研究主题：企业知识管理和图书馆知识管理。企业知识管理的内容包括：企业智力资源管理、知识产权资源管理、市场资源管理、组织设计管理、文化管理、信息化管理。信息管理是为实现组织目标，满足组织需求，解决组织环境问题而对信息资源进行开发、规划、控制、集成、利用的一种战略管理。信息管理是知识管理的基础，知识管理是信息管理的延伸与发展。
