資料探勘工具如何從海量資料中發掘隱藏洞見並作出預測？核心在於「建模」。本文解析建模邏輯、分類行銷與預測兩大經典應用場景，並描述企業級資料探勘系統架構。
建模 = 在已知結果的情境下抽象規律，應用於未知結果的情境。
類比：尋找西班牙沉船寶藏 → 分析歷史發現地點的共同特徵 (百慕達海域、特定洋流、時代航線) → 建立「沉船高機率模型」 → 推測其他具相同特徵海域可能發現寶藏。
電腦建模差別在於：能處理龐大歷史資料，自動從中萃取模式，而非人工歸納。
情境：電信業務拓展長途用戶，避免盲目發單。
| 一般資訊 (人口統計等) | 私有資訊 (交易紀錄等) | |
|---|---|---|
| 既有客戶 | 已知 | 已知 |
| 潛在客戶 | 已知 | 待定 (可能屬競爭對手) |
小規模試銷資料** 是建立初始模型的最佳基礎。
| 過去 | 現在 | 未來 | |
|---|---|---|---|
| 靜態資訊與計畫 | 已知 | 已知 | 已知 |
| 動態資訊 | 已知 | 已知 | 待定 |
利用歷史與當前動態資料，推演未來趨勢 (如下月波士頓銷售額、原因分析)。
[資料倉庫] ←→ [OLAP 伺服器] ←→ [資料探勘伺服器]
↑ ↓
[多維結構] [動態分析視圖]
↓
[報表/視覺化工具] → 決策者
| 元件 | 功能 |
|---|---|
| 資料倉庫 | 整合客戶契約、競爭情報等多源資料 (Sybase、Oracle、Redbrick 等)，經速度與彈性優化 |
| OLAP 伺服器 | 支援多維分析 (產品、地區、時間等維度)，複雜商業模型應用於倉庫 |
| 資料探勘伺服器 | 緊密整合 OLAP 與倉庫，直接追蹤資料、輔助即時決策、持續發現行為模式 |
| 報表/視覺化 | 將動態分析視圖轉為可執行行動計畫 |
傳統決策支援系統 (查詢/報表) 只是「回饋查詢結果」；資料探勘系統將「商業模型直接套用於倉庫」，產出「經分析抽象的動態視圖層」，依需求即時變化，實現從被動報表 → 主動洞見 → 行動建議的轉型。
