一、人類社會三大要素

　　人類社會三大要素(能源 材料和信息)中，信息愈來愈顯示出其重要性和支配力，它將人類社會由工業(yè)化時代推向信息化時代，使現(xiàn)代社會所有大的機構(gòu)都卷入到以數(shù)據(jù)及其處理(數(shù)據(jù)搜集 存儲 檢索 傳送 分析和表示）的浪潮中。而隨著人類活動范圍擴展，節(jié)奏加快，以及技術(shù)的進步，人們能以更快速較易而廉價的方式獲取和存儲數(shù)據(jù)，這就使得數(shù)據(jù)和信息量以指數(shù)形式向上增長。早在八十年代，人們粗略地估算到全球信息量，每隔20個月就增加班一倍。進入九十年代，各類機構(gòu)所有數(shù)據(jù)庫數(shù)據(jù)量增長更快。一個不大的企業(yè)每天要產(chǎn)生100MB以上來自各方面的營業(yè)數(shù)據(jù)。美國政府部門的一個典型的大數(shù)據(jù)庫每天要接收約5TP數(shù)據(jù)量，在15秒到1分鐘時間里，要維持的數(shù)據(jù)量達到300TB，存檔數(shù)據(jù)達15-100PB。在科研方面，以美國宇航局的數(shù)據(jù)庫為例，每天從衛(wèi)星下載的數(shù)據(jù)量就達3-4TB之多，而為了研究的需要，這些數(shù)據(jù)要保存七年之久。九十年代因特網(wǎng)（Internet）的出現(xiàn)和發(fā)展，以及隨之而來的企業(yè)內(nèi)部網(wǎng)（Intranet）和企業(yè)外部網(wǎng)（Extranet）以及虛擬私有網(wǎng)（V P N--Virtual Private network）的產(chǎn)生和應(yīng)用，將整個世界聯(lián)成一個小小的地球村，人們可以跨越時空地在網(wǎng)上交換信息和協(xié)同工作。這樣，展現(xiàn)在人們面前的已不是局限于本部門，本單位和本行業(yè)的龐大數(shù)據(jù)庫，而是浩瀚無垠的信息海洋。據(jù)估計，1993年面全球數(shù)據(jù)存貯容量約為二千TP，到達2000年會增加到三百萬TB，對這極度膨脹的數(shù)據(jù)信息量，人們受到“信息爆炸”“混沌信息空間”（Information Chaotic Spact）和“數(shù)據(jù)過剩”（Data glut)的巨大壓力。

　　然而，人類的各項活動基于人類的智慧和知識，即對外部世界的觀察和了解，正確的判斷和決策以及采取正確的行動，而數(shù)據(jù)僅僅是人們用各種工具和手段觀察外部世界所得到的原始材料，它本身沒有任何意義。從數(shù)據(jù)到智慧，要經(jīng)過分析加工處理精煉的過程。如圖1所示：數(shù)據(jù)是原材料，它只是描述發(fā)生了什么事情，它不提供判斷或解釋，和行動的可靠基礎(chǔ)。人們對數(shù)據(jù)進行分析找出其中關(guān)系，賦予數(shù)據(jù)以某種意義和關(guān)聯(lián)，這就形成所謂信息。信息雖給出了數(shù)據(jù)中一些有一定意義的東西，但它往往和人們手上的任務(wù)沒有什么關(guān)聯(lián)，還不能做為判斷 決策和行動的依據(jù)。對信息進行再加工，進行深入洞察，才能獲得更有用可資利用的信息，即知識.所謂知識，可以定義為“信息塊中的一組邏輯聯(lián)系，其關(guān)系是通過上下文或過程的貼近度發(fā)現(xiàn)的。”從信息中理解其模式，即形成知識。在大量知識積累基礎(chǔ)上，總結(jié)成原理和法則，就形成所謂智慧(Wisdom）.其實，一部分人類文明發(fā)展史，就是在各種活動中 知識的創(chuàng)造 交流 再創(chuàng)造不斷積累的螺旋式上升的歷史。另一方面，計算機與信息技術(shù)的發(fā)展，加速了這種過程，據(jù)德國世界報的資料分析，如果說19世紀時科學(xué)定律（包括新的化學(xué)分子式，新的物理關(guān)系和新的醫(yī)學(xué)認識）的認識數(shù)量一百年增長一倍，到本世紀60年代中期以后，每五年就增加一倍。這其中知識起著關(guān)鍵的作用。當(dāng)數(shù)據(jù)量極度增長時,如果沒有有效的方法,由計算機及信息技術(shù)來提取有用信息和知識，也感到像大海撈針一樣束手無策。據(jù)估計，一個大型企業(yè)數(shù)據(jù)庫中數(shù)據(jù)，只有百分之七得到很好應(yīng)用.這樣，相對于“數(shù)據(jù)過剩” 和“信息爆炸”,人們又感到“信息貧乏”（Information poor)"數(shù)據(jù)關(guān)在牢籠中”(data in jail).

二 從數(shù)據(jù)到知識

　　早在八十年代，人們從“物競天擇 適者生存”的大原則下，認識到“誰最先從外部世界獲得有用信息并加以利用誰就是優(yōu)勝者”。現(xiàn)時當(dāng)市場經(jīng)濟面向全球性劇烈競爭的環(huán)境下，一家廠商的優(yōu)勢不在于像產(chǎn)品 服務(wù) 地區(qū)等方面因素，而在于創(chuàng)新。用知識來作為創(chuàng)新的原動力，就能使公司長期持續(xù)保持競爭優(yōu)勢。因此要能及時迅速從日積月累的龐大的數(shù)據(jù)庫及網(wǎng)絡(luò)上獲取有關(guān)經(jīng)營決策有關(guān)知識，這是應(yīng)付客戶需求易變性及市場快速變化引起競爭激烈局面的唯一武器。

　　針對上述情況，如何對數(shù)據(jù)與信息快速有效地進行分析加工提煉以獲取所需知識并發(fā)揮其作用，向計算機和信息技術(shù)領(lǐng)域提出了新的挑戰(zhàn)。其實計算機和信息技術(shù)發(fā)展的過程，也是數(shù)據(jù)和信息加工手段不斷更新和改善的過程。早年受技術(shù)條件限制，一般用人工方法進行統(tǒng)計分析，和用批處理程序進行匯總和提出報告.在當(dāng)時市場情況下，月度和季度報告已能滿足決策所需信息要求。隨著數(shù)據(jù)量的增長，多渠道數(shù)據(jù)源帶來各種數(shù)據(jù)格式的不相容性，為了便于獲得決策所需信息，就有必要將整個機構(gòu)內(nèi)的數(shù)據(jù)以統(tǒng)一形式集成存儲在一起,這就是所謂數(shù)據(jù)倉庫（data Warehousing).它不同于只適用于日常工作的數(shù)據(jù)庫.它是為了便于分析針對一定主

　　題（Subject-oriented）的集成化的 時變的（time-Variant即提供存貯5-10或更老的數(shù)據(jù)，這些數(shù)據(jù)不再更新，供比較以求出趨向及預(yù)測用）非破壞性（即只容易輸入和訪問不容許更新和改變）的數(shù)據(jù)集中場所。數(shù)據(jù)倉庫的出現(xiàn)，為更深入對數(shù)據(jù)進行分析提供了條件，針對市場變化的加速人們提出了能實時分析和報表的在線分析手段OLAP（On Line Analytical Processing），它是一種友好而靈活的工具，它能允許用戶以交互方式瀏覽數(shù)據(jù)倉庫對其中數(shù)據(jù)進行多維分析，能及時地從變化和不太完整的數(shù)據(jù)中提出與企業(yè)經(jīng)營動作有關(guān)的信息。例如能對數(shù)據(jù)中的異常和變化行為進行了解，OLAP是數(shù)據(jù)分析手段的一大進步，以往的分析工具所得到的報告結(jié)果能回答“什么”（What），而OLAP的分析結(jié)果能回答“為什么”（Why）。但上述分析手段是建立在用戶對深藏在數(shù)據(jù)中的某種知識有預(yù)感和假設(shè)的前提下。而由于數(shù)據(jù)倉庫（通常數(shù)據(jù)貯藏量以TB計）及聯(lián)網(wǎng)界面上的數(shù)據(jù)來源于多種信息源，因此其中埋藏著豐富的不為用戶所知的有用信息和知識，而要使企業(yè)能及時迅速準(zhǔn)確地作出經(jīng)營動作的決策，以適應(yīng)變化迅速的市場環(huán)境，就需要有一種基于計算機與信息技術(shù)的智能化自動工具，來發(fā)掘埋藏在數(shù)據(jù)中的各類知識。這種手段不應(yīng)再基于用戶假設(shè)，而應(yīng)能自身生成多種多種假設(shè)，再用數(shù)據(jù)倉庫或聯(lián)網(wǎng)的數(shù)據(jù)進行檢驗和驗證，然后返回對用戶 最有用的結(jié)果。同時這種工具還應(yīng)能適應(yīng)現(xiàn)實世界中數(shù)據(jù)的多種特性（即量大 含噪聲 不完整 動態(tài) 稀疏性 異質(zhì) 非線性等）。要達到上述要求，只借助于一般數(shù)學(xué)分析和算法是無能為力的。多年來，數(shù)理統(tǒng)計技術(shù)以及人工智能和知識工程等領(lǐng)域的研究成果，諸如推理 歸納學(xué)習(xí) 機器學(xué)習(xí) 知識獲取 模糊理論 神經(jīng)元網(wǎng)絡(luò) 進化算法 模式識別 粗糙集理論等等分支給開發(fā)上述工具提供了堅實而豐富的理論和技術(shù)基礎(chǔ)。九十年代中期以來，許多軟件開發(fā)商，基于上述技術(shù)和市場需求,開發(fā)了名目繁多的數(shù)據(jù)發(fā)掘(DM--Data Mining)和知識發(fā)現(xiàn)(KDD--Discovery from Data）工具和軟件，DM和KDD形成了近年來軟件開發(fā)市場的熱點，并且已不斷出現(xiàn)成套軟件和系統(tǒng)，并開始朝智能化整體解決方案發(fā)展，這是從數(shù)據(jù)到知識前進過程中又一個里程碑。

　　從數(shù)據(jù)中獲取有用信息或知識，是一個完整的對數(shù)據(jù)進行加工 處理的過程。如圖3所示，其中DM是關(guān)鍵的一步。挑選：按一定的標(biāo)準(zhǔn)從數(shù)據(jù)源中挑選或切取一組數(shù)據(jù)，形成目標(biāo)數(shù)據(jù)。凈化和預(yù)處理：將不必要或影響分析進程的部分數(shù)據(jù)刪去。轉(zhuǎn)換：將預(yù)處理后的數(shù)據(jù)進行某些轉(zhuǎn)換使之成為可用和可導(dǎo)引的數(shù)據(jù)。數(shù)據(jù)發(fā)掘：這是關(guān)鍵的階段，從數(shù)據(jù)中抽取出信息的模式。所謂模式，可以作如下定義：給定一組事實（數(shù)據(jù)）F，一種語言L，和某種可信度測量C，模式就是一種用L的描述方式S，它以可信度C對F的一個子集Fs各事實間的關(guān)系進行描述，這種描述在某種意義上比枚舉Fs中所有事實上要簡單得多。解釋賦義或可視化：將模式解釋為可以支持決策的知識，例如預(yù)測 分類 匯總數(shù)據(jù)內(nèi)容和解釋所觀察到的.現(xiàn)象等。上述階段之間也許還需要某種迭代分析.(見圖3)從上述過程可以看出,從數(shù)據(jù)中獲取知識是涉及多個領(lǐng)域內(nèi)技術(shù)融合的綜合應(yīng)用（見圖4）

　　數(shù)據(jù)庫 模式識別

　　技術(shù)

　　機器學(xué) 可視化

　　習(xí)技術(shù) 技術(shù)

　　AI技術(shù) 統(tǒng)計學(xué)

　　圖4 DM(KDD)與相關(guān)技術(shù)