互联网数据挖掘

　　互联网发展的同时，也引发了数据处理需求的高速增长。IDC最新“数字宇宙”研究结果显示，全世界的信息量每两年以超过翻番的速度增长，2011年将产生和复制1.8ZB的海量数据，其增长速度超过摩尔定律。视频、图片、音频等等非结构化媒体数据的应用越来越频繁，社交网络的不断增长和壮大，甚至于结构化数据个体容量和个体数量也在迅速飙升。

　　企业将更多的关注放到了外部，而非内部，与制定“策略”有关的资讯，我们必须有组织地从外部环境获得，包括市场、顾客及非顾客、本身产业及其他产业的科技、全球金融环境及变动中的全球经济，这些才是企业创造成果的领域。

　　将数据挖掘技术应用到互联网这个巨大的数据库上，理论上可行，但是由于互联网自身的特点，也使它面临一些需要克服的技术难点。

　　1、海量。互联网上的数据是十分庞大的，而这种庞大的数据还是动态的，并且增长速度惊人。

　　2、碎片化。超文本先天具有表达不连续、片段化的特征，web2.0使信息发布在时间、空间上也更加趋于分散。

　　3、全天候。随时随地产生数据，7×24小时数据流，信息不再以网页文件的形式存在。

　　4、非结构。非结构化数据量大，由于文本、图片、视频等形式存在，需要更多的智能分析手段支持。

　　EMC公司首席市场官Jeremy Burton曾经表示：“大量杂乱无章的信息无休止地增加，带来了无穷无尽的机会，将促使社会、技术、科学和经济发生根本性改变。信息是企业最重要的资产，大数据正在促使企业改变信息管理方式，并从信息中挖掘出更大的价值。”

　　全球一体化经济体系，影响企业经营和竞争环境发生变化的因素日趋复杂，企业的灵活性与敏捷性变得重要，这就要求更多关注外部，并提高对外部变化的相响应速度。如何从海量信息中发掘出有价值的知识和情报将是一个长久的话题。