(1) 数据采集来源

企业内部数据的采集主要来源于各个业务生产系统，包括CRM数据、呼叫中心(Call Center，CC)数据、财务数据、仓储数据、门店数据、销售数据、办公自动化 (Office Automation，OA) 数据物流数据、网站数据等。这些数据源提供了企业在日常运营中的各种信息，包括客户信息、销售信息、财务信息、库存信息等。

另一方面，企业外部数据通常是指在企业外部产生并由企业通过合作、购买、采集等方式获得的数据。这些数据通常包括竞争数据、营销数据、物流数据、行业数据等，这些数据反映了企业所处的市场环境和其他企业的表现，对于企业制定战略和决策具有重要的参考价值。

(2) 数据存储方式

在数据源的基础上，通过使用数据仓库技术 (Extract-Transform-Load，ETL) 进行数据整合，我们可以形成供上层计算或业务使用的数据仓库及数据集市。数据仓库是面向上层数据应用或业务决策的，它是一个面向主题的、集成的、相对稳定的、反映历史数据变化的数据集合。

(3) 数据计算方式

数据挖掘的模型可以根据实现结果的不同而分为回归模型、聚类模型、关联模型、时间序列、分类模型和机器学习等。同时，按照计算结果输出的时间性，我们可以将数据计算分为实时计算和离线计算。部分企业会在实时计算和离线计算之间加入临时计算，以满足特定的数据处理需求。对于大多数中小企业来说，由于数据体量和应用需求相对较小，他们可以通过数据实时计算获得所需结果，因此通常不需要单独拆分数据计算模块。然而，对于大中型企业或需要处理海量数据的特定企业来说，具备独立的数据计算模块是有意义的。

(4) 数据管理功能

数据管理层是连接数据和应用之间的桥梁。通常，上层自动应用或产品化所需的数据可以直接由数据计算层调用。对于大多数企业来说，数据管理层的首要功能是用户管理和数据管理。这些功能旨在确保数据的准确性和完整性，同时满足各种业务需求。然而，尽管许多企业已经在使用数据管理平台 (Data Manage Platform，DMP) 来实现这些功能，但现有的大多数DMP产品仍主要集中在底层数据的整合和抽取等方面，尚未上升到真正的数据管理层面上。

(5) 数据应用领域

目前，数据主要通过辅助决策应用来发挥其价值，这包括如自动化营销、站内个性化推荐、数据产品化报表等多种形式。这些应用都是基于数据的分析和挖掘结果，以满足特定的业务需求。例如，自动化营销可以根据用户的行为和偏好进行个性化的推荐；站内个性化推荐可以根据用户的浏览历史和购买记录进行个性化的产品推荐；数据产品化报表可以将数据分析的结果以直观的方式呈现给业务人员。此外，数据驱动也需要借助技术手段实现，通常使用的是建立在数据事件触发或数据结果触发基础上的自动化运行机制。例如，实时竞价 (RealTime Bidding，RTB) 、个性化EDM、站内个性化推荐等项目都需要根据用户的行为或偏好数据进行自动化的决策和操作。