将贸易规则明确表示出来，而且是在软件中加以表示，这样 做的一

个主要原因是某些规则可能会发生空化，而且变化很快。 当它们发生变化时，人们希望软件能在同时立即发生相应的改变。

在 80 年代发展起来的“人工智能”系统代表了以规则形式表现的知识。大量的规则被储存在计算机中，通过搜索规则并按逻辑将它们连接在一起进行推理，计算机可以解决某些类型的问题。在处理像规划、诊断、再成形、模拟和最优化这类问题时，计算机的推理要比人做得好。最先进的自动化推理系统已经远远超过人的能力。但在大多数情况下，人的洞察力需要与自动化推理结合起来。这种结合有可能生产出更复杂的产品、设计出更复杂的操作。在产品设计中，可以考虑利用计算机诊断产品问题。工厂网络的设计可以建立在自动化生产规划和自动化采购的基础上。全球范围的后勤工作经过复杂的设计，可以实现计算机化管理。

数据挖掘

通过计算机化企业的传感器、Internet 上的信息收集，以及其它信息资源产生了巨大的数据流。人们通过设计数据存储工具对大量的数据进行捕捉和开发，这种捕捉和开发必须按一定方式进行，这种方式能够保证对它们的查找和理解。然后，决策制定者可以使用数据分析工具，按有益的方式对复杂的数据进行分析，使用数据图像工具画出数据图表，以帮助提供好的见解。

许多情况下，数据是非常混乱和复杂的，人们很难分辩其中包含的模式， 从而利用它们了解情况，对数据进行更好的管理。数据挖掘软件利用各种不同的技术；包括神经网络（建立在大脑机制的基础上）在数据海洋里“挖掘”， 寻找可能导致较好决策制定的模型。当找出模型后，决策制定者需要检验它是否真的能够导致较好的决策。他利用历史数据对模型进行检验，看它是否能够提供理想的结果。例如，它可能显示，具有某些特点的顾客趋向于购买特定的商品。这些顾客应该作为市场营销的目标。

数据挖掘可以揭示：在大量的通讯名单中哪部分产生了最好的结果，或者在全球范围的航空经营中，备件应该存放在什么地方。金融团体通过复杂的方式使用数据挖掘技术设计衍生物、改善投资决策。药品行业利用数据挖掘了解与疾病影响有关的因素，研究药效。银行和保险公司使用数据挖掘更好地进行风险管理。沃尔·玛特（Wal—Mart）做了充分的数据挖掘，而凯·玛特（Kmart）却没有，而这成了帮助沃尔·玛特（Wal—Mart）在市场上战胜凯·玛特（Kmart）的一个因素。

为使数据挖掘更为有效，收集最有用的数据是必要的。例如，一些大商场征集顾客的邮政编码，并使它与在收款台采集的条形码数据联系在一起。收集最有价值数据并对它们进行挖掘，这种能力对任何行业都是很重要的。