而今在IT项目比如ERP\SCM\CRM\PDM等大型项目实施中，面对巨大风险，企业和咨询公司如何化解风险？网络上、报纸上、企业间之间不断传播实施失败的案例，总结各种风险并试图提出应对之策。总让人感到剪不断理还乱，凭生了许多烦恼。AMTeam.org。
对于大型项目来说化解风险最根本的一条是将大的项目分解成为很多个相对独立的部分， 而后分别完成每一部分。风险也就控制在一定范围之内了。 也就基本上解决了在项目中抓不住重点的问题。
“四两拔千斤”就是在项目开始时细化“项目分解结构（WBS）”， 再回头看风险。此时便有了风险灰飞烟灭的感觉。
（来源：企业资源管理研究中心AMT）
从图中可见，
“项目分解结构”主要按：时间、公司、模块、人员来划分是最基本的四个维度来划分。
在长期的实施中我们发现在大型IT项目的分解过程中按时间、公司、模块、人员来划分是最基本的四个维度。项目分解先以时间、模块、公司划分以后再针对每一个单元格， 我们就可以按项目团队的三层结构来安排工作和相关任务，并列举可能出现的风险及对策。
根据对Web数据的感兴趣程度不同，Web挖掘一般可以分为三类：Web内容挖掘（Web Content mining）、 Web结构挖掘（ Web structure mining）、 Web 用法挖掘（Web usage Mining）
3．1、Web内容挖掘：
指从Web内容/数据/文档中发现有用信息，Web上的信息五花八门，传统的Internet由各种类型的服务和数据源组成，包括WWW、FTP、Telnet等，现在有更多的数据和端口可以使用，比如政府信息服务、数字图书馆、电子商务数据，以及其他各种通过Web可以访问的数据库。Web内容挖掘的对象包括文本、图象、音频、视频、多媒体和其他各种类型的数据。其中针对无结构化文本进行的Web挖掘被归类到基于文本的知识发现（KDT）领域，也称文本数据挖掘或文本挖掘，是Web挖掘中比较重要的技术领域，也引起了许多研究者的关注。最近在Web多媒体数据挖掘方面的研究成为另一个热点。
Web内容挖掘一般从两个不同的观点来进行研究。从资源查找（IR）的观点来看，Web内容挖掘的任务是从用户的角度出发，怎样提高信息质量和帮助用户过滤信息。而从DB的角度讲Web内容挖掘的任务主要是试图对Web上的数据进行集成、建模，以支持对Web数据的复杂查询。
3．1．1从资源查找（Information Retrival）的观点挖掘非结构化文档：
非结构化文档主要指Web上的自由文本，包括小说、新闻等。在这方面的研究相对比较多一些，大部分研究都是建立在词汇袋（bag of words）或称向量表示法（vector representation）的基础上，这种方法将单个的词汇看成文档集合中的属性，只从统计的角度将词汇孤立地看待而忽略该词汇出现的位置和上下文环境。属性可以是布尔型，根据词汇是否在文档中出现而定，也可以有频度，即该词汇在文档中的出现频率。这种方法可以扩展为选择终结符、标点符号、不常用词汇的属性作为考察集合。词汇袋方法的一个弊端是自由文本中的数据丰富，词汇量非常大，处理起来很困难，为解决这个问题人们做了相应的研究，采取了不同技术，如信息增益，交叉熵、差异比等，其目的都是为了减少属性。另外，一个比较有意义的方法是潜在语义索引（Latent Semantic Indexing），它通过分析不同文档中相同主题的共享词汇，找到他们共同的根，用这个公共的根代替所有词汇，以此来减少维空间。例如：“informing”、“information”、“informer”、“informed”可以用他们的根“inform”来表示，这样可以减少属性集合的规模。
其他的属性表示法还有词汇在文档中的出现位置、层次关系、使用短语、使用术语、命名实体等，目前还没有研究表明一种表示法明显优于另一种。
用资源查找（Information Retrival）的观点挖掘半结构化文档：
与非结构化数据相比，Web上的半结构化文档挖掘指在加入了HTML、超连接等附加结构的信息上进行挖掘，其应用包括超连接文本的分类、聚类、发现文档之间的关系、提出半结构化文档中的模式和规则等。
3．1．2从数据库（Database）的观点挖掘非结构化文档：
数据库技术应用于Web挖掘主要是为了解决Web信息的管理和查询问题。这些问题可以分为三类：Web信息的建模和查询；信息抽取与集成；Web站点建构和重构。
从数据库的观点进行Web内容挖掘主要是试图建立Web站点的数据模型并加以集成，以支持复杂查询，而不止是简单的基于关键词的搜索。这要通过找到Web文档的模式、建立Web数据仓库或Web知识库或虚拟数据库来实现。相关研究主要是基于半结构化数据进行的。
数据库观点主要利用OEM(Object Exchange Model)模型将半结构化数据表示成标识图。OEM中的每个对象都有对象标识（OID）和值，值可以是原子类型，如整型、字符串型、gif、html等，也可以是一个复合类型，以对象引用集合的形式表示。由于Web数据量非常庞大，从应用的角度考虑，很多研究只处理办结构化数据的一个常用自集。一些有意义的应用是建立多层数据库（MLDB），每一层是它下面层次的概化，这样就可以进行一些特殊的查询和信息处理。对于在半结构化数据上的查询语言研究也得到了人们的重视并做了专题研究。
由于在数据库观点下数据的表示方法比较特殊，其中包含了关系层次和图形化的数据，所以大部分建立在扁平数据集合之上的数据挖掘方法不能直接使用，目前已经有人针对多层数据库挖掘算法进行研究。
3．2、Web结构挖掘：
Web结构挖掘的对象是Web本身的超连接，即对Web文档的结构进行挖掘。对于给定的Web文档集合，应该能够通过算法发现他们之间连接情况的有用信息，文档之间的超连接反映了文档之间的包含、引用或者从属关系，引用文档对被引用文档的说明往往更客观、更概括、更准确。
Web结构挖掘在一定程度上得益于社会网络和引用分析的研究。把网页之间的关系分为incoming连接和outgoing连接，运用引用分析方法找到同一网站内部以及不同网站之间的连接关系。在Web结构挖掘领域最著名的算法是HITS算法和PageRank算法。他们的共同点是使用一定方法计算Web页面之间超连接的质量，从而得到页面的权重。著名的Clever和Google搜索引擎就采用了该类算法。
此外，Web结构挖掘另一个尝试是在Web数据仓库环境下的挖掘，包括通过检查同一台服务器上的本地连接衡量Web结构挖掘Web站点的完全性，在不同的Web数据仓库中检查副本以帮助定位镜像站点，通过发现针对某一特定领域超连接的层次属性去探索信息流动如何影响Web站点的设计。
3．3、Web用法挖掘（Web usage Mining）：
即Web使用记录挖掘，在新兴的电子商务领域有重要意义，它通过挖掘相关的Web日志记录，来发现用户访问Web页面的模式，通过分析日志记录中的规律，可以识别用户的忠实度、喜好、满意度，可以发现潜在用户，增强站点的服务竞争力。Web使用记录数据除了服务器的日志记录外还包括代理服务器日志、浏览器端日志、注册信息、用户会话信息、交易信息、Cookie中的信息、用户查询、鼠标点击流等一切用户与站点之间可能的交互记录。可见Web使用记录的数据量是非常巨大的，而且数据类型也相当丰富。根据对数据源的不同处理方法，Web 用法挖掘可以分为两类，一类是将Web使用记录的数据转换并传递进传统的关系表里，再使用数据挖掘算法对关系表中的数据进行常规挖掘；另一类是将Web 使用记录的数据直接预处理再进行挖掘。Web 用法挖掘中的一个有趣的问题是在多个用户使用同一个代理服务器的环境下如何标识某个用户，如何识别属于该用户的会话和使用记录，这个问题看起来不大，但却在很大程度上影响着挖掘质量，所以有人专门在这方面进行了研究。通常来讲，经典的数据挖掘算法都可以直接用到Web 用法挖掘上来，但为了提高挖掘质量，研究人员在扩展算法上进行了努力，包括复合关联规则算法、改进的序列发现算法等。
在[4]中，根据数据来源、数据类型、数据集合中的用户数量、数据集合中的服务器数量等将Web 用法挖掘分为五类：
●个性挖掘：针对单个用户的使用记录对该用户进行建模，结合该用户基本信息分析他的使用习惯、个人喜好，目的是在电子商务环境下为该用户提供与众不同的个性化服务。
●系统改进：Web服务（数据库、网络等）的性能和其他服务质量是衡量用户满意度的关键指标，Web 用法挖掘可以通过用户的拥塞记录发现站点的性能瓶颈，以提示站点管理者改进Web缓存策略、网络传输策略、流量负载平衡机制和数据的分布策略。此外，可以通过分析网络的非法入侵数据找到系统弱点，提高站点安全性，这在电子商务环境下尤为重要。
●站点修改：站点的结构和内容是吸引用户的关键。Web 用法挖掘通过挖掘用户的行为记录和反馈情况为站点设计者提供改进的依，比如页面连接情况应如何组织、那些页面应能够直接访问等。
●智能商务：用户怎样使用Web站点的信息无疑是电子商务销售商关心的重点，用户一次访问的周期可分为被吸引、驻留、购买和离开四个步骤，Web用法挖掘可以通过分析用户点击流等Web日志信息挖掘用户行为的动机，以帮助销售商合理安排销售策略。
●Web特征描述：这类研究跟关注这样通过用户对站点的访问情况统计各个用户在页面上的交互情况，对用户访问情况进行特征描述。
营销(台湾称为：行销）是关于企业如何发现、创造和交付价值以满足一定目标市场的需求，同时获取利润的学科。营销学用来辨识未被满足的需要，定义、量度目标市场的规模和利润潜力，找到最适合企业进入的市场细分和适合该细分的市场供给品。营销经常由企业组织中的一个部门专门负责，这样其实有利有弊。利在：便于集中受过营销训练的群体专门从事营销工作；弊在：营销不应该仅限于企业的一个部门来进行，而应该在企业所有活动中体现出来。
早在人类出现时，营销就出现了。在《圣经•旧约》的第一章（当然这不是人类的开始），我们看到夏娃说服亚当偷食禁果，不过夏娃不是第一个营销人员，这个称号应该属于那条说服了夏娃把禁果推销给亚当的蛇。作为一门学科，营销学开始于20世纪上半叶，那时主要出现在与分销（尤其是批发和零售）相关的课程中。但是当时经济学正陷于追求纯理论的学术冲动之中，人们忽略了这门和经济正常运行关系密切的新兴学科。供求曲线只是表明了均衡时的价格水平，却没能解释从生产商通过批发商一直到零售商的价格链。因此早期的市场营销学者填补了经济学家研究的空白。不过，经济学仍然是营销学之母。营销已经是一个如此耳熟能详的词汇，或者说任何一个稍具规模的企业都会有这样一个部门或者专门的队伍。然而营销到底是什么？营销对于一个企业的意义何在？我们如何看待营销在整个企业发展战略中的位置？
在网上流传的一个关于“中国十大最烂专业”的帖子中，市场营销赫然在列。毕业生很难找工作显然是其最大的理由。市场营销，一方面极受企业重视，几乎被所有老板列为企业最核心的部门；另一方面，该领域里的所谓专业人才们却茫然找不到自己的位置，被社会和各种各样的正式与非正式组织边缘化。套用营销里面最为热门的术语，就是营销人员们，包括营销本身，都存在“定位”不清晰的问题。
最早的市场营销教科书教育我们说，当前的营销观已经从“以生产为导向”历经“以销售为导向”、“以市场为导向”达到“以顾客为导向”的阶段。在很多行业里是这样，然而在这个行业，在不少人仍然认为价格控制是核心环节的房地产行业里，在策划和销售经理以假排号和炒房为唯一手段的大环境下，仍然有必要重新正一正营销与销售之间的名。
很多人习惯于将与销售之外对应的营销环节称之为策划，然而策划实在是一个非常宽泛的概念，不如MARKETING——市场这个词来得准确。市场需要什么我们就生产什么，这个说法绝对正确但不完全。市场不是一个固化孤立的东西，需求也存在着无限可能性。立足于市场，的确减少一些盲目性，但仅仅有了市场观，在房地产行业做好营销还远远不够。
