经济危机之下，市场竞争日趋激烈，中小企业所面临的头等大事是“如何生存，如何发展”，CIO工作的中心也应围绕如何提高企业生存能力、如何提高企业发展速度而展开的。
因此CIO应及时将信息部的工作重点进行“转移”，实行信息部门的转型，重心应放到充分挖掘和利用系统的数据上。也就是从原来的实施建设、系统维护为主，转到数据挖掘和分析利用上，把生产分析、质量分析、销售分析、财务分析等经营分析，提供数据信息决策，服务公司的业务绩效管理，作为IT部门当务之急。
也只有这样，才能让两面遭受夹板气的CIO真正从困境中走出来，在危机中体现自己和IT部门的应有价值。
高价低效的信息系统让CIO很无奈
这些年，为了改善营销管理水平、深度开拓市场、提高竞争效率，不少企业信息化建设如火如荼开展着，尤其是像零售业和制造业等，大部分已重金先后部署了OA、CRM 、HR、ERP等系统，然而对多数用户企业而言，却感慨颇多，虽然有了一套IT系统，但能够真正深入使用，并产生效益的并不多，甚者还耗费了企业大量的财力、人力和时间成本。因此CIO为此少不了企业上下的非议。
“现在公司OA系统似乎只是收发文件、发个邮件而已，大部分功能闲置，更多是成了摆设，被员工甚至老总弃用。就如鸡肋，用之无味，弃之可惜。我真的很尴尬”厦门一家房地产公司信息主管说。
“起初公司对这套CRM系统寄予了很大的憧憬，以为它可以顺利解决我们企业在开拓市场、客服流程、营销管理方面的问题与症状，但结果它成了一个摆设!实际应用过程中我们只利用了该系统中25%左右的功能，其与具有统计、汇总功能的EXCEL表件没有多大差别。”在一年前就实施了CRM的泉州一家知名医药零售连锁公司的信息部负责人向业界诉苦说。
近段，英国贝恩管理咨询公司一份调研报告指出，中国企业使用管理软件不满意率高达65%，在国内300多家企业所实施的软件系统中，大约有55%项目没有达到用户企业的预期目标——充分改善企业营销管理水平、有力提高竞争效率。
可以说，高成功实施率、低效使用率是目前国内企业信息化建设一个通病，使得用户企业陷入信息化建设的困局。而造成这困局即有企业的客观因素，也有CIO主次不分、中心工作不明确的主观因素。
信息系统形同摆设，囿于CIO难于有效深度数据挖掘
因受一些因素影响，目前多数企业CIO只重视了诸如信息发布、内部通讯、文件处理、档案管理等初级沟通、联系和应用，而却忽略了一个非常重要的东西，那就是对于软件系统中的信息再处理，或者叫“对系统信息的深加工”。一个管理软件如果要发挥更大的作用，CIO就不能让它仅局限在简单、初级的信息沟通上面，否则那仅是一个整合通讯系统而已。
时下不少企业即上OA、CRM，也上ERP系统，使企业信息数据海量式剧增，而且繁杂无章，良芜难辨。企业决策层和CIO的困惑在于，一是面对堆积如山的数据往往无可奈何，企业找不到解决的方法，或是不知如何解决;二是海量数据无边无际，系统性能并不好，尤其是数据库差强人意，信息系统难于有效处理、深加工。
可以说，目前大部分企业经营决策面临的最大挑战不是缺少数据，而是数据太多，面对这些只是静态、孤立、无多大参考意义的“初级品”的信息数据，CIO如何通过系统功能来有效利用和整合，发掘有价值的数据，给公司决策层提供支持，已成为摆在CIO面前的难题。可以说，在日新月异的海量数据里迅速提取有价值信息并尽快做出反应，已成为企业的“致胜秘笈”，同时也保住自己乃至自己的IT团队。
而浩如烟海的客户及企业市场、销售和服务信息，如果没有一个具有高度商业智能的数据分析和处理系统是不可想象的。因此大规模的信息化建设结束、在维持日常系统维护运行之时，如何用好企业的数据，使其为业务及决策服务是CIO的工作中心了。
如何解决这种普遍存在的问题？企业所用的系统软件，应内置一种高度自动化的智能工具，能够完全整合现有的业务系统，充分挖掘数据、分析数据，为企业决策提供支持。
此时，数据挖掘(Data Mining，简称DM)就呼之而出，可否有效充分发挥系统内的数据挖掘功能和作用，就关系系统价值大小、信息化成败了，也体现了CIO能耐、价值的大小。
数据挖掘，是一种决策支持过程，主要基于AI、机器学习、统计学等技术，利用各种分析工具，CIO可从大量的、不完全的、有噪声的、模糊的、随机的实际应用数据中高度自动化提取隐含在其中的、但却非常有用的信息、模式(规则)和趋势，并可对数据进行标准化、抽象化、规范化分类、分析，从中挖掘出潜在的模式，作出归纳性的推理，从而帮助企业决策层调整市场策略，作出正确经营决策，减少经营风险。
目前DM在很多行业都有有较好的应用，在国外，DM已广泛应用于银行金融、零售与批发、制造、保险、公共设施、政府、教育、远程通讯、软件开发、运输等各个企事业单位。
系统数据挖掘功能优劣，当是CIO软件选型的试金石
可以说，数据挖掘是改善企业管理水平、提高竞争效率的基石，也是评判一个软件系统好坏、CIO软件选型的关键依据。包括多数管理软件，其核心功能体现之一就是数据挖掘(DM)技术。目前许多企业CIO软件选型重视系统的性能、价格、服务与知名度等，却对隐藏在系统深处的数据挖掘功能和作用没加以重视，让其凉在一边，即使发觉，也没有甄别其优劣(不同管理软件其数据库功用差别很大)，以为大同小异，无足轻重，结果错失了提升企业管理水平的契机。
以CRM为例。一个优秀的CRM系统能将数据挖掘技术与现有技术很好地结合起来，将特殊领域的商业逻辑与数据仓库技术集成起来，使数据挖掘的分析效果和效益尽可能达到峰值。
以前相关一些系统数据挖掘，能够促使分析报告回答“发生了什么事”，现在好的CRM系统数据存已可以被用来回答“为什么会发生这种事”，而且一些关联数据库还可以预言“将要发生什么事”，最终发展为活跃的数据仓库，从而决定“你(用户)想要什么事发生”。
时下，一个优秀酒店CRM系统能对客人信息充分有效管理并深度挖掘。如果某个客人是某酒店的老主顾，那么该CRM系统就会向酒店提供个性化服务，清楚告知酒店经理人这位客人的习惯和喜好，如是否喜欢靠路边，是否吸烟，是否喜欢大床，喜欢什么样的早餐，甚至从事什么工作，有什么商务需求，等等。当客人再次光临时，不用客人自己提出来，酒店CRM系统就会自动提供客人所喜欢的房间和服务等相关信息，大大提升酒店管理效率。
沃尔玛“啤酒和尿布”的经典案例不少媒体都曾报道过，就是沃尔玛通过建立的SCM供应链数据仓库，按周期统计产品的销售信息，经过科学建模后提炼决策数据。结果发现，每逢周末，位于某地区的沃尔玛连锁超市啤酒和尿布的销量很大。之后该店打破常规，将啤酒和尿布的货架放在了一起，使得啤酒和尿布的销量进一步增长。
不管是OA、CRM还是ERP、SCM，其数据挖掘的流程大概有以下几个方面内容：
1、数据清洗(去除噪音数据和不统一数据);2、数据整合(多个数据源的数据汇总到一起);3、数据筛选(根据当前要分析的主题从数据库中选取出与主题相关的数据);4、数据转换(整理，转换数据使它们便于使用诸如“汇总”，“聚合”等挖掘算法的形式);5、数据挖掘(这可是核心的步骤，使用智能化方法来抽取出隐含的模式规则);6、模式评估(对新发现的“知识”进行验证评估来检验此模式是不是可行);7、知识表示(将挖掘出来的模式使用可视化的形式显现给用户)。
