下载掌阅APP，畅读海量书库
立即打开
设计人员在设计时，所获得的海量数据库中的参数都是对产品各种性质的描述，这些参数对于选择设计方案的贡献程度（权重）不同。在设计知识表中，一个实例代表一条基本产品设计方案，但这些具体设计方案描述的都是每一种产品的参数的具体取值情况，因而设计人员在设计某类产品时不能很好地获得有代表性的参考信息。
在现代产品设计中，设计人员已经越来越注重如何从产品各类数据中去挖掘能够指导产品设计的有用信息，这些信息主要包括以下两个方面。
1．产品市场需求信息
在激烈的市场竞争中，能对市场进行深入了解已经成为企业最具价值的竞争力之一，作为体现市场导向的市场相关数据，这也被证明是企业的一种强有力资产。随着数据挖掘技术在企业中的应用，产品市场相关数据也充分发挥了它的作用。
产品市场需求信息相关的数据可来自不同的数据源，主要有两种途径：一个是内部数据源，公司内部有许多数据源，如从客户关系管理（Customer Relationship Management，CRM）系统的市场部可以获得关于客户需求的数据，从原有业务流程那收集供应与需求方面的数据等；另一个是Web数据，越来越多的市场活动已经开始通过Web进行，可以将Web用户所做的每一件事情都记录到Web日志中。
通过获得的产品市场需求相关数据，就可以利用数据挖掘技术进行模式发现，然后通过实验，优化产品的设计。一是通过客户需求数据，区分出不同产品面对的客户类型与特点，了解产品针对客户的吸引力。针对不同的分析需求，可以将客户按照自然属性（年龄、职业、区域、职称、文化程度等）和产品属性（呼叫行为、消费行为等）进行群体划分，以便市场经营与产品设计人员能够为不同的用户群体提供不同的产品设计策略。二是通过市场活动数据可以评价产品的以前的销售情况，同时预测产品在未来的需求状况，从而可以调整产品的研发与生产过程。通过对产品市场需求数据的分析，可以了解还有哪些需求是当前产品所没有满足的，设计人员可以对这些数据的挖掘，来掌握整个产品的开发策略。
2．产品运行与试验数据
在产品的设计过程中，需要重点参考的产品实际数据主要有两个方面：一个是产品实际的运行数据，包括以往此类产品的运行情况；另一个就是产品的试验数据，尤其是涉及大型工业机械产品时，产品的试验数据会对整个产品的后续设计起到非常关键的作用。
目前的产品运行与试验数据的分析技术，一般都先通过各种手段获得的有关的数据，再运用传统的专家系统对这些数据进行分析。用传统的方法建立专家系统时，要求技术专家将自己的经验总结成规则，以供计算机建立知识库用。这种方式存在其难以克服的缺陷：首先，很多用于诊断的信息难以用数学方法或有明显规则的语言来表达；其次，在数据分析过程中，有的规则相当多，而规则太多会导致推理前后矛盾，而传统的专家系统缺乏自学习能力，对知识库的修改、补充必须借助于技术专家的人为干预才能进行，系统本身没有自学习的机制。
运用数据挖掘工具可以从大量的产品运行及试验数据中发现信息、推理知识；可以辅助设计人员筛选大量的日常数据，寻找、发现隐藏数据，揭示新的关系和模型，提供预期有用的信息。