知識發現及資料挖掘國際研討會(ACM SIGKDD International Conference on Knowledge Discovery and Data Mining)為一專業性技術研討會，每年舉辦一次，是為目前於知識發現及資料挖掘研究與應用領域最重要之研討會議。該研討會於資料發掘(Data Mining)研究與應用技術並重；歷屆以來，皆邀請世界各國學術界與業界於資料挖掘研究技術面與應用面相關專家參與，交流研究技術與應用成果及心得。本屆(二○○二年第八屆: KDD-2002 The Eighth ACM SIGKDD)研討會，會議地點在加拿大 亞伯達省 艾德蒙頓，會議時間為2002年7月23日至26日，為期 4 天。本次研討會中除資料挖掘方法之技術面研討，亦涵括資料挖掘技術應用於客戶及產品分析相關主題之研討交流；於Data Mining實務面的計畫執行與工具選擇，亦規劃相關session 做主題之研討與小組討論會議。為期 4 天的研討內容包括: 1. 6 Tutorials:a. Multivariate Density Estimation and Visual ClusteringRice University b. Text Mining for Bioinformatics. Novation Biosciences, Stanford University Medical Center c. Link Analysis : Current State of the ArtClearForest Corporation NY d. Common Reasons Data Mining Projects FailCSI(Computer Science Innovations) Corporation e. Querying and Mining Data Streams: you only get one lookBell Labs, Cornell University f. Visual Data Mining: Background, Techniques, and Drug Discovery ApplicationsUniversity of Massachusetts Lowell, Boeing , ATT Research & University Konstanz2. 6 Workshops:a. 2nd BIOKDD: Workshop on Data Mining in Bioinformatics b. 4th WEBKDD: Web Mining for Usage Patterns and User Profiles c. 3rd MDM/KDD: Workshop on Multimedia Data Mining d. MRDM Multi-Relational Data Mininge. 2nd Workshop on Temporal Data Miningf. Fractals and Self-similarity in Data Mining: Issues and Approaches 3. Research and Industrial Papers Tracks:Proceedings 含 32 篇 research papers、12篇industrial papers 及 44 篇 poster papers。於研討會中，約計有 2 日安排research 及 industrial papers 作者與會報告並就與會人員問題討論。4. 1 Panel session: 討論主題為: “The perfect data mining tool: Automated or Interactive?” Tutorial 與 Workshop 中所研討之主題，學術界與業界合作之例子比比皆是，更不乏跨國合作之實例。其中”Common Reasons Data Mining Projects Fail”主題研討，更提供了規劃執行 Data Mining project 時，於 methodology 及 procedure 上該注意的一些 key points，包括易發生的問題(problem) 與錯誤(sin)，為相當具參考價值之研討主題。而於industrial papers 的報告研討中，一些與市場、客戶及產品分析相關的主題，也提供了mining目標與modeling 方法關聯性的參考；如: ”Customer Lifetime Value Modeling and Its Use for Customer Retention Planning” 及 “Optimizing Cross-Sell and Up-Sell Opportunities in Banking”，皆是非常契合資料倉儲客戶關係管理(Customer Relationship Management, CRM) 應用面參考的研討主題。至於 What kind of tool is perfect for data mining? automated 或是 interactive，研發人員所扮演的腳色與份量為何? 卻是一個視應用(application)、所採用方法和資料的性質，加上一些經驗累積，才能對tool 的選擇有一個較明確的方向。 參加此屆知識發現及資料挖掘國際研討會，除了解了Data Mining 的研發應用現況與相關發展趨勢，對於本所 Data Mining 研發應用技術的建立，亦帶來更確實之方向與實質參考效益。相信將有助於本所所研發應用的中華電信公司資料倉儲系統進一步之Data Mining相關應用規劃；於客戶關係管理應用領域上更能參酌國際資料挖掘技術應用發展方法，利用國際同步之前瞻技術，協助本公司後續相關應用規劃、設計與建設策略之擬定。