就現在發展來看，全世界每天都有幾十億人使用計算機、平板電腦、手機和其它數字裝置產生海量資料。在這個各個行業和領域都已經被資料給滲透，資料已成為非常重要的生產因素的大資料時代，對於大資料的處理和挖掘將意味著新一波的生產率將會不斷增長。

在大資料時代下，從頭至尾我們都脫離不了資料探勘。就現在社會來看，我們現在大多數追求的得質量而不是數量，與此類似，大資料並不在“大”，而在於“有用”。價值含量、挖掘成本比數量更為重要。

那麼什麼是資料探勘呢？

所謂資料探勘是指從資料庫的大量資料中揭示出隱含的、先前未知的並有潛在價值的資訊的非平凡過程。資料探勘是一項探測大量資料以發現有意義的模式（pattern）和規則（rule）的業務流程。資料探勘是一種決策支援過程，它主要基於人工智慧、機器學習、模式識別、統計學、資料庫、視覺化技術等，高度自動化地分析企業的資料，做出歸納性的推理，從中挖掘出潛在的模式，幫助決策者調整市場策略，減少風險，做出正確的決策。

為什麼要進行資料探勘？

我們關心什麼是資料探勘，同時，我們更關心的是我們如何透過資料探勘過程找到我們需要的東西。如果把大資料比作一種產業，那麼這種產業實現盈利的關鍵，在於提高對資料的“挖掘能力”，透過“挖掘”實現資料的“增值”。

所以，資料探勘這麼重要，前景怎麼可能差呢？

從我的角度來看，就業前景很好哈。這個專業的技術應用價值更大。希望你學這個專業不只是為了這個專業名字，而是真正的從資料探勘，分析和應用的角度去鍛鍊自己。這個專業潛力巨大

首先，要想知道資料探勘，需要先知道什麼是大資料，因為大資料時代的到來，使得資料探勘成為一門必不可少的專業。

什麼是大資料

大資料是指資料集資料的大小通常超出了常用的軟體工具獲取、有效、管理和處理的可承受範圍的能力。下面有一張圖，可以很形象的看出來，地球上的資料量增長是多麼驚人，2006年，全球一共新產生了約180EB的資料，到2020年，這個資料量將會增長44倍，達到35.2ZB（1ZB=10億TB）！資料量大的驚人，在如此之大的資料浩瀚之中，提取發現有用的資訊，普通的資料管理工具，根本無用武之地！

什麼是資料探勘

資料探勘該上場了，資料探勘就是透過各種演算法，規則歸納：AQ演算法；決策樹：ID3、C4.5；範例推理:CBR；遺傳演算法:GA；貝葉斯信念網路等各種關聯規則，各種新型的資料探勘工具，資料探勘軟體來從大資料海洋中提取需要的資訊。

第一代資料探勘軟體為CBA，是新加坡國立大學研究。基於關聯規則的分類演算法，能從關係資料或者交易資料中挖掘關聯規則，使用關聯規則進行分類和預測。

第二代資料探勘軟體DBMiner，與資料庫管理系統（DBMS）整合，支援資料庫和資料倉庫，和它們具有高效能的介面，具有高的可擴充套件性，能夠挖掘大資料集、以及更復雜的資料集 。

第三代資料探勘軟體SPSS Clementine，和預言模型系統之間能夠無縫的整合，使得由資料探勘軟體產生的模型的變化能夠及時反映到預言模型系統中，由資料探勘軟體產生的預言模型能夠自動地被操作型系統吸收，從而與操作型系統中的預言模型相聯合提供決策支援的功能，能夠挖掘網路環境下（Internet/Extranet）的分散式和高度異質的資料，並且能夠有效地和操作型系統整合。

隨著科技發展，資料探勘工具也在更新換代，使得資料探勘更加精確與簡單。

所以想告訴題主的是，隨著人工智慧、隨著大資料時代的到來，資料探勘專業是一個很有就業前景的專業，但是這個專業又不是孤立的，它是一個工具，需要結合人工智慧，機器學習，智慧推薦系統等等領域才比較有學習價值！

資料清洗-資料分析-資料探勘-資料展示-資料最佳化-個性化抽取/商業行為探索。

這是高科技時代利用大資料加工進而推送、管控的流程和技術。

說幾個容易感受的案例：

從14億華人中分析出華人的面相總體特徵；

從你幾十年的行為軌跡中，挖掘分析出你的行為特徵和偏好；

商業化模式代表之一是廣告，但誰也不希望看那些無需求的廣告，所以千人千面似的廣告推送就更為重要，對於廣告商來說價效比也更高。

比如，我今天搜尋了咖啡，藍山咖啡，摩卡咖啡。之後系統會根據我的搜尋不斷的推送咖啡廣告給我。

這類商業行為需要資料分析，更需要前期的資料探勘。

所以資料探勘和資料分析幾乎是每一個超大型公司/平臺的必配職位。

但一定是超大型，因為資料探勘的本職是大資料探勘，而大資料大多數都來自超大平臺。

所以這樣的結果就變成了：需要資料探勘工程師，但資料探勘工程師需要更加強調背景、強調公司品牌、強調大規模產品資料的從業經歷。如此，工資一定會高很多。

這是一個比較精確的科學。首先在app氾濫的年代自然而然產生微營銷，app營銷。而未來10年均是app引領潮流。現在事業單位越來越少，而私企外企主打銷售。大資料是銷售利器，是命門所在，所以這門專業有利可圖，錢嘩嘩的。

雲計算、大資料、人工智慧等技術的興起與發展，使得相關產業與行業也相應發展起來，與此同時，該行業對於人才的需求也就隨之產生，也就是說，學習相關專業的同學們，你們未來的就業前景還是比較廣闊和光明的。

具體到資料探勘，首先你要搞清楚資料分析和資料探勘這兩個側重是不同的，資料分析總的來說更強調如何把結果解釋清楚，資料探勘側重於如何從資料中得到想要的東西。

無論是資料探勘還是資料分析，在如今的網際網路金融裡還有遊戲安全分析中需求都是比較明顯的，而且需求量逐年上升，加之資料探勘、大資料的概念十分火爆，企業招聘人才的時候一定會有所傾向，所以從事資料挖據和資料分析前景都是很不錯的。

不過在入行之前，你一定要先有一個心理準備以及其他的知識儲備，這一行要求人才往往具有多方面的知識技能，統計，高數，線性代數，矩陣論，機器學習，人工智慧之類的知識都要知道，所以學好專業知識顯得尤為重要。想要在該行業內發展的好，你必須是一個懂得這些多方面只是的多面手型的人才。

一專多強，也是未來人才必備的一種品質與特徵，你需要在自己的專業領域做精做強，還需要對與之相關的諸多旁枝細節多有涉獵。

資料探勘就業方向廣泛，其資料探勘具備統計的專業知識，加以合併基本的金融知識從事金融領域如：銀行、保險等都很好的。此外還可以從事資訊行業如data warehouse...etc

資料探勘，除了法律政策不支援的那部分不能被挖掘外，深度的、垂直的資料探勘有利於什麼行為？

我們先對行為來個深刻的認知。

商業行為：資料探勘對於商業行為的幫助是最大的，他不但能有效的分析出企業使用者的精準客戶在哪裡，還有多少預算能消費等

個人行為：資料探勘對於個人行為的私密性並不理想，有點小心思，被挖掘出來了；有點小壞壞，也被挖掘出來了；如果你違法，當然也逃不過法律的制裁，而且很容易抓住你。

資料探勘實際上來看，是針對於商業活動的。

準代理商可以從一起企業調查工具看出，這家企業背後的資訊，包括融資資訊、法律風險等資訊，衡量這個企業的產品值不值得拿？加盟費往往都很高，謹慎又謹慎啊。。。

在商業競爭中，資料探勘也有利於更加了解競爭對手的行為、發展方向，弊端就是你不要被黑，不要出事，否則競爭對手也會利用資料探勘的手段正面打倒你，側面諷刺你，背後黑你。

資料探勘的就業前期，只能說開始很好，接著商業化演算法陸續推出，就業的人也會慢慢被最佳化。

總得來說，前景一片光明，只是夕陽無限好，只是近黃昏。

也許還有一個比較恰當的比喻：鐵柱磨成針。資料探勘越來越細，喜歡的人就越來越少。水清則無魚。

你，喜歡吃魚嗎？

資料探勘這個東西應該是很深奧的一個東西吧。這個前景我感覺可是不錯的。這個需要一個人很大的學問還有就是鑽研性呢。

伴隨著大資料技術的成熟，大資料應用的普及和發展才剛剛開始，我們預計未來二十年，甚至更長一段時間都是大資料黃金髮展階段，相關的行業將引來巨大的發展機遇。大部分行業都需要，市場、營銷、運營相關的需求很多。大資料不是職位，學完大資料認證後你可以從事大資料探勘專家，高階行業分析師，大資料業務架構師，大資料架構師，大資料演算法工程師，大資料開發工程師，大資料運維工程師。不管是國內還是國外，大數

巧了，接觸過不同企業的資料科學家和資料分析師，對這個問題我再清楚不過了。

實話實說，資料分析的內容中是包括資料探勘的，但是你可以隨便找個資料分析師來問問，他們肯定會告訴你自己的工作中根本沒有資料探勘這一項。

用簡單點的話說一下這2個東西，以挖礦為例。

資料分析：琢磨怎麼從山裡把有價值的礦挖出來

資料探勘：琢磨挖出來的礦能做點啥

從錢來說，資料探勘的工資＞資料分析的工資，絕大多數情況下是這樣，因為資料探勘需要大資料、演算法、機器學習之類的背景，通常可以自己做事情，而資料分析更多的事情都是在溝通和了解業務中，不是一個獨立的個體。

從能力來說，資料探勘偏向技術，資料分析偏向業務

從發展方向來說，資料探勘以後可以做技術，可以變成程式設計師，甚至可以變成CTO，我認識的很多做資料探勘的都轉型成功了；資料分析呢，因為經常和業務部門打交道，所以對於業務的知識是很熟悉的，這時候如果不想做分析了，就可以去業務部門。

聽說過這句話嗎：升職最快的人，永遠是越靠近業務的人。

其實沒有一個完整且全面的答案的，有做資料探勘成功的，也有做資料分析變成CEO的，你要問我哪個錢多，哪個前景好，我不可能給你一個明確的答案的。

因為每個人的興趣、能力、愛好都是不同的。

之前有人說資料分析不行了，開始內捲了，這行的天花板太低了，而且門檻還在不斷提高，於是就會有人一股腦地說試試資料探勘吧，會模型會演算法，未來出路廣，一群人一呼即應：再也不做取數機和表哥表姐了！

但是當資料探勘的要求提高之後，資料科學家的概念又出來了，所以你應該有自己的判斷。

都是為公司創造價值，按照自己的喜歡和能力來匹配就好，所謂的含金量和價值都是相對的。

不要得了資料探勘的病，卻沒有資料探勘的命。