說下資料探勘能做什麼吧！！

可以方便把客戶進行分類。

廣告精準推送

可以跟蹤產品之外的銷售資訊和變化。為企業提供更多決策。

可以預測。

功能很多，但是如果企業領導沒有能力駕馭使用資料，那麼也是白塔。

有用，也很沒用的東西。

資料是非常有用的東西，而且是很值錢的東西，拿淘寶為例，現在精準推送給客戶需要的產品就是透過資料分析得出的！

消費者各種購物習慣，消費喜好等等，都可以被計算機記錄，建立成一個模型！以淘寶為例，如果某個人或公司能夠看到阿里巴巴公司背後的真實資料，然後分析出來，那麼在未來的競爭之中可以佔絕對主導地位，但那是不可能的事，也是阿里的絕密內容！

當前我們能夠看到的，購買的生意參謀中的資料，也只是淘寶處理過，區域性的！

但是懂得運營的人，還是可以從市場競爭，資料搜尋等指數，大致分析出消費者的行為習慣！

你想用資料來分析市場，就買生意參謀裡的市場行情和競爭分析

懂得分析的人可以透過這些被處理過的資訊，大概分析出當前的市場情況，以及預測出消費走勢；但對於不懂的人來說，這些僅難是很枯燥難懂的數字而已！！！！

資料探勘的前景是光明的，但是受很多因素的影響，想要真正利用好必須從資料來源開始確保準確度。

至於預測演算法有很多，具體還要根據具體問題選擇。

大資料分析用途太大了。把資料探勘、清洗、整理好，視覺化，圖表化，就可以給經營決策者提供一個清晰的業務表現狀況展示，可以反映出來很多經營上的問題，這些資料可以作為決策的依據。 資料是使用者留下的痕跡，反映了使用者的偏好和趨向。

資料探勘用處當然很大，但是我們要知道資料探勘、資料分析只是工具，是要完成我們對業務的訴求的。舉個例子：在大海上，孤零零地屹立著礦井，想要開採出石油。

普通人，對於大海是沒有感覺的，更不用說找到寶藏了。但是對於專業的石油開採人員來說，大海在他們眼裡是一座寶藏，他們勘探座標，用開採工具，找到寶藏。資料探勘對企業和個人的作用也是如此，對資料更加敏感，找到其背後的規律，就能為你帶來效益。

資料分析、資料探勘對於普通人來說更像是個專業的名詞，資料分析師們實際上也是在做一些支援性的工作。

對於一個商品在未來的銷售情況，1、我們首先明確我們的目的：是要找到商品未來的銷售情況。2、我們嘗試收集商品過往的資料，對資料進行探索，包括資料簡單描述、資料質量驗證等。3、我們開始收集資料，對資料進行清洗，整合，完成資料探勘前的準備工作。4、我們選擇和應用各種資料探勘模型，並進行最佳化。5、對模型進行評估，確認模型是否實現了預期的商業目標。6、將資料視覺化，方便後續監控和維護。

其中可能還會用到相關的演算法：如 Apriori 演算法來揭示各商品之間的關係。

以上便是資料探勘的六步：簡記為：1、商業理解。2、資料理解。3、資料準備。4、模型建立。5、模型評估。6、呈現結果

完成這六步，你想要的結果自然可以得出。

資料為王的今天，上有黨中央國務院重視資訊化建設，目前無論是集團、企業、個人都越來越重視資料資產的價值，伴隨企業業務、資訊化的發展，面對企業沉澱的海量資料如何更好的從企業已沉澱的資料進一步挖掘、整理、彙總、交換實現企業資料資產化、資料服務化、資料視覺化、資料智慧化，在既有資料的基礎上進一步發揮資料價值助力企業更好的經營及管理。

從資料應用層面首先需要對企業內部已沉澱的資料進行治理、整理、標準、規範，解決歷史資料缺失、冗餘、不規範的情況，將內部資料標準化、唯一化，實現資料的圖形化、指標化、準確化的展現，另外在既有資料的基礎上進一步挖掘融入外部資料，如：公共資源資料、外部爬蟲資料、半結構化、非結構化資料，實現上下游的聯動，保證資料落地橫向覆蓋到邊，縱向貫通到底。

對於企業及個人而言資料探勘能夠進一步發揮資料價值，但其前提是需要將資料標準、統一，消除冗餘，尤其在目前大資料探勘分析過程面對海量資料的處理工作如此繁瑣、複雜主要是由於在各基層工作人員很難按照統一標準進行資料錄入維護，造成資料環境髒、亂、差，故資料探勘確實能夠獲取更多資料進行分析獲取價值，但資料標準化、資料治理卻是保證資料分析價值準確的必要根本。