就是大資料時代，將收集到的大量基礎資料，進行分析，找出其中規律，使基礎資料產生價值。這算是一種統計學。目前資料探勘作用不明顯，主要是企業拿來篩選精準客戶。瞭解客戶需求。因為資料量還太小了，未來5G時代，將會產生比現在幾何倍增長的大資料，那時基礎資料夠大，資料探勘的價值才會展現出來。

對於資料探勘的態度，就是樂見其發展，但同時保護使用者隱私。不然扎克伯格現在遇到的隱私洩露問題，會不斷重複上演。

資料探勘是指這個過程：

在龐大資料集當中發現模式，將它轉換成有效的資訊。該技術利用特定的演算法、統計分析、人工智慧和資料庫系統，從龐大資料集中提取資訊，並轉換成易於理解的形式。

資料探勘定義有廣義和狹義之分：

從廣義的觀點，資料探勘是從大型資料集(可能是不完全的、有噪聲的、不確定性的、各種儲存形式的)中，挖掘隱含在其中的、人們事先不知道的、對決策有用的知識的過程。

從這種狹義的觀點上，我們可以定義資料探勘是從特定形式的資料集中提煉知識的過程。

資料探勘主要的相關技術：

資料庫等資訊科技的發展

統計學深入應用

人工智慧技術的研究和應用

相關：

零基礎學習大資料探勘的33個知識點整理

https://www.toutiao.com/i6600587385979798030/

大資料學習：資料統計分析和資料探勘有何區別？

https://www.toutiao.com/i6600223255661904388/

#一、資料探勘的定義

|什麼是資料探勘？

資料探勘是一個用資料發現問題、解決問題的學科。通常透過對資料的探索、處理、分析或建模實現。

|資料探勘學習路線

大學裡並沒有資料探勘這麼一個專業，現有的資料探勘工程師大都來自工科或統計學等專業。目前的資料探勘工程師大都來自不同背景，計算機科學、數學甚至是機械工程。要想成功勝任，其訣竅是熱情、好奇心，不斷學習新的工具的能力，以及對資料清洗和分析的耐心。

|給新人的建議

最重要的三個品質：好奇心、是非觀以及批判性思考。這三個品質，放在其他領域同樣適用。專業領域的三種能力：程式設計能力、統計基礎、商業思維。程式設計和統計在大學較為容易學到，商業思維需要多實踐總結。

#二、資料探勘在做什麼

|資料探勘工程師的一天

檢查日常報表資料是否異常，尋求資料波動的合理解釋。針對新業務，設計指標，搭建資料模型。搭建商品推薦系統、價格預測系統、文字分類系統或是聊天機器人。

|資料探勘的演算法

使用複雜的機器學習演算法並不能保證效果。一般來講，最好的解決辦法，通常很簡單。生產環境使用簡單的演算法，並不意味著要放棄前沿演算法。每一套新的方法，其目的都在解決前面的薄弱之處。

|資料探勘與伺服器

本地 PC 由於硬體與系統限制，工程師常在伺服器進行大規模資料的運算、指令碼部署與介面部署。

#三、商業中的資料探勘

|作為公司，該如何開展資料探勘

評估可能的收益與需要的投入開始收集資料招募資料探勘團隊

|招聘資料探勘團隊

好奇心應該是資料探勘從業者的最重要品質。招聘時，應確保候選人對工作內容感興趣。候選人應具備一定的成果意識。商業更重成果，而不是過程。

|資料探勘應用

|資料探勘工具與大資料

掌握以下工具：Python、Linux、Pandas 及 Jupyter、關係型和非關係型資料庫。大資料通常指傳統資料系統無法處理的資料。體量和增速都相當大。處理工具以 Hadoop 為代表。

#五、資料探勘進階

|神經網路和深度學習

神經網路出現已數十年，但由於條件限制，這一方向擱置了數十年。目前隨著新的最佳化方法的出現和算力的提升，這一方向的工業化逐漸成為可能。

|如何更上一層樓

掌握基本的程式設計知識，更多地去理解背後的原理。流程化意識，及時覆盤總結，規範流程（複用）。成果導向，將知識轉化為行動和成果，給他人帶來價值，服務更多人。