Question

数据挖掘的前景如何

为什么网上关于数据挖掘的资料特别少，几乎没有，而有许多关于云计算大数据的

Answer 1

大数据时代下的数据挖掘与可视化展现

全世界每天都有几十亿人使用计算机、平板电脑、手机和其它数字设备产生海量数据。在这个各个行业和领域都已经被数据给渗透，数据已成为非常重要的生产因素的大数据时代，对于大数据的处理和挖掘将意味着新一波的生产率不断增长和消费者盈余浪潮的到来。

在大数据时代下，从头至尾我们都脱离不了数据挖掘。有人把数据比喻为蕴藏能量的煤矿。煤炭按照性质有焦煤、无烟煤、肥煤、贫煤等分类，而露天煤矿、深山煤矿的挖掘成本又不一样。与此类似，大数据并不在“大”，而在于“有用”。价值含量、挖掘成本比数量更为重要。
什么是数据挖掘？

所谓数据挖掘是指从数据库的大量数据中揭示出隐含的、先前未知的并有潜在价值的信息的非平凡过程。数据挖掘是一项探测大量数据以发现有意义的模式（pattern）和规则（rule）的业务流程。数据挖掘是一种决策支持过程，它主要基于人工智能、机器学习、模式识别、统计学、数据库、可视化技术等，高度自动化地分析企业的数据，做出归纳性的推理，从中挖掘出潜在的模式，帮助决策者调整市场策略，减少风险，做出正确的决策。

为什么要进行数据挖掘？

我们关心什么是数据挖掘，同时，我们更关心的是我们如何通过数据挖掘过程找到我们需要的东西。如果把大数据比作一种产业，那么这种产业实现盈利的关键，在于提高对数据的“挖掘能力”，通过“挖掘”实现数据的“增值”。

数据挖掘是一项探测大量数据以发现有意义的模式（pattern）和规则（rule）的业务流程。谈到发现模式与规则，其实就是一项业务流程，为业务服务。我们要做就是让业务做起来显得更简单，或直接帮助客户如何提升业务。在大量的数据中找到有意义的模式和规则。在大量数据面前，数据的获得不再是一个障碍，而是一个优势。在现在很多的技术在大数据集上比在小数据集上的表现得更好——你可以用数据产生智慧，也可以用计算机来完成其最擅长的工作：提出问题并解决问题。模式和规则的定义：就是发现对业务有益的模式或规则。发现模式就意味着把保留活动的目标定位为最有可能流失的客户。这就意味着优化客户获取资源，既考虑客户数量上的短期效益，同时也考虑客户价值的中期和长期收益。

数据挖掘后结果的可视化展现

大数据技术的战略意义不在于掌握庞大的数据信息，而在于对这些含有意义的数据进行专业化处理，将海量的信息数据在经过分布式数据挖掘处理后将结果可视化。数据可视化主要是借助于图形化手段，清晰有效地传达与沟通信息。依据数据及其内在模式和关系，利用计算机生成的图像来获得深入认识和知识。其次，利用人类感觉系统的广阔带宽来操纵和解释错综复杂的过程、涉及不同学科领域的数据集以及来源多样的大型抽象数据集合的模拟。

但是，这并不就意味着，数据可视化就一定因为要实现其功能用途而令人感到枯燥乏味，或者是为了看上去绚丽多彩而显得极端复杂。为了有效地传达思想概念，美学形式与功能需要齐头并进，通过直观地传达关键的方面与特征，从而实现对于相当稀疏而又复杂的数据集的深入洞察。因而，对于数据可视化应用软件的开发就迫在眉睫，数据可视化软件的开发既要保证实现其功能用途，同时又要兼顾美学形式，这样就对数据可视化软件提出了更高的要求。目前，在国内能同时兼顾这两方面的数据可视化软件屈指可数。其中，比较受用户欢迎的是一款名为大数据魔镜的可视化分析软件。企业通过大数据魔镜可以将积累的各种来自内部和外部的数据整合起来实时分析,推动自身实现数据智能化管理,增强核心竞争力,将数据价值转化为商业价值,获取最大化利润。

Answer 2

大数据挖掘，以计算机技术获取隐藏在大量数据背后的信息，满足某个行业或者企业的需求，为企业或者管理层决策提供依据。就目前大数据企业发展来看，均处于信息收集和简要分析阶段，形成大规模经济效应的比较少。

从目前该行业的发展前景来看，前途无量，可产生的经济效应可以说是几何倍增的。目前急需的是数据分析师或模型架构师，搭建符合某行业需求的数据挖掘模块，并进行需求分析。也就是说，前景不可限量，专业人才紧缺。

纯互联网公司也好，传统行业也罢，未来他们都需要此类人才，比如，医疗、金融、农业属于传统行业，未来在大数据面前，其实更需要大数据分析作为行业支撑，如果既精通传统行业、也掌握大数据技术，那么，在传统行业与大数据结合的这个点，你就是行业的顶尖人才。

Answer 3

现在各个公司对于数据挖掘岗位的技能要求偏应用多一些。目前市面上的岗位一般分为算法模型、数据挖掘、数据分析三种。
应用及就业领域
当前数据挖掘应用主要集中在电信(客户分析)，零售(销售预测)，农业(行业数据预测)，网络日志(网页定制)，银行(客户欺诈)，电力(客户呼叫)，生物(基因)，天体(星体分类)，化工，医药等方面。
当前它能解决的问题典型在于：数据库营销(Database Marketing)、客户群体划分(Customer Segmentation &Classification)、背景分析(Profile Analysis)、交叉销售(Cross-selling)等市场分析行为，以及客户流失性分析(Churn Analysis)、客户信用记分(Credit Scoring)、欺诈发现(Fraud Detection)等等，在许多领域得到了成功的应用。
职业薪酬
就目前来看，和大多IT业的职位一样，数据挖掘方面的人才在国内的需求工作也是低端饱和，高端紧缺。从BAT的招聘情况来看，数据挖掘领域相对来说门槛还是比较高的，但是薪酬福利也相对来说比较好，常见的比如腾讯、阿里都会给到年薪20W+。而厉害的资深算法专家年薪百万也是常有的事情，所以大家在算法方面还是大有可能。另外随着金融越来越互联网化，大量的算法工程师会成为以后互联网金融公司紧缺的人才。