商業(yè)和生活中，我們處處能夠看到數(shù)據(jù)挖掘的影子：

Target 百貨分析16歲的少女買(mǎi)無(wú)香型沐浴露之后，判斷她懷孕了；

語(yǔ)言學(xué)家通過(guò)記錄自己孩子出生到3歲每天每秒鐘的狀態(tài)數(shù)據(jù)，發(fā)現(xiàn)語(yǔ)言記憶和周遭環(huán)境相關(guān)性更大；

調(diào)查局通過(guò)數(shù)據(jù)分析和挖掘發(fā)現(xiàn)改善公共環(huán)境有助于降低犯罪率。

今天我們將從以下幾個(gè)方面來(lái)揭開(kāi)數(shù)據(jù)挖掘的神秘面紗。

數(shù)據(jù)挖掘涉及的學(xué)科？

首先我們可以看出，數(shù)據(jù)分析與挖掘位于中間，也就是紅點(diǎn)的位置，而旁邊有很多交叉的學(xué)科。

數(shù)據(jù)庫(kù)系統(tǒng)是現(xiàn)在比較普及的一種存儲(chǔ)數(shù)據(jù)信息的方式，也就是電子檔案的方式。統(tǒng)計(jì)學(xué)是一種傳統(tǒng)的數(shù)據(jù)分析方法，它的起源比較早。模式識(shí)別、機(jī)器學(xué)習(xí)和人工智能與數(shù)據(jù)挖掘的交集點(diǎn)不多。機(jī)器學(xué)習(xí)，它本身是我們?nèi)祟?lèi)在研究人工智能的一種分析方法，提出了一些計(jì)算機(jī)的算法，而這些算法是和數(shù)據(jù)分析、數(shù)據(jù)挖掘是有交集的，比如前段時(shí)間比較火熱的Alphago在人工神經(jīng)網(wǎng)絡(luò)方面的成功應(yīng)用，而這些算法目前也逐漸應(yīng)用在了商業(yè)范圍內(nèi)。

總體來(lái)說(shuō)，數(shù)據(jù)分析與數(shù)據(jù)挖掘肯定是一門(mén)高度交叉的學(xué)科，而且包含的知識(shí)點(diǎn)，領(lǐng)域特別廣，是綜合社會(huì)科學(xué)和自然科學(xué)的一種交叉的一種學(xué)問(wèn)。

1：建模流程、建模技術(shù)、業(yè)務(wù)場(chǎng)景的理解。

道，是放在最上層的東西，不管是什么學(xué)科，什么學(xué)問(wèn)。而具體在數(shù)據(jù)挖掘領(lǐng)域，道著眼于對(duì)于整個(gè)數(shù)據(jù)挖掘的整套基本流程和建模技術(shù)、業(yè)務(wù)三者結(jié)合的深刻了解。需要大量的經(jīng)驗(yàn)積累形成自己的一套思路和方法。

2：數(shù)據(jù)挖掘的標(biāo)準(zhǔn)流程化的步驟。

目前比較成熟的數(shù)據(jù)挖掘標(biāo)準(zhǔn)化流程如KDD(Knowledge Discovery inDatabase)，CRISP-DM（Cross-industryStandard Process For Data Mining）。

3：數(shù)據(jù)挖掘的具體建模方法。

描述性（無(wú)監(jiān)督學(xué)習(xí)）

用處：分析具有多個(gè)屬性的數(shù)據(jù)集，找出潛在的模式，沒(méi)有因變量

場(chǎng)景：觀(guān)察個(gè)體之間的相似程度，例如根據(jù)年齡、性別、收入等因素進(jìn)行客戶(hù)細(xì)分；根據(jù)客戶(hù)對(duì)多個(gè)產(chǎn)品的購(gòu)買(mǎi)，發(fā)現(xiàn)產(chǎn)品之間的相關(guān)性，做精準(zhǔn)商品推薦。

主要算法：聚類(lèi)、關(guān)聯(lián)分析、因子分析、主成份分析、社交網(wǎng)絡(luò)分析、…

預(yù)測(cè)性（有監(jiān)督學(xué)習(xí)）

用處：用一個(gè)或多個(gè)自變量預(yù)測(cè)因變量的值

場(chǎng)景：客戶(hù)是否會(huì)違約是一個(gè)因變量，可以用客戶(hù)的性別、年齡、收入、職位、經(jīng)濟(jì)狀況、歷史信用狀況等因素進(jìn)行預(yù)測(cè)

主要算法：決策樹(shù)、線(xiàn)性回歸、Logistic回歸、支持向量機(jī)、神經(jīng)網(wǎng)絡(luò)、判別分析、…

4器以成事：建模的具體工具。

傳統(tǒng)商業(yè)分析工具SAS，SPSS，開(kāi)源類(lèi)工具R，Python，Weka，Hadoop，Spark等。現(xiàn)在各種軟件越來(lái)越智能化，越來(lái)越接近傻瓜化。但是軟件的智能化不等于整個(gè)數(shù)據(jù)分析的智能化與自動(dòng)化，如果沒(méi)有對(duì)業(yè)務(wù)的深刻理解，建立的模型就沒(méi)有說(shuō)服力。關(guān)于軟件的使用和選擇，記住三點(diǎn)：

一、只要能達(dá)到目標(biāo)的軟件就是好軟件；

二、你研究領(lǐng)域啥軟件好用啥軟件就是好軟件；

三、不要妄想用一個(gè)軟件解決一切問(wèn)題。