數(shù)據(jù)挖掘(數(shù)據(jù)分析)從業(yè)指南

請問：現(xiàn)在數(shù)據(jù)挖掘開發(fā)主流平臺和編程語言。那些更有優(yōu)勢呢？現(xiàn)在大都用什么呢

問題1：現(xiàn)在選擇數(shù)據(jù)挖掘作為終身職業(yè)是明智之舉嗎？

問題2：如果我現(xiàn)在選擇了數(shù)據(jù)挖掘，應(yīng)該怎么做？

問題3：如何使學(xué)習(xí)階段與行業(yè)應(yīng)用靠攏？

對不同算法的性能效果進行評估比較，總結(jié)各種算法的特點及適用范圍。當(dāng)然，如果能對算法做些有益的改進更好，可以讓論文的學(xué)術(shù)性更強。最后，描述出應(yīng)用了關(guān)聯(lián)分析的結(jié)果能帶來什么效益（比如對貨架位置的調(diào)整、對客戶的交叉銷售等到）。

一位數(shù)據(jù)挖掘成功人士 給 數(shù)據(jù)挖掘在讀研究生 的建議：

關(guān)于數(shù)據(jù)挖掘方面的研究，我原來也走過一些彎路。其實從數(shù)據(jù)挖掘的起源可以發(fā)現(xiàn)，它并不是一門嶄新的科學(xué)，而是綜合了統(tǒng)計分析、機器學(xué)習(xí)、人工智能、數(shù)據(jù)庫等諸多方面的研究成果而成，同時與專家系統(tǒng)、知識管理等研究方向不同的是，數(shù)據(jù)挖掘更側(cè)重于應(yīng)用的層面。

因此來說，數(shù)據(jù)挖掘融合了相當(dāng)多的內(nèi)容，試圖全面了解所有的細節(jié)會花費很長的時間。因此我建議你的第一步是用大概三個月的時間了解數(shù)據(jù)挖掘的幾個常用技術(shù)：分類、聚類、預(yù)測、關(guān)聯(lián)分析、孤立點分析等等。這種了解是比較粗的，目標(biāo)是明白這些技術(shù)是用來干什么的，典型的算法大致是怎樣的，以及在什么情況下應(yīng)該選用什么樣的技術(shù)和算法。

經(jīng)過初步了解之后，就要進入選題的階段，選擇自己感興趣的某個具體方向，然后通讀該方向的經(jīng)典論文（綜述、主要發(fā)展方向、應(yīng)用成果）。選題階段可能會花費較長的時間，比如一年。此時，要逐漸明確突破點，也就是將來你論文的創(chuàng)新點。創(chuàng)新對于研究來說非常重要，一方面該創(chuàng)新的確比原來的方法要好，另一方面該創(chuàng)新的確具有實用的價值。

隨后，就要來實現(xiàn)自己的想法。通常對于碩士論文來說，需要建立原型系統(tǒng)，進行試驗，并用試驗結(jié)果來支持自己的論文主題。原型系統(tǒng)就是對自己創(chuàng)新點的實現(xiàn)，需要很好地設(shè)計和開發(fā)。需要注意的是，原型系統(tǒng)的建立和開發(fā)商用系統(tǒng)不同，需要體現(xiàn)比較好的理論基礎(chǔ)。也就是說，原型系統(tǒng)并不是簡單地用于實現(xiàn)功能，而是將你的一整套理論付諸實現(xiàn)。這種理論基礎(chǔ)也將會包含在你的論文中，以體現(xiàn)論文的理論高度。

原型系統(tǒng)的搭建以及產(chǎn)生令人信服試驗結(jié)果，這個過程一般需要至少一年的時間。所以要集中精力于核心部分（體現(xiàn)論文創(chuàng)新點的部分），外圍的界面等等不應(yīng)投入太多的精力，以免進度失控。

最后是論文的整理和寫作了。建議你在之前的階段中逐步先寫出一些篇幅較短的論文（用于發(fā)在期刊、會議上），比如綜述、體系框架、算法內(nèi)核、應(yīng)用等等。這樣在最后寫畢業(yè)論文時就有了足夠多的內(nèi)容，會寫得更好更快一些。

以上只是泛泛而談。其實我覺得其中的關(guān)鍵點在于選題，而選題的好壞取決于你對數(shù)據(jù)挖掘研究現(xiàn)狀的了解、你的興趣和專長、以及該方向在應(yīng)用上的意義。建議你和導(dǎo)師、同行多交流，能夠讓自己的方向更清晰。

至于數(shù)據(jù)挖掘領(lǐng)域的就業(yè)，應(yīng)該來說還是前景不錯的。如果你對研究有興趣，象微軟研究院、Google、高校研究所都是不錯的地方；如果你對實際應(yīng)用有興趣，很多大的公司包括IBM、Accenture、亞信等等都有相應(yīng)的人力需求，當(dāng)然一些甲方的單位比如證券、保險、金融等等單位也都需要分析人才。

關(guān)于論文如何創(chuàng)新

“創(chuàng)新”是個很尖銳的問題。以前我?guī)蛯?dǎo)師審論文時，給論文評分包括幾個要素，分別是理論基礎(chǔ)是否堅實、研究問題的重要性、研究成果的創(chuàng)新性等。

所謂創(chuàng)新，就是你解決問題的方法是否和其他人的解決方法有所不同，而這種不同又是否更有利于解決問題。因此，要發(fā)現(xiàn)創(chuàng)新點，實際上需要充分的準(zhǔn)備和深入的研究。

①充分的準(zhǔn)備：既然創(chuàng)新是找出解決問題的更好方法，那么首先你就要發(fā)現(xiàn)問題，而且要發(fā)現(xiàn)有價值的問題。當(dāng)找到這種問題時，再去查找有沒有人提出了解決這個問題的方法，他們的方法是怎樣的，還存在什么不足之處。

這個階段需要做大量的調(diào)查搜集的工作，也是做研究的準(zhǔn)備階段，常常需要通讀相關(guān)研究領(lǐng)域的經(jīng)典文獻以及最新進展，寫讀書筆記予以總結(jié)。

②深入的研究：當(dāng)你發(fā)現(xiàn)了值得研究的問題，并且知道在這個問題上還沒有很好的解決方法時，你就有了創(chuàng)新的機會。找出現(xiàn)有解決方法的不足之處，提出自己的解決思路，并予以驗證，通過試驗或者推理證明你的方法是有效的，創(chuàng)新點也就產(chǎn)生了。說起來容易做起來難，就象醞釀一個新發(fā)明一樣，常常會需要大量的試驗和周密的思考，而且也有可能忙了很久而一無所獲。

希望說到這里沒有讓你心生懼怕，但我見過的一些認真做研究的人的確投入了很多的時間和精力才有所成就。當(dāng)然對于國內(nèi)的研究生來說，我倒是覺得在碩士階段去追求顯著的創(chuàng)新是不切實際的（個人的一管之見），其實把第一步做好已經(jīng)不錯了。如果沒有做好第一步，打好基礎(chǔ)，就急于找些創(chuàng)新點，那么這些所謂的創(chuàng)新點常常是毫無意義的，寫出來的論文最終避免不了被扔到垃圾桶的命運（我以前寫的一些論文也是如此）。大家常常說國內(nèi)的研究論文質(zhì)量很差，很大程度上也是源于我們現(xiàn)在的教育制度，要求研究生畢業(yè)前必須在SCI、EI或核心期刊上發(fā)表若干篇論文，重量而不重質(zhì)，造就了現(xiàn)在的核心期刊完全變成了完成畢業(yè)任務(wù)的自留地。

話題扯遠了，回到你關(guān)心的問題－如何找創(chuàng)新點。必要的文獻閱讀是不可缺的，了解研究現(xiàn)狀和背景，才可能發(fā)現(xiàn)創(chuàng)新點。如果你想這個階段快一些的話，也有些捷徑，比如你可以到一些研究單位或?qū)W者的站點上，察看他們目前的研究動態(tài)，一般來說他們正在研究的內(nèi)容常常是目前還未解決的，這樣你可以盡快找到創(chuàng)新點的主攻方向。

數(shù)據(jù)挖掘人員從事的工作內(nèi)容？

是不是開發(fā)數(shù)據(jù)挖掘平臺、為別的企業(yè)單位量身制作DM、DW系統(tǒng)？除了這些還能有些什么？

讀博深造的必要性

現(xiàn)在只是無指導(dǎo)的自學(xué)狀態(tài)，能否在碩士畢業(yè)后勝任數(shù)據(jù)挖掘方面的工作呢？考取名校的博士進一步深入學(xué)習(xí)的必要性大不大？

自學(xué)時的大方向

文本、Web等，讀博時肯定就某種具體方向深入研究，現(xiàn)在是否應(yīng)該也自己重點專注于一種方向，而不是僅泛泛的熟悉各個方面？