1樓：旭網
資料探勘指的是在長期積累的資料中分析和挖掘有價值的資訊以供決策。這個概念主要還是因為erp（企業資源計劃）和oa(辦公自動化)軟體系統的廣泛使用和發展的基礎上出現的一個概念。因為企業在使用這些軟體系統的過程中，雖然運營的狀態和管理以及成本有很大的節約，大大提高了企業的運營效率，可是這些系統卻只能對企業的狀態和管理進行一個狀態性的記錄，對長期記錄下來的這些資料的分析和在挖掘能力是非常有限的，雖然眾多軟體**商想出各種辦法來利用其這些資料，比如出各種報表甚至自定義的報表，可是仍然受制於erp和oa本身設計的缺陷，因為它們原本就不是設計來做資料分析的。
所以在我們的軟體系統實施的過程中，常常看到一個龐大的系統在執行，可是對於領導卻只有每月看一兩張報表的價值。所以，有人提出了資料探勘的概念，長期使用erp系統所積攢的資料就好像一大筐蘋果，金蘋果、銀蘋果、爛蘋果都有，而資料探勘工程師就是專門從中挑選出對企業有用的資訊的工作。當然資料探勘軟體也是專門設計來做這個事情的。
2樓：匿名使用者
在國外，不少軟體廠商採取了發展其前端產品來彌補關聯式資料庫管理系統支援的不足，2023年以後就力圖統一分散的公共應用邏輯，在短時間內響應非資料處理專業人員的複雜查詢要求。
3樓：匿名使用者
利用資料找到公司關心的問題。如分析歷史資料目標人群
4樓：
必須對資料庫有一定的瞭解和熟練掌握。
資料探勘是通過分析每個資料，從大量資料中尋找其規律的技術，主要有資料準備、規律尋找和規律表示3個步驟。資料準備是從相關的資料來源中選取所需的資料並整合成用於資料探勘的資料集；規律尋找是用某種方法將資料集所含的規律找出來；規律表示是儘可能以使用者可理解的方式（如視覺化）將找出的規律表示出來。
資料探勘具體要做什麼？
5樓：cda資料分析師
資料探勘的用處有很多，在這裡我只想從技術和應用兩個層面來簡單談談。
1、從技術層面來說，按照資料探勘產出的知識可以粗分為兩大類：描述型挖掘和**型挖掘。
描述型挖掘是對現有資料的進一步精煉和歸納，從中抽取中更巨集觀的反映數 據特徵的概念描述。舉個例子來說，某家銀行有幾百萬客戶，資料倉儲中儲存了每個客戶的人口統計資訊、賬戶資訊、交易資訊、客服聯絡資訊等詳細資料。但是銀 行不可能清楚地瞭解每位客戶是什麼樣的客戶，客戶的消費模式到底是怎樣的？
這時一般需要把全體客戶進行細分，劃分為幾個客戶群，而且這種劃分可以保證具有 相似行為、相似價值的客戶會被放入同一個群組中。有了這些客戶群，銀行就能更容易地發現營銷機會並制定營銷戰略。這個例子中所用的挖掘技術是聚類模型，它 就是一種典型的描述型挖掘。
**型挖掘，顧名思義，就是建立的挖掘模型具備**能力。這種**能力可能包括**哪些客戶下個月會流失，哪些客戶對**活動會積極響應，哪些客戶的未來價值會成長以及成長多少等等。**型挖掘常常對企業運營具有更強的指導作用，從而更快地見效。
2、從應用層面來說，資料探勘可以應用到很多行業中，包括電信、銀行、**、保險、製造、因特網等等。
拋開具體行業的特定應用不談，在各個行業中一般都會把資料探勘應用在客戶關係管理（crm）之中。在crm中的資料探勘應用，包括客戶細分、客戶價值分析、客戶獲取、客戶保持、交叉銷售和提升銷售等等。此外，信用評分、欺詐偵測和文字挖掘等也是常見的應用。
6樓：網際網路軒軒
對使用者的年齡和消費水平進行收集
對使用者的行為特性進行了解
對使用者搜尋行為習慣進行觀察
對使用者資訊反饋進行整理
對使用者需求和自身優勢進行相結合
7樓：匿名使用者
就是將資料經過抽取、轉換、載入到資料倉儲 然後根據一定的指標分析、挖掘出可用的、有價值東西；
資料探勘工程師的工作是什麼
8樓：匿名使用者
資料探勘指的是在長期積累的資料中分析和挖掘有價值的資訊以供決策。這個概念主要還是因為erp（企業資源計劃）和oa(辦公自動化)軟體系統的廣泛使用和發展的基礎上出現的一個概念。因為企業在使用這些軟體系統的過程中，雖然運營的狀態和管理以及成本有很大的節約，大大提高了企業的運營效率，可是這些系統卻只能對企業的狀態和管理進行一個狀態性的記錄，對長期記錄下來的這些資料的分析和在挖掘能力是非常有限的，雖然眾多軟體**商想出各種辦法來利用其這些資料，比如出各種報表甚至自定義的報表，可是仍然受制於erp和oa本身設計的缺陷，因為它們原本就不是設計來做資料分析的。
所以在我們的軟體系統實施的過程中，常常看到一個龐大的系統在執行，可是對於領導卻只有每月看一兩張報表的價值。所以，有人提出了資料探勘的概念，長期使用erp系統所積攢的資料就好像一大筐蘋果，金蘋果、銀蘋果、爛蘋果都有，而資料探勘工程師就是專門從中挑選出對企業有用的資訊的工作。當然資料探勘軟體也是專門設計來做這個事情的。
以上只是我這個小小程式設計師的淺薄認識，渴望大家的指正。
資料探勘是做什麼的
9樓：匿名使用者
說的最直白的就是從一堆資料中找出有價值的東西，以便用來賺更多的錢。。。
10樓：前景一片光明
主要就是為了完成資料分析的。
11樓：cda資料分析師
資料探勘的用處有很多，在這裡我只想從技術和應用兩個層面來簡單談談。
1、從技術層面來說，按照資料探勘產出的知識可以粗分為兩大類：描述型挖掘和**型挖掘。
描述型挖掘是對現有資料的進一步精煉和歸納，從中抽取中更巨集觀的反映數 據特徵的概念描述。舉個例子來說，某家銀行有幾百萬客戶，資料倉儲中儲存了每個客戶的人口統計資訊、賬戶資訊、交易資訊、客服聯絡資訊等詳細資料。但是銀 行不可能清楚地瞭解每位客戶是什麼樣的客戶，客戶的消費模式到底是怎樣的？
這時一般需要把全體客戶進行細分，劃分為幾個客戶群，而且這種劃分可以保證具有 相似行為、相似價值的客戶會被放入同一個群組中。有了這些客戶群，銀行就能更容易地發現營銷機會並制定營銷戰略。這個例子中所用的挖掘技術是聚類模型，它 就是一種典型的描述型挖掘。
**型挖掘，顧名思義，就是建立的挖掘模型具備**能力。這種**能力可能包括**哪些客戶下個月會流失，哪些客戶對**活動會積極響應，哪些客戶的未來價值會成長以及成長多少等等。**型挖掘常常對企業運營具有更強的指導作用，從而更快地見效。
2、從應用層面來說，資料探勘可以應用到很多行業中，包括電信、銀行、**、保險、製造、因特網等等。
拋開具體行業的特定應用不談，在各個行業中一般都會把資料探勘應用在客戶關係管理（crm）之中。在crm中的資料探勘應用，包括客戶細分、客戶價值分析、客戶獲取、客戶保持、交叉銷售和提升銷售等等。此外，信用評分、欺詐偵測和文字挖掘等也是常見的應用。
資料探勘工程師一般都做什麼？
12樓：匿名使用者
資料探勘指的是在bai長期積累的du資料中分析和挖zhi掘有價值的資訊dao以供決策。
這個概念主回要還是因為erp（企業資源計劃）答和oa(辦公自動化)軟體系統的廣泛使用和發展的基礎上出現的一個概念。因為企業在使用這些軟體系統的過程中，雖然運營的狀態和管理以及成本有很大的節約，大大提高了企業的運營效率，可是這些系統卻只能對企業的狀態和管理進行一個狀態性的記錄，對長期記錄下來的這些資料的分析和在挖掘能力是非常有限的，雖然眾多軟體**商想出各種辦法來利用其這些資料，比如出各種報表甚至自定義的報表，可是仍然受制於erp和oa本身設計的缺陷，因為它們原本就不是設計來做資料分析的。
13樓：匿名使用者
職位職責：
1、根據自copy己對行業，以及公司業務的瞭解，獨自承擔複雜分析任務，並形成分析報告；
2、相關分析方向包括：使用者行為分析、廣告點選分析，業務邏輯相關以及競爭環境相關；
3、根據業務邏輯變化，設計相應分析模型並支援業務分析工作開展。
崗位要求：
1、2年以上行業建模的經驗；
2、本科以上，數學，統計，計算機，物理等相關專業畢業；
3、精通統計學，資料探勘技術，尤其是迴歸模型、決策樹模型。
4、精通spss clementine/sas em等各型別資料分析工具，能製作專業分析報告；
5、有金融、通訊或網際網路某一行業實際資料探勘專案經驗，並對此行業業務有深刻認識；
6、對網際網路領域有熱情，較強的學習及人際技巧、影響說服能力，喜歡有挑戰的工作。
14樓：加米穀大資料科技
1、運用資料
挖掘、統計學習的理論和方法，深入挖掘和分析資料，並設計實現相應的版演算法；
2、大規模資料的分類權、聚類、關聯等演算法的比較研究；
3、對使用者與客戶的行為進行分析，負責使用者與客戶行為分析的目標確定、資料採集、分析模型設計；
4、指導開發人員完成演算法實現。
15樓：匿名使用者
1、 資料預處理
通常的數
據挖掘需要涉及相對較大的資料量，這些資料可能**專不一導屬致格式不同，也許有的資料還存在一些缺失值或者無效值，如果不經處理直接將這些『髒』資料放到我們的模型中去跑，非常容易導致模型計算的失敗或者可用性很差，所以資料預處理是我們所有資料探勘過程中都不可或缺的一步。通常佔用了我們資料探勘過程中的很大部分時間。
2、 資料探勘
通過進行的特徵的構造然後放到特定的模型中去計算，利用某種標準去評判不同模型或組合模型的表現，最後確定一個最合適的模型用於我們的後處理。
3、 後處理
應用或者用合適的方式將其特徵表示出來。
16樓：號
職位職責：
1、根來據自己對自行業，以及公司業務的瞭解，獨自承擔複雜分析任務，並形成分析報告；
2、相關分析方向包括：使用者行為分析、廣告點選分析，業務邏輯相關以及競爭環境相關；
3、根據業務邏輯變化，設計相應分析模型並支援業務分析工作開展。
崗位要求：
1、2年以上行業建模的經驗；
2、本科以上，數學，統計，計算機，物理等相關專業畢業；
3、精通統計學，資料探勘技術，尤其是迴歸模型、決策樹模型。
4、精通spss clementine/sas em等各型別資料分析工具，能製作專業分析報告；
5、有金融、通訊或網際網路某一行業實際資料探勘專案經驗，並對此行業業務有深刻認識；
6、對網際網路領域有熱情，較強的學習及人際技巧、影響說服能力，喜歡有挑戰的工作。
什麼是資料探勘？
17樓：cda資料分析師
簡單地說，資料探勘是從大量資料中提取或『挖掘』知識。該術語實際上有點用詞不當。資料探勘應當更正確地命名為『從資料中挖掘知識』，不幸的是它有點長。
許多人把資料探勘視為另一個常用的術語『資料庫中知識發現』或kdd的同義詞。而另一些人只是把資料探勘視為資料庫中知識發現過程的一個基本步驟。
資料探勘是一個用資料發現問題、解決問題的學科。
通常通過對資料的探索、處理、分析或建模實現。
我們可以看到資料探勘具有以下幾個特點：
基於大量資料：並非說小資料量上就不可以進行挖掘，實際上大多數資料探勘的演算法都可以在小資料量上執行並得到結果。但是，一方面過小的資料量完全可以通過人工分析來總結規律，另一方面來說，小資料量常常無法反映出真實世界中的普遍特性。
隱含性：資料探勘是要發現深藏在資料內部的知識，而不是那些直接浮現在資料表面的資訊。常用的bi工具，例如報表和olap，完全可以讓使用者找出這些資訊。
新奇性：挖掘出來的知識應該是以前未知的，否則只不過是驗證了業務專家的經驗而已。只有全新的知識，才可以幫助企業獲得進一步的洞察力。
價值性：挖掘的結果必須能給企業帶來直接的或間接的效益。有人說資料探勘只是「屠龍之技」，看起來神乎其神，卻什麼用處也沒有。
這只是一種誤解，不可否認的 是在一些資料探勘專案中，或者因為缺乏明確的業務目標，或者因為資料質量的不足，或者因為人們對改變業務流程的抵制，或者因為挖掘人員的經驗不足，都會導 致效果不佳甚至完全沒有效果。但大量的成功案例也在證明，資料探勘的確可以變成提升效益的利器。
什麼是資料探勘，或資料探勘的過程是什麼
營銷大資料資訊服務的發展，指導了企業商業規劃，優化商業資源配置，提高商業營銷效率，實現了精準營銷。徵信大資料資訊服務的發展，有效解決了交易雙方信用資訊不對稱問題，提高了交易可靠性保障，讓商業活動發展更加守信和健康。網際網路金融大資料資訊服務的發展，縮減了網際網路金融運營成本，降低了普惠金融的發展門檻...
什麼是資料探勘？資料探勘怎麼做啊
資料探勘是從大量的 不完全的 有噪聲的 模糊的 隨機的資料中提取隱含在其中的 人們事先不知道的 但又是潛在有用的資訊和知識的過程。資料探勘流程 定義問題 清晰地定義出業務問題，確定資料探勘的目的。資料準備 資料準備包括 選擇資料 在大型資料庫和資料倉儲目標中 提取資料探勘的目標資料集 資料預處理 進...
資料探勘中分類與聚類區別與關係,資料探勘中分類和聚類的區別
分類是根據規則進行的，你把這個規則建立起來後還可以運用到其他尚未分類的資料，同時還可以根據新的已有類別資料修正分類規則，不斷提高其分類準確性 聚類是純粹的根據已有資料進行系統把資料聚類，有可能聚類出來的沒有實際意義，聚類也無法通過訓練資料和後期的資料不斷提高準確度的 資料探勘中分類和聚類的區別 你好...