大嘴巴漫谈数据挖掘基础篇-数据挖掘简介

1.开篇点题引五问

 

      在企业的业务运营中，通常会借助数据挖掘技术来辅助产品设计、营销推广等环节的工作。

      Why表示通过日常监控分析发现的运营问题；What表示制定解决目标问题的总体策略和方针；Who表示结合运营数据并组织开展数据挖掘工作的各类专业人员；Which表示针对特定目标用户设计的精细化运营方案，主要目的是促进用户活跃和业务的有效使用；Where表示通过跟踪用户发展和业务推广情况作出的相应优化和改进，并评估市场反馈。

2.大数据中求价值

      

       数据挖掘的商业目的主要是基于对大量企业业务数据的深度分析，发现有价值的信息和知识，从而有效提高企业的运营效率和营销收入，降低成本开销。

      数据挖掘同样能够提高企业的预测分析和推断预警能力。通过运用多样化的综合手段分析用户需求并精确定位目标用户，利用各种营销渠道构筑产品推广体系。以用户为导向，寻找合适的产品应用，针对不同用户进行个性化的推荐，提升用户感知，优化用户体验，支持产品改进，以及加强业务管理水平。

3.定义概述归特点

       利用数据挖掘技术能够发现隐藏在大量繁杂数据中的模式和规律。模式规律一般看作知识，描述了数据的特征、趋势和相关性。这些知识新颖有效并最终可以被理解和应用。

      数据挖掘通常被演绎成一个知识发现的过程，也会被认为是一个去粗存精，去伪存真的过程。首先将数据清理集成并变换为适合处理的形式，然后构建模型获取知识并评估结论的准确性和可靠性，最后使用可视化技术，通过界面交互向用户展现挖掘结果。

4.知识决策跨领域

       数据挖掘从数据、信息再到知识形成完整的决策流程，从客观的定量分析到抽象逻辑的定性结果，是经过实践检验并能够辅助管理者的判断取向。      

      数据是通过试验、测量、调研等分析方法获得的结果，并以数量的形式表示。利用整合、汇总等方法对数据进行加工处理后，一般会通过图表、规则等方式来展现隐含在其中的信息。知识是基于信息的归纳和演绎，建立在信息之上，与决策密切相关，并对决策产生指导价值和实际意义。

       数据挖掘与统计学有很多共同之处，二者有着相似的研究目标，都在探寻存在于大量数据中有价值的信息和知识。同时数据挖掘还借鉴并应用了其他许多学科领域的思想和方法，比如数据库、机器学习和人工智能等。通过基于云计算的大规模数据存储和处理技术，也为海量数据挖掘提供了新的方法和手段。

      总之，数据挖掘综合了不同领域的专业知识并与商业活动紧密联系。当然，除了提升基础理论研究之外，更重要的是要加强应用推广。

5.架构特征多形式

       将来自各个生产系统及业务平台的明细数据按照应用主题多维轻度汇总后，并进一步归类。同时建立统一数据视图，包括用户视图、产品视图、渠道视图等，构筑企业级核心数据仓库存储中心，形成统一的数据分析模型，以此共同组成完整的企业级数据挖掘基础架构。

      数据从明细级转变为汇总级和分析级，其中的主题可以是用户、产品、营销等。模型主要实现各类算法任务和专题规划，并将结果反馈给决策应用。