了解數(shù)據(jù)挖掘的概念和特點

數(shù)據(jù)挖掘源自《從數(shù)據(jù)庫中發(fā)現(xiàn)知識》（縮寫為KDD）。它首次出現(xiàn)在1989年8月在底特律舉行的第十一屆國際聯(lián)合人工智能會議上。為了統(tǒng)一理解，F(xiàn)ayyad，Piatetsky-Shapiro和Smyth在權威文章集《知識發(fā)現(xiàn)與數(shù)據(jù)進展》中給出了KDD和數(shù)據(jù)挖掘的最新定義。從中總結了1996年該領域的進展，并予以區(qū)分：

KDD的定義是：KDD是從數(shù)據(jù)中識別有效，新穎，潛在有用且最終可以理解的模式的過程。

數(shù)據(jù)挖掘的定義是：數(shù)據(jù)挖掘是KDD中的一步，它使用特定算法在可接受的計算效率限制內生成特定模式。

數(shù)據(jù)挖掘技術的特點

1.基于大量數(shù)據(jù)：不是說無法挖掘小數(shù)據(jù)量。實際上，大多數(shù)數(shù)據(jù)挖掘算法都可以在較小的數(shù)據(jù)量上運行并獲得結果。但是，一方面，過小的數(shù)據(jù)量可以通過手動分析來總結，另一方面，小數(shù)據(jù)量通常不能反映現(xiàn)實世界的一般特征。

2.非平凡性：所謂非平凡的意思是指所挖掘的知識是不簡單的。一定不能與著名體育評論員所說的相似：“經(jīng)過我的計算，直到比賽結束我才發(fā)現(xiàn)了一個有趣的現(xiàn)象。本屆世界杯的進球數(shù)和失球數(shù)都是相同的。非常巧合！”這種知識。這似乎沒有必要，但是許多不了解業(yè)務知識的數(shù)據(jù)挖掘新手經(jīng)常會犯此錯誤。

3.隱含性：數(shù)據(jù)挖掘是發(fā)現(xiàn)數(shù)據(jù)深處的知識，而不是直接出現(xiàn)在數(shù)據(jù)表面的信息。常用的BI工具（例如億信BI和豌豆BI）完全可以讓用戶找到此信息。

4.新奇性：挖掘的知識以前應該是未知的，否則僅是為了驗證業(yè)務專家的經(jīng)驗。只有新知識才能幫助公司獲得進一步的洞察力。

5.價值性：挖掘的結果必須為企業(yè)帶來直接或間接的利益。有人說數(shù)據(jù)挖掘只是“殺龍技術”。它看起來牛氣哄哄，但沒有用。這只是一個錯誤的想法。不可否認的是，在某些數(shù)據(jù)挖掘項目中，由于缺乏明確的業(yè)務目標，或者由于數(shù)據(jù)質量不足，或者由于人們抵制不斷變化的業(yè)務流程，又或者由于挖掘人員缺乏經(jīng)驗，都會導致結果不佳甚至根本沒有效果。但是，大量成功的案例也證明了數(shù)據(jù)挖掘確實可以成為提高效率的武器。