什么是数据挖掘？如何驾驭大数据？数据分析与数据挖掘


既然大数据通常是 “大体量、发杂多样、高速实时”，而且不是 “结构化” 的，这就引出一个问题，如何驾驭大数据？

前面提到，人们发明出包括数据收集、存储、抽取、转化、加载、清洗、分析、挖掘和应用的方法用以驾驭大数据，而 “数据挖掘 Data mining” 就是对各种挖掘工具方法的统称。

要理解 “数据挖掘” ，可以和 “数据分析” 做个简单比较

• 数据分析的分析目标往往比较明确，分析条件也比较清楚，基本上就是采用统计方法，对数据进行多维度地描述；
• 数据挖掘的目标却不是很清晰，要依靠挖掘算法来找出隐藏在大量数据中的规律和模式，也就是从数据中提取出隐含的、未知的有价值的信息。
  

在实践中，数据挖掘一般划分为 “分类”、“聚类”、“关联” 和 “序列” 等几大常见问题，针对每一类问题，又有专门的挖掘算法来处理。例如，用户流失预警模型、促销活动响应模型都用于预测用户某个行为的发生概率，属于 “分类” 问题，可以用决策树算法、逻辑回归算法、多元线性回归、神经网络算法来处理。

想了解大数据的朋友可以看看《驾驭大数据》（Bill Franks 著、黄海译、人民邮电出版社），是入门书籍里比较系统的，很适合帮助自己对大数据形成一个基本认知框架。