怎么学习数据挖掘_如何系统地学习数据挖掘

　　学习数据挖掘，必须明确自己的发展方向和目标。很多人对数据行业里发展方向并不清楚，我们先来说说数据行业的职业发展方向。

　　数据行业从广义上讲可以分为以下几个职位：

　　数据挖掘工程师多是通过对海量数据进行挖掘，寻找数据的存在模式，从而通过数据挖掘来解决具体问题。其更多是针对某一个具体的问题，是以解决具体问题为导向的。例如：聚类分析，通过对于会员各种人口统计学、行为数据进行分析，对客户进行分类，更好地理解客户，知道公司会员是到底如何？高、中、低低价值的客户构成，既可以后期公司的运营提供指导，提高活动效率，可以指导公司的营销。

　　做数据挖掘工程， 必须精通数据库。很多时候，你模型的数据预处理，可能完成在数据库里完成，你用到的数据库技巧更高。必须要会成熟的数据挖掘工具、数据挖掘算法，等，当然如果你会一、二款开源软件，并会写一些程序代码那是最好的，大公司都喜欢用开源的软件。

　　数据分析师更注意是对数据、数据指标的解读，通过对数据的分析，来解决商业问题。主要有包括：（1）业务监控：诊断当前业务是否正常？是否存在问题？业务发展是否达到预期？如果没有达到预期，问主要问题在哪？是什么原因引起的？（2）建立分析体系：这些数据分析师已经对业务有一定的理解，对业务也相对比较熟悉，更多帮业务方建立一套分析体系，或者更高级是做成数据产品。例如：营销活动。分析师会告诉业务方，在活动前你应该分析哪些数据，从而制定恰当的营销计划。在营销过程中，你应该看哪些数据，从而及时做出营销活动调整。在营销活动，应该如何进行活动效果评估以及行业未来发展的趋势分析。

　　商业分析师在行业、宏观的层面进行业务分析，预测未来行业的发展，竞争对手的业务构成，帮助公司制定战略发展计划，并及时跟踪、分析市场动态，从而及时对战略进行不断优化。主要技能要求：要熟悉基本的统计分析知识、对于与网站相关的业务还可能要求掌握等网站分析工具等。

　　这个职位与数据挖掘工程师还是有本质区别的。数据建模师，更多偏向于中、小数据量，而且其使用更多更多是统计学的方法，数据建模师其实很少会提到算法这个词。但是有时候，这二个模型越来越没有明确的分工，一般来说都会二个职位的人都会去学习对方的知识，所以这二个职位有合并的趋势。

　　新进入数据行业的同学，可以根据自己的背景背景选择相应的职位，学数据、统计学的朋友更多可以偏向于建模师，而计算机特别是写编程好的同学，可以走数据挖掘工程师，也许适应性更好，但这不是绝对的。

　　磨刀不误砍柴工。在学习数据挖掘之前应该明白几点：

　　数据挖掘目前在中国的尚未流行开，犹如屠龙之技。

　　数据初期的准备通常占整个数据挖掘项目工作量的70%左右。

　　数据挖掘本身融合了统计学、数据库和机器学习等学科，并不是新的技术。

　　数据挖掘技术更适合业务人员学习（相比技术人员学习业务来的更高效）

　　数据挖掘适用于传统的BI（报表、OLAP等）无法支持的领域。

　　数据挖掘项目通常需要重复一些毫无技术含量的工作。

　　如果你阅读了以上内容觉得可以接受，那么继续往下看。

　　学习一门技术要和行业靠拢，没有行业背景的技术如空中楼阁。技术尤其是计算机领域的技术发展是宽泛且快速更替的（十年前做网页设计都能成立公司），一般人没有这个精力和时间全方位的掌握所有技术细节。但是技术在结合行业之后就能够独当一面了，一方面有利于抓住用户痛点和刚性需求，另一方面能够累计行业经验，使用互联网思维跨界让你更容易取得成功。不要在学习技术时想要面面俱到，这样会失去你的核心竞争力。

　　1）数据分析师：在拥有行业数据的电商、金融、电信、咨询等行业里做业务咨询，商务智能，出分析报告。

　　2）数据挖掘工程师：在多媒体、电商、搜索、社交等大数据相关行业里做机器学习算法实现和分析。

　　3）科学研究方向：在高校、科研单位、企业研究院等高大上科研机构研究新算法效率改进及未来应用。