1. 数据挖掘发展
数据挖掘是指从大量的、不完全的、有噪声的、模糊的、随机的原始数据中，提取隐含的、人们事先未知的、但又潜在有用的信息和知识的非平凡过程。
数据挖掘是一门涉及面很广的交叉学科，包括计算智能、机器学习、模式识别、信息检索、数理统计、数据库等相关技术，在商务管理、生产控制、市场分析、科学探索等许多领域具有广泛的应用价值。
20世纪90年代，随着数据库系统的广泛应用和网络技术的高速发展，数据库技术也进入一个全新的阶段；
即从过去仅管理一些简单数据发展到管理由各种计算机所产生的图形、图像、音频、视频、电子档案、Web页面等多种类型的复杂数据；
并且数据量也越来越大。数据库在给我们提供丰富信息的同时，也体现出明显的海量信息特征。
信息爆炸时代，海量信息给人们带来许多负面影响，最主要的就是有效信息难以提炼，过多无用的信息必然会产生信息距离和有用知识的丢失。
因此，人们迫切希望能对海量数据进行深入分析，发现并提取隐藏在其中的信息，以更好地利用这些数据。
但仅以数据库系统的录入、查询、统计等功能，无法发现数据中存在的关系和规则，无法根据现有的数据预测未来的发展趋势，更缺乏挖掘数据背后隐藏知识的手段。
正是在这样的条件下，数据挖掘技术应运而生。
2. 数据挖掘发展现状
统计学是新世纪最有前途的学科
"语言学、心理学和统计学是21世纪中国最有发展前途的三大学科。"这是教育部社政司司长、中国人民大学博士生导师顾海良教授在一次重要会议上发表的观点。
"语言学、心理学和统计学是21世纪中国最有发展前途的三大学科。"这是教育部社政司司长、中国人民大学博士生导师顾海良教授在一次重要会议上发表的观点。为什么统计学是最有前途的学科之一，这个观点的依据是什么，这个判断对我国统计学、乃至我国统计工作的发展意味着什么?
统计学在我国是亟待发展和具有辉煌前景的学科，这样讲主要有三点依据。首先，20世纪后半个世纪，人文社会科学的发展与统计学的关系越来越紧密，统计学的发展已经渗透到人文社会科学的许多领域，并由此产生许多新的学科，如人口统计学、历史统计学、教育统计学、心理统计学、社会统计学，等等。统计学与人文社会科学的结合，改变了原有单一学科发展的思路、视野和应用功能，对人文社会科学的发展具有极大的支撑作用；反过来，这种结合又促进了统计学的发展。但是，最根本的是统计学对人文社会科学巨大的推动作用，这种推动作为一个大趋势还将在21世纪得到更充分的体现。第二，21世纪是信息经济时代，信息经济时代的特征是计算机的普及应用，但是，从本质上讲，信息经济所依赖的不只是信息处理手段的先进性，更重要的是信息收集、整理的准确性，而准确的信息收集、整理离不开统计学学科的发展。因此，统计学对信息经济的发展同样具有重要的支撑作用。第三，目前在中国，统计学的发展还处于"肢体不全"的状态。一说到统计，人们总想到的就是报表，而不是从学科角度认识它。实际上，统计学不仅在物理、化学等自然科学领域广泛应用，而且在政治、经济、文化、历史等社会实践和学科发展中都有深入的应用。但在我国，统计学在政治、文化等领域的发展还较弱。因此，统计学在这些领域的发展余地越大，它未来发展的前景就越好。目前在我国，人们对统计学的认识还不全面，在高校，财会、金融、国际贸易等专业都很"火"，而统计专业却在萎缩。这与国外有很大不同，在一些发达国家如法国等，统计学是大学里最受重视的学科，统计学发展得如何是衡量某一大学学术水平的标志。在这些国家，统计学是强势学科，而在我国，统计学仍是弱势学科，这个现状也决定了统计学在我国应有更大的发展空间。
随着我国经济体制改革的快速推进以及经济全球化趋势的日益显著，人们逐步认识到统计在信息时代中的重要作用。站在二十一世纪的起跑线上，统计工作的发展将紧跟时代前进的步伐，以系统、科学的统计理论及信息技术为基础，以改革和创新的思维寻求突破，逐步构筑起统计现代化之路。
统计是一门融合自然科学和社会科学的学问，同时也是一项严谨细致的工作。从基础数据的采集到综合处理，从数据的分析研究到最终服务于社会，各个环节紧密相连，牵一发而动全身。其涉及层面之广，处理流程之严密，可以认为统计工作本身就是一项复杂的系统工程。如果以中等城市为研究对象，按照统计工作的规律，以系统工程的理论为基础去探讨建立现代统计系统，该系统可以由四个"子系统"组成，即：数据源子系统、数据处理子系统、数据分析研究子系统和统计服务子系统。该系统涵盖并拓展了诸如加强统计队伍组织建设、建立统计信息自动化系统、繁荣统计科学研究、提供统计优质服务等方面内容。可以说，建立并衔接好这四个"子系统"，统计数据的质量才有可靠的保证、统计工作的效率才可以大大提高、统计工作的职能才能得到充分的发挥。
一、建立数据源子系统。准确、全面、及时地采集基础数据是开展统计工作之本。没有一个健全和高素质的基层统计组织体系，就不可能快、精、准地收集统计基础数据；没有高质量的基础数据，据此而从事的所有后续的工作，都将会是精力上的浪费并进而可能导致决策上的失误。因此，建立数据源子系统是现代统计系统中最基本和最重要的一部分。具体地说，在巩固和加强市、县统计机构的基础上，重点要建立起镇、村级及企事业单位等基层的数据源统计组织机构，各有关同级部门也必须建立自己的统计组织，由此形成上下贯通、纵横交织、完整高效的统计数据收集的组织网络。各统计组织机构要配备充足的素质优良的统计人员，并保持其稳定性，应采用先进的数据采样方法、技术及装备，同时还要辅以统计法制手段来确保上报数据的质量。
二、建立数据处理子系统。当收集到纷繁庞杂的原始数据后，数据处理子系统就要启动。在该子系统中要实行"软硬兼施"。从应用和处理功能出发，在市级统计局内构建适度超前并有良好扩展功能的计算机数据处理中心及延伸至数据源子系统基层组织的计算机网络系统，这就是数据处理子系统的硬件环境。而该子系统的灵魂在于软件，也就是说要下大力气开发应用于统计信息处理和网络信息平台的各种通用和专用软件，从而实现统计数据处理的自动化。
三、建立数据分析研究子系统。数据分析研究是对统计数据的深加工和精加工，是实现统计优质服务的基础，统计工作水平的高低由此可以充分体现出来。因此，要有一批精通统计学、经济学、社会学的专家参与该研究工作，使计算机辅助分析和人工智能分析充分结合。研究工作要紧密结合上级领导决策及制定有关政策的需要、结合地方经济发展状况及社会热点难点问题展开。
四、建立统计服务子系统。体现统计工作的价值关键在于服务。服务对象不仅局限于各级领导部门，也包括社会各界及各行各业。要逐步变被动服务为主动服务，大力开辟统计服务的新内容、新形式和新领域。以服务为导向，向前述的三个子系统及时反馈信息和提出新的课题，从而推动整个系统的高效运作。
二十一世纪是信息的时代。现代的统计系统就是一个基于现代信息技术，实施网络化运行和管理的庞大复杂的开环及闭环复合系统。随着统计方法制度改革的深化、信息技术的日益进步和统计组织机构的不断优化，统计的工作链将逐步缩短，各子系统就有可能达到最佳的运行状态，整个统计系统的综合效率就可以大为提高，统计工作在社会中的地位和作用就更加显要了。因此，在建设现代统计系统的过程中，我们应对各子系统的平衡发展以及系统的整体状况不断地进行有益的探索，寻找其中的薄弱环节并加以改进。但需要强调的是，统计的基层组织建设和信息化建设必须走在前面。
中国统计学的更大发展必然对我国的统计工作产生重要影响和推动作用。就我国统计学界来讲，重要的是改变原有的思维方式，树立先进的统计理念，或者叫作统计学的哲学理念。"统计就是图表"，这是计划经济遗留的陈旧理念。所谓先进的统计理念，是讲对统计学的功能作一个明确的判断，为什么人口统计学、社会统计学等学科主要源于国外的发展，这是因为国外统计学的发展不仅仅研究数据的采集和整理，研究资料的甄别及方法，而是有意识地将资料和方法服务于各学科和各领域，在促进这些学科和领域发展的同时自身也获得极大的发展。
结合我国统计学发展的现状、未来及发展理念，我国"十五"期间统计学发展的趋势：主要是大力发展应用统计领域，特别是在人文社科领域如宏观经济、金融、税收、保险、管理、社会、环境、旅游、人口、新闻舆论、政策等领域，建立这些应用领域的统计研究平台，提高应用统计总体研究水平；同时，推进数据统计分析方法与计算机技术的有机结合。在重点研究课题方面，要加强 宏观经济计量模型的建立和应用研究，抽样技术在社会经济统计调查中的应用研究，现代统计在教育、法律中的应用研究，等等。
3. 数据挖掘发展前景
前景还不错，不过光本科的统计学知识是不够的，我本科是应用数学，大学毕业工作中学了sql用来获取数据和数据处理，之后做数据分析，才开始重新拾起统计学知识，但数据分析最重要的是业务知识要特别熟悉，然后转了数据挖掘，要求就更多了，涉及很多数学知识，又开始自学。总的来说，发展方向就是这样的，不过现在随着云计算的兴起，慢慢的大数据分析师职位开始出来，这就要求更高了，不仅挖掘的知识要求高，还要求较高的计算机知识和编程。
4. 数据挖掘发展过程中出现的技术
大数据关键技术涵盖数据存储、处理、应用等多方面的技术，根据大数据的处理过程，可将其分为大数据采集、大数据预处理、大数据存储及管理、大数据处理、大数据分析及挖掘、大数据展示等。
5. 数据挖掘发展历程
1、数据分类
公司的数据往往是繁多且杂乱的，数据分析的目的之一数据分类，就是利用已具有分类的相似数据研究其分类的规则，将规则应用到未知分类的数据，并将其归类。
2、关联规则与推荐系统
关联规则又叫关联分析，是指在大型的数据库中找到一般的关联模式。推荐系统，看似很高深其实在我们的日常生活中非常常见，比如网购软件的首页购买推荐、视频软件的视频推送等，都是通过查找到关联规则来进行个性化推荐的。
3、数据缩减与降维
当出现变量的数量有限且有大量分类为同类组的样本数据时，通常会选择提高数据挖掘算法的性能，以实现数据缩减与降维。降维，简单说就是减少变量的数量。
4、数据探索与数据可视化
数据探索，旨在了解数据的总体情况并检测可能存在的异常值。数据可视化，是利用图表、图像等显示手段，实现清晰、有效的传达与沟通信息需求。提到数据可视化，就不得不提及到知名的大数据分析品牌思迈特软件Smartbi啦，Smartbi的数据可视化功能可以说是非常强啦，它支持ECharts图形库，支持包含瀑布图、树图和关系图等几十种可实现动态交互的图形，可以实现清晰、直观的观察数据。
以上就是数据分析的4大目的啦，接下来是数据分析的3大意义。
三、数据分析的意义
1、完整、科学地反映客观情况
通过对公司积累下来的海量数据进行统计、分析、研究并形成数据分析报告，我们就可以得到较为完整、科学的客观情况反映，从而协助我们制定出理性、正确的决策和计划，以充分发挥数据分析促进管理、参与决策的重要作用。
2、监督公司运行状态
通过分析公司大量的数据和资料，可以比较全面、精准地了解到公司过去、现在的运行状态和发展变化情况，甚至能够比较准确地预测行业未来发展趋势，由此对公司的未来发展方向做出预测，规避风险。还能监督各部门对于方针政策的贯彻执行情况和生产经营计划的完成情况等。
3、提高数据分析人员素质
数据分析工作，不仅要求数据分析人员要具有数据分析的基础知识，还要求数据分析人员要有一定的经济理论知识。即不仅要掌握数据分析的方法，还要了解有关的经济技术状况、有一定的文化水平和分析归纳能力。这些要求都是对数据分析人员素质的考验，有利于提高数据分析人员的素质。
6. 数据挖掘发展阶段经历了
要数据挖掘
（1） 数据收集和数据存储技术的快速进步使得各组织机构积累了海量数据。然而提取有用的信息已经成为巨大的挑战。
（2）由于数据量太大，已经无法使用传统的分析工具和技术处理它们。
（3）即使数据集相对较小，但由于数据本身具有一些非传统特点，也不能使用传统的方法进行处理。
7. 数据挖掘发展趋势和应用
这个专业从总体上看还是比较好就业的。随着社会发展，各种信息犹如火山爆发一般能量巨大，为了应对工作和生活需要，此时信息检索与数据挖掘专业就显得非常重要，可以极大地提高工作效率，实现信息利用目的，随着形势发展，这方面人才需求猛增，相信你会被就业市场看好的。
8. 数据挖掘发展趋势论文
这个题目的确是有点超出本科生能力，因为数据聚类算法很多，都不是很容易实现，更不用说在效果，效率上的分析，而且绝大多数算法的优缺点早就总结过了，也很难创新，我专业是数据挖掘，我在研究生期间都不做这样的论文
9. 数据挖掘发展阶段
高维数据的解答如下：
平时经常接触的是一维数据或者可以写成表形式的二维数据。
高维数据也可以类推，不过维数较高的时候，直观表示很难。
高维数据挖掘是基于高维度的一种数据挖掘，它和传统的数据挖掘最主要的区别在于它的高维度。高维数据挖掘已成为数据挖掘的重点和难点。随着技术的进步使得数据收集变得越来越容易，导致数据库规模越来越大、复杂性越来越高，如各种类型的贸易交易数据、Web 文档、基因表达数据、文档词频数据、用户评分数据、WEB使用数据及多媒体数据等，它们的维度（属性）通常可以达到成百上千维，甚至更高。
10. 数据挖掘发展的两个前提
2007年，图灵奖获得者美国学者吉姆·格雷提出了科学研究的第四范式——数据密集型科学发现（Data-intensive ScientificDiscovery）。在他看来，人类科学研究活动已经历过三中不同范式的演变过程（原始社会的“实验科学范式”、以模型和归纳为特征的“理论科学范式”和以模拟仿真为特征的“计算科学范式”），目前正在从“计算科学范式”转向“数据密集型科学发现范式”。第四范式，即“数据密集型科学发现范式”的主要特点是科学研究人员只需要从大数据中查找和挖掘所需要的信息和知识，无须直接面对所研究的物理对象。