1. 数据挖掘的技术是什么意思呀
1、数据收集：在大数据的生命周期中，数据采集处于第一个环节。根据MapReduce产生数据的应用系统分类，大数据的采集主要有4种来源：管理信息系统、Web信息系统、物理信息系统、科学实验系统。
2、数据存取：大数据的存去采用不同的技术路线，大致可以分为3类。第1类主要面对的是大规模的结构化数据。第2类主要面对的是半结构化和非结构化数据。第3类面对的是结构化和非结构化混合的大数据，
3、基础架构：云存储、分布式文件存储等。
4、数据处理：对于采集到的不同的数据集，可能存在不同的结构和模式，如文件、XML 树、关系表等，表现为数据的异构性。对多个异构的数据集，需要做进一步集成处理或整合处理，将来自不同数据集的数据收集、整理、清洗、转换后，生成到一个新的数据集，为后续查询和分析处理提供统一的数据视图。
5、统计分析：假设检验、显著性检验、差异分析、相关分析、T检验、方差分析、卡方分析、偏相关分析、距离分析、回归分析、简单回归分析、多元回归分析、逐步回归、回归预测与残差分析、岭回归、logistic回归分析、曲线估计、因子分析、聚类分析、主成分分析、因子分析、快速聚类法与聚类法、判别分析、对应分析、多元对应分析(最优尺度分析)、bootstrap技术等等。
6、数据挖掘：目前，还需要改进已有数据挖掘和机器学习技术；开发数据网络挖掘、特异群组挖掘、图挖掘等新型数据挖掘技术；突破基于对象的数据连接、相似性连接等大数据融合技术；突破用户兴趣分析、网络行为分析、情感语义分析等面向领域的大数据挖掘技术。
7、模型预测：预测模型、机器学习、建模仿真。
8、结果呈现：云计算、标签云、关系图等。
2. 什么是数据挖掘技术?
云计算作为当前大数据背景下的核心技术之一，在各个方面都得到了充分的应用。在数据挖掘技术中，可以充分利用云计算的各项技术，例如分布式存储技术，有效解决数据处理对服务器的高要求。同时Map Reduce计算机模型能够让数据挖掘系统实现同时满足多个用户的多种需求。
3. 数据挖掘技术作用
指大数据技术与应用，研究方向是将大数据分析挖掘与处理、移动开发与架构、软件开发、云计算等前沿技术相结合的应用
4. 什么是数据挖掘有什么用
数据挖掘是指从大量的数据中通过算法搜索隐藏于其中信息的过程。
数据挖掘通常与计算机科学有关，并通过统计、在线分析处理、情报检索、机器学习、专家系统（依靠过去的经验法则）和模式识别等诸多方法来实现上述目标。
数据挖掘对象
1.数据的类型可以是结构化的、半结构化的，甚至是异构型的。发现知识的方法可以是数学的、非数学的，也可以是归纳的。最终被发现了的知识可以用于信息管理、查询优化、决策支持及数据自身的维护等。
2.数据挖掘的对象可以是任何类型的数据源。可以是关系数据库，此类包含结构化数据的数据源；也可以是数据仓库、文本、多媒体数据、空间数据、时序数据、Web数据，此类包含半结构化数据甚至异构性数据的数据源。
3.发现知识的方法可以是数字的、非数字的，也可以是归纳的。最终被发现的知识可以用于信息管理、查询优化、决策支持及数据自身的维护等。
数据挖掘步骤
在实施数据挖掘之前，先制定采取什么样的步骤，每一步都做什么，达到什么样的目标是必要的，有了好的计划才能保证数据挖掘有条不紊地实施并取得成功。很多软件供应商和数据挖掘顾问公司投提供了一些数据挖掘过程模型，来指导他们的用户一步步地进行数据挖掘工作。比如，SPSS公司的5A和SAS公司的SEMMA。
数据挖掘过程模型步骤主要包括定义问题、建立数据挖掘库、分析数据、准备数据、建立模型、评价模型和实施。下面让我们来具体看一下每个步骤的具体内容：
(1)定义问题。在开始知识发现之前最先的也是最重要的要求就是了解数据和业务问题。必须要对目标有一个清晰明确的定义，即决定到底想干什么。比如，想提高电子信箱的利用率时，想做的可能是“提高用户使用率”，也可能是“提高一次用户使用的价值”，要解决这两个问题而建立的模型几乎是完全不同的，必须做出决定。
(2)建立数据挖掘库。建立数据挖掘库包括以下几个步骤：数据收集，数据描述，选择，数据质量评估和数据清理，合并与整合，构建元数据，加载数据挖掘库，维护数据挖掘库。
(3)分析数据。分析的目的是找到对预测输出影响最大的数据字段，和决定是否需要定义导出字段。如果数据集包含成百上千的字段，那么浏览分析这些数据将是一件非常耗时和累人的事情，这时需要选择一个具有好的界面和功能强大的工具软件来协助你完成这些事情。
(4)准备数据。这是建立模型之前的最后一步数据准备工作。可以把此步骤分为四个部分：选择变量，选择记录，创建新变量，转换变量。
(5)建立模型。建立模型是一个反复的过程。需要仔细考察不同的模型以判断哪个模型对面对的商业问题最有用。先用一部分数据建立模型，然后再用剩下的数据来测试和验证这个得到的模型。有时还有第三个数据集，称为验证集，因为测试集可能受模型的特性的影响，这时需要一个独立的数据集来验证模型的准确性。训练和测试数据挖掘模型需要把数据至少分成两个部分，一个用于模型训练，另一个用于模型测试。
(6)评价模型。模型建立好之后，必须评价得到的结果、解释模型的价值。从测试集中得到的准确率只对用于建立模型的数据有意义。在实际应用中，需要进一步了解错误的类型和由此带来的相关费用的多少。经验证明，有效的模型并不一定是正确的模型。造成这一点的直接原因就是模型建立中隐含的各种假定，因此，直接在现实世界中测试模型很重要。先在小范围内应用，取得测试数据，觉得满意之后再向大范围推广。
(7)实施。模型建立并经验证之后，可以有两种主要的使用方法。第一种是提供给分析人员做参考；另一种是把此模型应用到不同的数据集上。
5. 数据挖掘啥意思
1、根据自己对行业，以及公司业务的了解，独自承担复杂分析任务，并形成分析报告；2、相关分析方向包括：用户行为分析、广告点击分析，业务逻辑相关以及竞争环境相关；3、根据业务逻辑变化，设计相应分析模型并支持业务分析工作开展。
6. 数据挖掘的技术是什么意思呀英语
商业智能BI是指是从系统数据中提取有效的信息，从浩瀚的信息中及时地发现有价值的知识，为企业决策层的思维决策和战略发展提供有力服务，尽量减少管理决策中凭经验、拍脑袋的风险和隐患，从而充分提高企业市场快速反应力与竞争力的软件解决方案。 而今伴随着企业信息化发展的浪潮汹涌，组织流程的固化、改进，知识的积累、应用，技术的创新、提升，作为商业智能管理的系统软件BI也在不断求新求变，在推进企业信息化建设中继续建功立业。 BI新走向之一：融合加强，演变成门户化 CIO必须清楚认识，未来的商业智能BI趋势将是基于全面信息集成的服务，将是一种企业级跨部门运作的基础信息系统，可以联结企业各个岗位上的各个工作人员，可以联结企业各类信息系统和信息资源，真正实现跨平台，最后演变成门户化，而不是以前单一、隔离、枯燥的系统。 在基于企业战略和流程的大前提下，BI应可通过类似门户的技术对各个业务系统进行整合，使得BI与OA、CRM、ERP、SCM以及其它系统之间能实现融合集成，系统之间的结构化数据能通过门户管理平台互相调用、展现，全面提供决策支持、知识挖掘、商业智能等一体化服务，实现企业数字化、知识化、虚拟化。这时BI或已远远超出传统BI的范畴，演变成为企业综合性强大管理支撑平台，换为企业知识门户EKP、管理支撑平台MSS等名称或更能体现其价值。CIO应努力推动企业BI向综合平台、门户化方向发展。 BI新走向之二：日趋傻瓜，体现人性化 未来BI的门户将更加强调人性化，功能日趋傻瓜，强调易用性、稳定性、开放性，强化人与人沟通、协做的便捷性，重视对于众多信息来源的整合，并进一步完善可以拓展的管理支撑平台框架，从而改变以往人去找系统的现状，实现系统找人的全新理念与功能。这对今后未实施应用BI的企业CIO进行选型应有指导意义，并作为一个方向推广应用BI建设。 今后的BI系统能让合适的角色在合适的场景、合适的时间里获取合适的知识、数据，充分发掘和释放人的潜能，并真正让企业的数据、信息转变为一种能够指导人行为的意念、能力。其实人性化也即一种自动化，充分体现管理系统的最大价值与作用。 BI新走向之三：移动BI将成为新战场 目前中国已正式步入了3G时代，同时，3G全新时代的到来，对于无线商务、移动信息化而言，则昭示了一种更美好的希望与前景，这对BI亦是一样的。因此CIO也必须认识、重视3G时代的BI，把握其走向。 2010年，全球移动用户数量已经突破50亿，而中国移动用户也达到7亿之巨，可以预见，今后一两年，利用新技术，移动协同应用将成为BI未来增长点。 目前信息终端应用正在全面推进融合，3G无线移动技术在中国的应用已在全面建设推广，它使融合了计算机技术、通信技术、互联网技术的移动设备将成为个人办公必备信息终端，在此载体上的移动BI协同应用将是管理的巨大亮点。用户可以通过智能手机提交数据，并获取分析报告，实现无处不在、无时不在的实时动态管理，这将给传统BI带来重大的飞跃。因此企业CIO应积极利用现代手机移动技术，充分发挥3G技术在BI的功用，让BI移动办公、无线掌控将可信手拈来，随时随处可行。 BI新走向之四：在云中部署BI，成为主流方向 云计算对CIO们已不再陌生了，甚至耳熟能详了。目前云计算概念方兴未艾，云计算功能极其强大，未来两三年将是云端运算服务年，也将是最热门软件的名词和发展潮流，以云为基础的商业智能在线服务将成为全新的商业智能部署的主流方向。CIO应全面知了云计算未来走势。 目前云计算的重要性已经能够影响到未来各个BI厂商未来的生存线。从某种意义而言，只有产品是面向云规模架构设计并符合云运营模式的BI软件才能获得用户企业的青睐，在今后持续取得成功。对一些数据储存巨大、运维服务繁重但又实力不强、技术不全面的企业来说，云计算模式将是包括BI在内等管理系统的应用方向，CIO应积极推动未来的BI朝云计算方向发展。 尽管BI向云迁移的过程中仍然面临许多的挑战，但随着越来越多的企业将其业务应用置于云端，在云中部署BI已不是一个可望不可及的理想目标。据悉， BI专业厂商Informatica已经进行了向用户交付云服务的尝试。此前该公司发布的Informatica BI数据集成平台已经能同时部署在预装系统或云网络之中，为用户企业提供云端集成服务。 BI新走向之五：SaaSBI日渐雄起，受中小企业青睐 IDC机构预测，SaaS BI将成为今后一两年BI市场的一大热点，也是各大BI厂商角逐的焦点。因为传统的BI工具过于昂贵，且建设过程较为复杂，从中小企业的自身状况和当前经济形势分析，低费用高效的SaaS租用模式无疑已成为中小企业CIO推行BI的重要选择，将给企业带来了良好的发展平台。 因此Gartner机构预计到2012年，25-30%的企业将使用软件即服务SaaS这种业务模式，15-20%的中小企业组织将通过SaaS获得具行业特色的分析应用软件，SaaS BI将成为BI投资组合应用的标配。 然而基于现阶段的SaaS的发展状况看，该商业模式的应用仍尚不成熟，还需大力培育、推广，只有到相对比较成熟、完善的情形之下，BI才能借助该模式的力量达到星火燎原的目标。这点需要CIO注意。因此时下，BI应用还是会以传统模式为主。 BI新走向之六：可视化技术呈亮点，交互式分析助推BI 目前，有越来越多的企业CIO不再满足于传统较为单一、呆板的图像展现和交互式的图像展现，因为更多的分析需求需要借助图像OLAP这种多维分析模式来完成，比如噪音数据、数据集趋势等。这点对CIO应用BI为企业管理决策很重要。据称，Oracle已经率先开展了数据可视化分析的先河，为用户提供可视化数据探索服务。这种类型的分析手段也将是未来BI领域的又一亮点、一大趋势。 同时，BI传统的过滤、上钻、下钻、比较等功能也难于满足一些特殊企业用户及CIO的管理分析要求。因此新一轮的BI高级分析需求已经在不同行业悄然升温。在未来的BI平台中，预测、分摊、假设模拟、数据挖掘等交互式技术将成为新一轮的BI系统升级改造方向。据称，集成整合Essbase服务技术的Oracle商务智能平台已能为用户提供面向策略级、未知信息的分析预测能力和个性化自助式定制等。 BI新走向之七：外部信息将整合到内部BI中，内外网信息并联互动 从时下BI领域的演变情况来看，企业CIO所应用、依赖的信息、数据均是来源于企业 内部信息系统中的数据材料，并籍此进行分析加工、做出决策。然而从长期而言，单凭对内部数据的挖掘并加以运用仍显不够的，CIO有时尚需对更多的外部信息、数据加以收集、归纳和分析，逐步形成外部支撑平台，将外部信息整合到内部BI中，并使内网和外网能互联互通丰富、动态的信息而不是静态的报告或者计算数据，以此得到更全面科学的决策依据。 未来的BI将融合了协同、知能、门户、无线等精髓，并日趋经济简捷高效，将不断绽放新花，焕发出迷人的光彩。不管是BI厂商的CIO还是用户企业的CIO，只有抓住这些发展趋势、技术潮流，加以研发推广，才能更好地为国内企业决策管理服务，抢得竞争先机。
7. 数据挖掘的含义是什么
数据挖掘：Data mining，又译为资料探勘、数据采矿。它是数据库知识发现（英语：Knowledge-Discovery in Databases，简称：KDD)中的一个步骤。数据挖掘一般是指从大量的数据中自动搜索隐藏于其中的有着特殊关系性（属于Association rule learning）的信息的过程。数据挖掘通常与计算机科学有关，并通过统计、在线分析处理、情报检索、机器学习、专家系统（依靠过去的经验法则）和模式识别等诸多方法来实现上述目标。 举例：爬虫软件就是简单的数据挖掘 数据分析：数据分析是指用适当的统计分析方法对收集来的大量数据进行分析，提取有用信息和形成结论而对数据加以详细研究和概括总结的过程。这一过程也是质量管理体系的支持过程。在实用中，数据分析可帮助人们作出判断，以便采取适当行动。 数据分析的数学基础在20世纪早期就已确立，但直到计算机的出现才使得实际操作成为可能，并使得数据分析得以推广。数据分析是数学与计算机科学相结合的产物。 举例：通过对大量数据的分析马云知道了杭州地区的女性的...