概率论与数理统计推荐DavidFreedman版业务建模与数据挖掘入门数据挖掘SAS编程与数据挖掘业务案例克莱曼婷数据挖掘方法与应用Excel2007VBA参考书IBM PS statistics 19 StatisticalprocessCompanion等(2)。数据挖掘工程师需要了解主流机器学习算法的原理和应用。
数据分析数据挖掘有什么用？
数据分析和数据挖掘在本质上是有一定区别的数据分析是指运用合适的统计分析方法对采集来的规模巨大的数据进行分析，是一个为提取有用信息和形成结论而对数据加以详细研究和概括的过程数据挖掘是指用相关算法从大量的数据中探索隐藏在其中的信息的过程。我们可以简单的理解为，一个是从广度上对数据的处理过程，一个是从深度上对数据的处理过程。
数据分析和数据挖掘两者是相辅相成的一个可以通过大量数据的整理和解读来对企业的现状进行分析，并通过数据来反映目前企业管理的问题，并可将相应的问题原因进行深入追踪，最后确认相关的责任人，保证了数据的可追溯性，来辅助企业的整体管理和运营而数据挖掘通过对企业隐藏价值数据的深耕，可以对企业未来发展导向，做出预判，为企业高层提供相应的参考支持一个企业想要发展的更好，处理好当下企业发展中的问题是必要的，着眼于未来企业的发展是重要的，而数据分析和数据挖掘在企业中的实际运用，可以更好的支撑企业的运营管理，提供决策分析，帮助企业走的更高更远。
什么是数据挖掘？
数据挖掘是采用数学的，统计的，人工智能和神经网络等领域的科学方法，如记忆推理，聚类分析，关键分析，决策树等等从大量数据中挖掘出隐含的，先前未知，对决策有潜在价值的关系，模式和趋势，提供预测性决策支持的方法工具和过程。数据挖掘综合了各个学科的技术，有很多功能。如分类，聚类，关键规则，预测，偏差的检测。
从零开始，如何学习数据挖掘？
这个问题思考了很久，作为过来人谈一谈，建议在看我这篇回答之前先去了解一下数据挖掘的概念和定义。在学习数据挖掘之前你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。一目前国内的数据挖掘人员工作领域大致可分为三类。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。
第二，说说各个工作领域需要掌握的技能。(1).数据分析师需要有很深的数理统计基础，但不要求开发程序。熟练使用主流数据挖掘或统计分析工具，如SASSPSSEXCELBI工具。需要深入了解所有与行业相关的核心数据，培养一定的数据敏感度。经典书籍推荐《概率论与数理统计》推荐大卫·弗里德曼版《业务建模与数据挖掘导论数据挖掘SAS编程与数据挖掘业务案例克莱曼婷数据挖掘方法及应用Excel 2007 VBA参考书IBM SPSS Statistics 19 Statistics Procedures Companion et al .(2)。数据挖掘工程师需要了解主流机器学习算法的原理和应用。
