数字化转型网数据专题将关注数据治理、数据质量管理、数据架构、主数据管理、数据仓库、元数据管理、数据备份、数据挖掘、数据分析、数据安全、大数据、数据合规、等数据相关全产业链相关环节。
一、什么是数据挖掘
数据挖掘（Data Mining, DM），是从大量的、有噪声的、不完全的、模糊和随机的数据中，提取出隐含在其中的、人们事先不知道的、具有潜在利用价值的信息和知识的过程。
数据挖掘是一个交叉学科，涉及数据库技术、人工智能、机器学习、模式识别、高性能计算、知识工程、神经网络、信息检索、信息的可视化等众多领域。
二、数据挖掘的流程
数据挖掘标准流程，即 CRISP-DM（CrossIndustry Standard Process for Data Mining），包括业务理解、数据理解、数据准备、数据建模、模型评估与部署6个阶段。
第1阶段：业务理解，主要任务是深刻理解业务需求，在需求的基础上制定数据挖掘的目标和实现目标的计划。
第2阶段：数据理解，主要收集数据、熟悉数据、识别数据的质量问题，并探索引起兴趣的子集。
第3阶段：数据准备，从收集来的数据集中选择必要的属性（因素），并按关联关系将它们连接成一个数据集，然后进行数据清洗，即空值和异常值处理、离群值剔除和数据标准化等。
第4阶段：数据建模，选择应用不同的数据挖掘技术，并确定模型最佳的参数。如果初步分析发现模型的效果不太满意，要再跳回数据准备阶段，甚至数据理解阶段。
第5阶段：模型评估，对建立的模型进行可靠性评估和合理性解释，未经过评估的模型不能直接去应用。彻底地评估模型，检查构造模型的步骤，确保模型可以完成业务目标。如果评估结果没有达到预想的业务目标，要再跳回业务理解阶段。
第6阶段：部署阶段，根据评估后认为合理的模型，制定将其应用于实际工作的策略，形成应用部署报告。
三、数据挖掘的应用场景
1.在电信业中的应用
数据挖掘广泛应用于国内电信行业中，对企业日常经营数据进行数据分析与挖掘，从海量数据中寻找数据相互之间的关系或模式。挖掘内容包括客户细分、消费层次变动、客户流失分析、业务预测、客户生命周期价值分析等，为公司决策者提供可靠的决策依据。
2.在电子商务中的应用
国内有名的电子商务平台有淘宝、京东、苏宁易购等。电子商务平台管理者主要关注的信息是用户对商品的关注点，用户购物的偏好，以及用户的购买能力等。
3.在银行业中的应用
优化客户服务。
分析现有客户和潜在客户的相关需求、消费模式、发展机会、运行风险和成本，及时准确地制定应用措施，并细分客户，针对不同层次客户制定个性化的服务策略及产品优惠组合，不断维护和拓展客户群。
信贷风险评估。
为避免和减少信用风险，银行在贷款决策前，应该分析客户的历史信贷记录，评价客户的还款能力和信誉度。
欺诈检测。
采用孤立点分析和聚类分析，用于侦察异常的信用卡使用情况，确定异常的客户消费行为。
四、数据挖掘的案例
判断电离层数据的好坏，电离层（Ionosphere）数据是由高频天线收集的。这些天线的目的是侦测在电离层和高层大气中存不存在由自由电子组成的特殊结构。如果一条数据能给出特殊结构存在的证据，这条数据就属于好的那一类（在数据集中用“g”表示），否则就是坏的（用“b”表示）。我们要做的就是建立k近邻分类器，自动判断这些数据的好坏。
数字化转型网数据专题包含哪些内容
数字化转型网数据专题将关注数据治理、数据质量管理、数据架构、主数据管理、数据仓库、元数据管理、数据备份、数据挖掘、数据分析、数据安全、大数据、数据合规、等数据相关全产业链相关环节。
数字化转型网数据专题包含：
1、数据相关外脑支持：100+数据相关专家、100+数据实践者、1000+相关资料
2、数据研习社：与全球数据相关专家、实践者共同探讨相关问题，推动产业发展！
3、国际认证培训：目前已引进DAMA国际认证CDMP，其他国内外认证也在逐步引进中
4、典型案例参考：与数字化转型网数据要素X研习社社员一起学习典型案例，共探企业数据落地应用
数字化转型网数据专题将关注数据治理、数据质量管理、数据架构、主数据管理、数据仓库、元数据管理、数据备份、数据挖掘、数据分析、数据安全、大数据、数据合规、等数据相关全产业链相关环节。
数字化转型网数据专题包含哪些内容
数字化转型网数据专题将关注数据治理、数据质量管理、数据架构、主数据管理、数据仓库、元数据管理、数据备份、数据挖掘、数据分析、数据安全、大数据、数据合规、等数据相关全产业链相关环节。
数字化转型网数据专题包含：
1、数据相关外脑支持：100+数据相关专家、100+数据实践者、1000+相关资料
2、数据研习社：与全球数据相关专家、实践者共同探讨相关问题，推动产业发展！
3、国际认证培训：目前已引进DAMA国际认证CDMP，其他国内外认证也在逐步引进中
4、典型案例参考：与数字化转型网数据要素X研习社社员一起学习典型案例，共探企业数据落地应用
