什么是数据挖掘？数据挖掘怎么做啊？
数据挖掘（Data Mining）是指通过大量数据集进行分类的自动化过程，以通过数据分析来识别趋势和模式，建立关系来解决业务问题。换句话说，数据挖掘是从大量的、不完全的、有噪声的、模糊的、随机的数据中提取隐含在其中的、人们事先不知道的、但又是潜在有用的信息和知识的过程。原则上讲，数据挖掘可以应用于任何类型的信息存储库及瞬态数据（如数据流），如数据库、数据仓库、数据集市、事务数据库、空间数据库（如地图等）、工程设计数据（如建筑设计等）、多媒体数据（文本、图像、视频、音频）、网络、数据流、时间序列数据库等。也正因如此，数据挖掘存在以下特点：（1）数据集大且不完整数据挖掘所需要的数据集是很大的，只有数据集越大，得到的规律才能越贴近于正确的实际的规律，结果也才越准确。除此以外，数据往往都是不完整的。（2）不准确性数据挖掘存在不准确性，主要是由噪声数据造成的。比如在商业中用户可能会提供假数据；在工厂环境中，正常的数据往往会收到电磁或者是辐射干扰，而出现超出正常值的情况。这些不正常的绝对不可能出现的数据，就叫做噪声，它们会导致数据挖掘存在不准确性。（3）模糊的和随机的数据挖掘是模糊的和随机的。这里的模糊可以和不准确性相关联。由于数据不准确导致只能在大体上对数据进行一个整体的观察，或者由于涉及到隐私信息无法获知到具体的一些内容，这个时候如果想要做相关的分析操作，就只能在大体上做一些分析，无法精确进行判断。而数据的随机性有两个解释，一个是获取的数据随机；我们无法得知用户填写的到底是什么内容。第二个是分析结果随机。数据交给机器进行判断和学习，那么一切的操作都属于是灰箱操作。
数据挖掘的目的是什么呢
很多人会问：数据挖掘的目的是什么呢？我们总结数据挖掘主要有以下三个目的：
（1）把握趋势和模式；通过分析网购交易的记录数据、呼叫中心内的投诉数据、顾客满意度的调查数据、购物数据等，可以把把握顾客的购买意愿和类型、投诉的种类等信息。数据挖掘工具(方法)中神经网络、购物篮分析，粗糙(Rough)集、对应分析(双尺度法)、主成分分析、聚类分析等。
（2）预测；利用数万个数据进行预测，最有效的方法是神经网络法，它是具有强大功能的工具，即使数据是非线性关系也无妨。伹缺点是，需要大量数据并且因子分析的功能弱。利用数十个、数百个数据进行预测(和因子分析)的方法有回归分析、判别分析、逻辑回归分析、数量化理论I、数量化理论II等，另外，预测时间序列数据的方祛有灰色理论、最近邻法、霍尔特(Holt)法、指数平滑法、移动平均祛、博克斯-詹金斯(Box-Jenkins)法(ARIMA模型)、数量化理论I等。
（3）求最优解。在多种约束条什下，要实现利益最大化或者成本最小化，应该怎样求解参数(未知参数)呢?使用Excel的规划求解可以轻松地解决这个问题。
这三点就是数据挖掘的主要目的，希望对您对数据挖掘的认识有所帮助。
