数据挖掘目前在中国的尚未流行开，犹如屠龙之技；数据挖掘本身融合了统计学、数据库、机器学习、模式识别、知识发现等学科，并不是新的技术。
数据挖掘之所以能够应用不是因为算法，算法是以前就有的。数据挖掘应用的原因是大数据和云计算。比如阿尔法狗的后台有上千台计算机同时运行神经网络算法；
数据初期的准备工作，也称Data Warehousing。通常占整个数据挖掘项目工作量的70%左右。在前期你需要做大量的数据清洗和字段扩充的工作。数据挖掘和报告展现只占30%左右；
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）。
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。
你自己的定位与学习
基于以上的介绍，你大概可以明确你需要努力的方向。如果你不是致力于科研方向，那么你需要掌握如下的技能：
1. 需要理解主流机器学习算法的原理和应用。按照需要解决的问题，主要分为三大类，见下图：
2. 需要熟悉至少一门编程语言。如R，Python，SPSS Modeler，SAS，WEKA等。
关于软件，有三个原则：只要能达到目标的软件就是好软件；你研究的领域啥软件好用就用啥软件；不要妄想用一个软件解决所有问题。
3. 需要理解数据库基本原理，能够熟练操作至少一种数据库，如MySQL，OracelDB2等。
4. 熟悉数据挖掘常见的运用场景。如客户生命周期管理、客户画像和客户分群、客户价值预测模型构建、推荐系统设计等，这些需要依托于不同行业。
5.经典图书推荐：《数据挖掘：概念与技术》、《数据挖掘导论》、《机器学习实战》、《数据库系统概论》、《R语言实战》。
1.一家超市可以通过每笔小票的订单信息看到：通常买卫生纸的顾客也会买牙刷；通常买酸奶的顾客，也会捎带手买两包面包片。而现在商场里边的商品摆放位置也多是按照这个规则进行摆放的
2.一家电商网站或者是APP，部署了类似神策这种数据分析系统，你就能看到网站/APP里边有多少用户点击了口红，购买口红之后，下边的三个额外连接：洗面奶，擦脸油和粉底中，粉底的点击量和购买量最多，你就知道了口红一般搭配粉底会比搭配洗面奶，擦脸油售卖能获得更高的收益
以这种方式理解，只要满足这两点，数据挖掘就可以应用到生活中的方方面面
