明确定义业务问题，确定数据挖掘的目的。数据分析和数据挖掘本质上是不同的数据分析。解释和评估数据挖掘的结果，并将其转化为最终能被用户理解的知识。在大型数据库和数据仓库目标中选择数据挖掘的目标数据集；数据预处理进行数据再加工，包括检查数据的完整性和一致性、去噪、填充丢失字段、删除无效数据等。
数据挖掘技术，是否也属于人工智能的范畴？所谓的人工智能的技术具体包括哪些？
数据挖掘支撑着人工智能也就是人工智能是离不开数据挖掘的随着大数据的出现从而才诞生出人工智能人工智能是建立在数据之上的所以数据是人工智能的基础是人工智能必不可少的一部分为什么要有数据之后才会有人工智能其实就要从智能的本质出发人类为什么会有智慧智慧其实不是与生俱来它是历经人类日积月累不断进化而来自打人类开启进化之后人类开始形成了语言或者简单地说是记录原始的语言就是很简单的符号记录不管哪个文明原始的语言都是用简单象形图形去记录或描述着这个世界而这种世界的简单记录形式其实就是最最原始的数据什么是数据说白了就是对于世界或人类行为的记录有了数据之后人类才能基于数据一代一代进行优化通过不断刷新对这个世界的认知进而形成了人类智慧人类的智慧就是从数据中而来经过人类日积月累长时间的积累从而形成人类独有的智慧模式这种智慧模式就是如何探索世界获得新的数据以及如何利用前人积累的数据分析判断并将新老数据结合在一起优化成为新认知模式既然人类的智慧都是来源数据那么人类创造的人工智能也是从数据而来这也就是为什么人工智能是从大数据中诞生了因为所谓的智能源于数据所以数据挖掘对于人工智能是必不可少的一部分人工智能也是离不开数据挖掘的人工智能必须是扎根于大数据这个肥沃的土壤之上才能开得更加茂盛更加鲜艳照人。
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。
大数据和数据挖掘的区别？
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。数据挖掘流程定义问题清晰地定义出业务问题，确定数据挖掘的目的。数据准备数据准备包括选择数据在大型数据库和数据仓库目标中 提取数据挖掘的目标数据集;数据预处理进行数据再加工，包括检查数据的完整性及数据的一致性去噪声，填补丢失的域，删除无效数据等。
数据挖掘根据数据函数的类型和数据的特点选择相应的算法，对经过提纯和转换的数据集进行数据挖掘。结果分析对数据挖掘的结果进行解释和评估，并将其转化为最终能被用户理解的知识。数据挖掘技术大致可以分为统计方法、机器学习方法、神经网络方法和数据库方法。统计方法可以细分为回归分析、多元回归、自回归、判别分析、贝叶斯判别CBR遗传算法、贝叶斯信念网络等。
