應該有很多方向，大致可以歸為1。計算機技術(shù)的方向，比如提高機器的處理性能。2.算法的方向，算法的修改和改進等。3.應用方向，如商業(yè)應用、應用、制造業(yè)應用等。數(shù)據(jù)挖掘的主要研究方向包括算法研究和應用研究

應該有很多方向，大致可以歸為1。計算機技術(shù)的方向，比如提高機器的處理性能。

2.算法的方向，算法的修改和改進等。3.應用方向，如商業(yè)應用、應用、制造業(yè)應用等。

數(shù)據(jù)挖掘的主要研究方向包括算法研究和應用研究。

1.數(shù)據(jù)挖掘算法研究。目前數(shù)據(jù)挖掘的主流算法有統(tǒng)計學習算法和機器學習算法(監(jiān)督學習、半監(jiān)督學習、強化學習等。)，而機器學習算法中最受歡迎的是深度神經(jīng)網(wǎng)絡(luò)算法。主要任務是找到更高級的算法或者改進這些算法使其在數(shù)據(jù)挖掘中更高效，或者把這些算法做成工具使其更方便使用，降低算法的門檻。

2.應用研究，主要在大數(shù)據(jù)分析領(lǐng)域。數(shù)據(jù)挖掘在人文社會科學、經(jīng)濟、醫(yī)療、科學與工程等領(lǐng)域有著很強的應用前景。

第一步，選擇一個自己擅長的領(lǐng)域，想辦法獲取這個領(lǐng)域的數(shù)據(jù)。這一步看似簡單，其實很難。一方面需要的數(shù)據(jù)量非常大，非常全面，另一方面需要盡可能保證獲得數(shù)據(jù)的真實性。這個前提沒有做好，下面的分析就沒有意義了。

第二步，數(shù)據(jù)清洗，必須了解數(shù)據(jù)清洗的常用算法，冗余清洗，數(shù)據(jù)的標準化。

第三步，選擇合適的算法，不斷做實驗，得出實驗結(jié)論。

第四步，建立適當?shù)慕Y(jié)論評價標準，判斷第三步的結(jié)論是否具有現(xiàn)實意義。如果結(jié)論明顯錯誤或不一致，則重新選擇算法。如果改變了多個算法，結(jié)論仍然沒有意義，則認為數(shù)據(jù)有問題，很可能需要尋找新的數(shù)據(jù)，或者之前的數(shù)據(jù)不充分，需要補充其他數(shù)據(jù)重新分析。

另外，數(shù)據(jù)挖掘需要的知識體系至少包括統(tǒng)計分析、機器學習、神經(jīng)網(wǎng)絡(luò)和數(shù)據(jù)庫。推薦的入學門檻是985碩士 本科或以上學歷。

數(shù)據(jù)挖掘可以分為兩類:描述性數(shù)據(jù)挖掘和預測性數(shù)據(jù)挖掘。描述性數(shù)據(jù)可以分為關(guān)聯(lián)規(guī)則、聚類分析和序列模式(時間序列聚類)。另一種預測性數(shù)據(jù)挖掘可以分為分類和預測。

數(shù)據(jù)挖掘雖然分這么多類，但都有一個相同的目的，就是通過大數(shù)據(jù)找到事物與事物之間的關(guān)聯(lián)?？梢愿玫赝诰蚩蛻魸摿?，實現(xiàn)利益最大化，引導營銷人員找到更精準的人群，獲取高精準客戶，從而變相提高客戶轉(zhuǎn)化率。還能為企業(yè)的戰(zhàn)略規(guī)劃提供有力的數(shù)據(jù)支持，從而避免決策失誤。

數(shù)據(jù)挖掘分為哪兩大類？

例如，根據(jù)數(shù)據(jù)模型的分類，可以有關(guān)系、事務、對象關(guān)系或數(shù)據(jù)倉庫挖掘系統(tǒng)。如果根據(jù)處理的數(shù)據(jù)的具體類型進行分類，可以有空間、時間序列、文本、流數(shù)據(jù)、多媒體數(shù)據(jù)挖掘系統(tǒng)或萬維網(wǎng)挖掘系統(tǒng)。

2)根據(jù)挖掘出的知識類型進行分類:數(shù)據(jù)挖掘系統(tǒng)可以根據(jù)挖掘出的知識類型進行分類，即根據(jù)數(shù)據(jù)挖掘的功能進行分類，如表征、區(qū)分、相關(guān)和關(guān)聯(lián)分析、分類、預測、聚類、離群點分析和演化分析等。全面的數(shù)據(jù)挖掘系統(tǒng)通常提供多種和/或集成的數(shù)據(jù)挖掘功能。

此外，數(shù)據(jù)挖掘系統(tǒng)還可以根據(jù)挖掘出的知識的粒度或抽象層進行區(qū)分，包括廣義知識(高抽象層)、原始層知識(原始數(shù)據(jù)層)或多層知識(考慮若干抽象層)。一個先進的數(shù)據(jù)挖掘系統(tǒng)應該支持多層次的知識發(fā)現(xiàn)。數(shù)據(jù)挖掘系統(tǒng)還可以分為挖掘數(shù)據(jù)的規(guī)律性(常見模式)和奇異性(如異常或離群值)。一般來說，概念描述、關(guān)聯(lián)和相關(guān)分析、分類、預測和聚類挖掘數(shù)據(jù)的規(guī)律性，排除離群值作為噪聲。這些方法也有助于檢測異常值。

3)根據(jù)使用的技術(shù)類型分類:數(shù)據(jù)挖掘系統(tǒng)也可以根據(jù)使用的數(shù)據(jù)挖掘技術(shù)分類。這些技術(shù)可以根據(jù)用戶交互的程度(如自動化系統(tǒng)、交互探索系統(tǒng)、查詢驅(qū)動系統(tǒng))或使用的數(shù)據(jù)分析方法(如面向數(shù)據(jù)庫或面向數(shù)據(jù)倉庫的技術(shù)、機器學習、統(tǒng)計學、可視化、模式識別、神經(jīng)網(wǎng)絡(luò)等)來描述。).復雜的數(shù)據(jù)挖掘系統(tǒng)通常采用多種數(shù)據(jù)挖掘技術(shù)，或者采用有效的集成技術(shù)，結(jié)合一些方法的優(yōu)點。

4)按應用分類:數(shù)據(jù)挖掘系統(tǒng)也可以按應用分類。例如，一些數(shù)據(jù)挖掘系統(tǒng)可能特別適用于金融、電信、DNA、股票市場、電子郵件等。不同的應用程序通常需要集成對該應用程序特別有效的方法。因此，通用的通用數(shù)據(jù)挖掘系統(tǒng)可能不適合特定領(lǐng)域的挖掘任務。