3、大数据挖掘：从技术到企业应用

大数据挖掘：从技术到企业应用

1. 大数据与机器学习的发展

技术的进步是机器学习在分析领域发展的关键驱动力，如今机器学习已成为行业常用术语。像自动驾驶汽车、根据交通模式调整的地图交通数据，以及Siri和Cortana等数字助理，都是机器学习在实体产品中商业化的实例。

大数据是一个庞大的主题，乍看之下可能过于复杂。但实践出真知，对大数据的研究也是如此，参与得越多，对相关主题和术语就越熟悉，对这个主题也会越得心应手。深入研究大数据分析的各个维度，有助于培养对该主题的直觉。

2. 大数据挖掘概述

大数据挖掘是大数据分析的两大主要类别之一，另一类是预测分析。简单来说，大数据挖掘指的是处理大规模数据集的整个生命周期，从数据获取到使用相应工具进行分析。

3. 企业中的大数据挖掘策略构建

在企业环境中实施大数据解决方案是一项具有挑战性的任务，尤其是在确定解决方案要解决的具体业务目标时。构建大数据策略时，以下步骤至关重要：
- 确定需求部门 ：首先要明确哪些业务部门能从大数据挖掘解决方案中获益最大。这些部门通常已经在处理大量数据集，对业务至关重要，且对收入有直接影响。例如，制药企业中的商业研究、流行病学、健康经济学和成果研究部门；金融服务企业中的算法交易部门、量化研究部门，甚至后台部门。
- 确定用例 ：上一步确定的部门可能已经有了能满足其需求的平台。因此，在多个用例和部门之间进行优先级排序，需要对各业务部门的工作有深入了解。这需要从业者和利益相关者密切合作，管理层和执行实际分析的员工共同参与，以确定最能从更高效的数据挖掘和分析环境中