一、数据理解拿到数据后要做的第一步就是理解数据。考虑到数据本身，数据挖掘通常需要八个步骤:信息收集、数据集成、数据规范、数据清洗、数据转换、数据挖掘实施过程、模式评估和知识表示，数据挖掘十大算法——整理一夜中的数据挖掘算法，主要引用自wiki和一些论坛。
一个数据分析过程应该包括以下几个方面:业务建模。实证分析。数据准备。数据处理。数据分析和展示。专业报告。持续验证和跟踪。数据处理和分析分为五个步骤:第一步:确定客户的数据需求。一个典型的场景是我们需要分析企业的数据。比如公司通常有销售数据，用户数据，运营数据，产品生产数据。他们需要从这些数据中获取哪些有用的信息来指导策略的制定？
第二步:根据客户需求，从网络爬虫、结构化数据、本地数据、物联网设备、人工输入五个数据源采集数据，为客户提供定制化的数据采集。目的是定制数据收集，并根据客户的需求构建单一数据源。第三步:数据预处理。现实世界中的数据多为不完整、不一致的脏数据，无法直接对数据进行分析，或者分析结果不尽如人意。数据预处理的方法有很多:数据清洗、数据集成、数据转换、数据归约等等。
business understanding初级阶段侧重于从业务的角度理解项目目标和需求，同时将这些知识转化为数据挖掘问题的定义和完成目标的初步方案。数据理解(DataUnderstanding)数据理解阶段从最初的数据收集开始，通过一些活动，目的是熟悉数据，识别数据的质量问题，第一次发现数据的内在属性，或者检测出感兴趣的子集，形成隐含信息的假设。
这些数据将成为模型工具的输入值。这个阶段的一个任务可以多次执行，没有任何特定的顺序。任务包括选择表、记录和属性，以及为模型工具转换和清理数据。建模在这个阶段，可以选择和应用不同的建模技术，并将模型参数调整到最优值。一般来说，一些技术可以解决同类的数据挖掘问题。有些技术对数据形成有特殊要求，需要经常跳回数据准备阶段。
3、大学的哪个专业是研究数据挖掘的?数据挖掘属于计算机科学与技术中的数据分析方向，数学专业也有开设。数据挖掘技术是数据处理技术的一种，是从大量不完整的、有噪声的、模糊的、随机的数据中提取隐藏的、潜在有用的信息和知识的过程。数据挖掘需要根据数据仓库中的数据信息选择合适的分析工具，应用统计方法、基于案例的推理、决策树、基于规则的推理、模糊集，甚至神经网络和遗传算法来处理信息，得到有用的分析信息。
考虑到数据本身，数据挖掘通常需要八个步骤:信息收集、数据集成、数据规范、数据清洗、数据转换、数据挖掘实施过程、模式评估和知识表示。(1)信息收集:根据确定的数据分析对象，抽象出数据分析所需的特征信息，然后选择合适的信息收集方法，将收集到的信息存储到数据库中。对于海量数据，选择合适的数据仓库进行数据存储和管理是非常重要的。
