数据挖掘技术数据挖掘方向难吗？都需要用到什么技术，

大数据挖掘需要学习哪些技术大数据的工作

首先 我由各种编程语言的背景——matlab,R,java,C/C++,python,网络编程等 我又一定的数学基础——高数，线代，概率论，统计学等 我又一定的算法基础——经典算法，神经网络，部分预测算法，群智能算法等 但这些目前来讲都不那么重要，但慢慢要用到 Step 1：大数据理论，方法和技术

大数据理论——啥都不说，人家问你什么是大数据时，你能够讲到别人知道什么是大数据

大数据方法——然后别人问你，那怎么实现呢？嗯，继续讲：说的是方法（就好像归并排序算法：分，并）。

到目前外行人理解无障碍

大数据技术——多嘴的人继续问：用的技术。

这阶段只是基础，不涉及任何技术细节，慢慢看慢慢总结，积累对“大数据”这个词的理解。

Step 2：大数据思维 Bang~这是继Step 1量变发展而来的质变：学了那么久“大数据”，把你扔到制造业，你怎么办？ 我想，这就是“学泛”的作用吧，并不是学到什么具体东西，而是学到了对待事物的思维。

---------------------------------------------------------------------- 以下阶段我还没开始=_=，不好误导大家 Step 3：大数据技术基础 Step 4：大数据技术进阶 Step 5：打实战 Step 6：大融合

数据挖掘技术涉及哪些技术领域

目前擞据挖掘的应用领域包括以下八个方面： 金融、医疗保健、市场业、零售业、制造业、司法、工程和科学、保险业 在选择一种数据挖掘技术的时候，应根据问题的特点来决定采用哪种数据挖掘形式比较合适。

应选择符合数据模型的算法，确定合适的模型和参数，只有选择好正确的数据挖掘工具，才能真正发挥数据挖掘的作用。

大数据挖掘技术主要有哪些？谁知道？

大数据环境有以下这些特点, 因此涉及的挖掘技术也与之对应： 1.数据来源多, 大数据挖掘的研究对象往往不只涉及一个业务系统, 肯定是多个系统的融合分析, 因此,需要强大的ETL技术, 将多个系统的数据整合到一起, 并且, 多个系统的数据可能标准不同, 需要清洗。

2.数据的维度高, 整合起来的数据就不只传统数据挖掘的那一些维度了, 可能成百上千维, 这需要降维技术了。

3.大数据量的计算, 在单台服务器上是计算不了的, 这就需要使用分布式计算, 所以要掌握各种分布式计算框架, 像hadoop, spark之类, 需要掌握机器学习算法的分布式实现。

数据挖掘方向难吗？都需要用到什么技术，

我是一个数据分析师，但是没有你想象的那么厉害，大学期间我是学习电商辅修金融的，数据挖掘主要需要就业者有基本算法的了解，一般互联网行业通用的模型算法例如聚类、回归、决策树、神经网络等等，这就牵扯到你需要掌握算法的同时还要会模型软件，例如spss等。

当然，你在做一个模型挖掘的时候肯定需要原始数据，能从数据库中提炼的数据必须自己来，所以你需要掌握如何写sql并提炼需求数据进行分析。

另外一点就是你要有一定的分析指导及预判能力，即你分析模型结果和指导公司业务跟进或优化，在报告中你要能通过图示、文字向需求者阐明。

一般情况下初级数据分析师是可以做到对运营数据进行加工并得到一段周期的规律来指导下一段周期，高级的数据分析师当然就是可以通过模型预测出很多意想不到的方向和行为。

仅供参考