學(xué)習(xí)數(shù)據(jù)挖掘，必須明確自己的發(fā)展方向和目標(biāo)。很多人對數(shù)據(jù)行業(yè)里發(fā)展方向并不清楚，我們先來說說數(shù)據(jù)行業(yè)的職業(yè)發(fā)展方向。

　　數(shù)據(jù)行業(yè)從廣義上講可以分為以下幾個職位：

　　數(shù)據(jù)挖掘工程師多是通過對海量數(shù)據(jù)進(jìn)行挖掘，尋找數(shù)據(jù)的存在模式，從而通過數(shù)據(jù)挖掘來解決具體問題。其更多是針對某一個具體的問題，是以解決具體問題為導(dǎo)向的。例如：聚類分析，通過對于會員各種人口統(tǒng)計學(xué)、行為數(shù)據(jù)進(jìn)行分析，對客戶進(jìn)行分類，更好地理解客戶，知道公司會員是到底如何？高、中、低低價值的客戶構(gòu)成，既可以后期公司的運(yùn)營提供指導(dǎo)，提高活動效率，可以指導(dǎo)公司的營銷。

　　做數(shù)據(jù)挖掘工程， 必須精通數(shù)據(jù)庫。很多時候，你模型的數(shù)據(jù)預(yù)處理，可能完成在數(shù)據(jù)庫里完成，你用到的數(shù)據(jù)庫技巧更高。必須要會成熟的數(shù)據(jù)挖掘工具、數(shù)據(jù)挖掘算法，等，當(dāng)然如果你會一、二款開源軟件，并會寫一些程序代碼那是最好的，大公司都喜歡用開源的軟件。

　　數(shù)據(jù)分析師更注意是對數(shù)據(jù)、數(shù)據(jù)指標(biāo)的解讀，通過對數(shù)據(jù)的分析，來解決商業(yè)問題。主要有包括：（1）業(yè)務(wù)監(jiān)控：診斷當(dāng)前業(yè)務(wù)是否正常？是否存在問題？業(yè)務(wù)發(fā)展是否達(dá)到預(yù)期？如果沒有達(dá)到預(yù)期，問主要問題在哪？是什么原因引起的？（2）建立分析體系：這些數(shù)據(jù)分析師已經(jīng)對業(yè)務(wù)有一定的理解，對業(yè)務(wù)也相對比較熟悉，更多幫業(yè)務(wù)方建立一套分析體系，或者更高級是做成數(shù)據(jù)產(chǎn)品。例如：營銷活動。分析師會告訴業(yè)務(wù)方，在活動前你應(yīng)該分析哪些數(shù)據(jù)，從而制定恰當(dāng)?shù)臓I銷計劃。在營銷過程中，你應(yīng)該看哪些數(shù)據(jù)，從而及時做出營銷活動調(diào)整。在營銷活動，應(yīng)該如何進(jìn)行活動效果評估以及行業(yè)未來發(fā)展的趨勢分析。

　　商業(yè)分析師在行業(yè)、宏觀的層面進(jìn)行業(yè)務(wù)分析，預(yù)測未來行業(yè)的發(fā)展，競爭對手的業(yè)務(wù)構(gòu)成，幫助公司制定戰(zhàn)略發(fā)展計劃，并及時跟蹤、分析市場動態(tài)，從而及時對戰(zhàn)略進(jìn)行不斷優(yōu)化。主要技能要求：要熟悉基本的統(tǒng)計分析知識、對于與網(wǎng)站相關(guān)的業(yè)務(wù)還可能要求掌握等網(wǎng)站分析工具等。

　　這個職位與數(shù)據(jù)挖掘工程師還是有本質(zhì)區(qū)別的。數(shù)據(jù)建模師，更多偏向于中、小數(shù)據(jù)量，而且其使用更多更多是統(tǒng)計學(xué)的方法，數(shù)據(jù)建模師其實(shí)很少會提到算法這個詞。但是有時候，這二個模型越來越?jīng)]有明確的分工，一般來說都會二個職位的人都會去學(xué)習(xí)對方的知識，所以這二個職位有合并的趨勢。

　　新進(jìn)入數(shù)據(jù)行業(yè)的同學(xué)，可以根據(jù)自己的背景背景選擇相應(yīng)的職位，學(xué)數(shù)據(jù)、統(tǒng)計學(xué)的朋友更多可以偏向于建模師，而計算機(jī)特別是寫編程好的同學(xué)，可以走數(shù)據(jù)挖掘工程師，也許適應(yīng)性更好，但這不是絕對的。

　　磨刀不誤砍柴工。在學(xué)習(xí)數(shù)據(jù)挖掘之前應(yīng)該明白幾點(diǎn)：

　　數(shù)據(jù)挖掘目前在中國的尚未流行開，猶如屠龍之技。

　　數(shù)據(jù)初期的準(zhǔn)備通常占整個數(shù)據(jù)挖掘項目工作量的70%左右。

　　數(shù)據(jù)挖掘本身融合了統(tǒng)計學(xué)、數(shù)據(jù)庫和機(jī)器學(xué)習(xí)等學(xué)科，并不是新的技術(shù)。

　　數(shù)據(jù)挖掘技術(shù)更適合業(yè)務(wù)人員學(xué)習(xí)（相比技術(shù)人員學(xué)習(xí)業(yè)務(wù)來的更高效）

　　數(shù)據(jù)挖掘適用于傳統(tǒng)的BI（報表、OLAP等）無法支持的領(lǐng)域。

　　數(shù)據(jù)挖掘項目通常需要重復(fù)一些毫無技術(shù)含量的工作。

　　如果你閱讀了以上內(nèi)容覺得可以接受，那么繼續(xù)往下看。

　　學(xué)習(xí)一門技術(shù)要和行業(yè)靠攏，沒有行業(yè)背景的技術(shù)如空中樓閣。技術(shù)尤其是計算機(jī)領(lǐng)域的技術(shù)發(fā)展是寬泛且快速更替的（十年前做網(wǎng)頁設(shè)計都能成立公司），一般人沒有這個精力和時間全方位的掌握所有技術(shù)細(xì)節(jié)。但是技術(shù)在結(jié)合行業(yè)之后就能夠獨(dú)當(dāng)一面了，一方面有利于抓住用戶痛點(diǎn)和剛性需求，另一方面能夠累計行業(yè)經(jīng)驗(yàn)，使用互聯(lián)網(wǎng)思維跨界讓你更容易取得成功。不要在學(xué)習(xí)技術(shù)時想要面面俱到，這樣會失去你的核心競爭力。

　　1）數(shù)據(jù)分析師：在擁有行業(yè)數(shù)據(jù)的電商、金融、電信、咨詢等行業(yè)里做業(yè)務(wù)咨詢，商務(wù)智能，出分析報告。

　　2）數(shù)據(jù)挖掘工程師：在多媒體、電商、搜索、社交等大數(shù)據(jù)相關(guān)行業(yè)里做機(jī)器學(xué)習(xí)算法實(shí)現(xiàn)和分析。

　　3）科學(xué)研究方向：在高校、科研單位、企業(yè)研究院等高大上科研機(jī)構(gòu)研究新算法效率改進(jìn)及未來應(yīng)用。