数据准备：数据准备包括：选择数据–在大型数据库和数据仓库目标中 提取数据挖掘的目标数据集；数据预处理–进行数据再加工，包括检查数据的完整性及数据的一致性、去噪声，填补丢失的域，删除无效数据等。数据挖掘：根据数据功能的类型和和数据的特点选择相应的算法，在净化和转换过的数据集上进行数据挖掘。
收集数据 收集数据一般是补充外部数据，包括采用爬虫和接口，获取，补充目前数据不足部分。Python scrapy，requests是很好的工具。准备数据 主要包括数据清洗，预处理，错值纠正，缺失值填补。连续值离散化，去掉异常值，以及数据归一化的过程。同时需要根据准备采用的挖掘工具准备恰当的数据格式。
数据挖掘工程师就是从杂乱无章的各种数据中通过一步步清洗数据，建立模型，迭代优化将商业问题以数据输出的形式给解决。应用范围非常的广，随便举几个例子，从购物网站的自动推荐，到信贷的授信，反欺诈，再到客户分群精准营销等等等等。这些都是十分具体的商业问题。
数据挖掘往往与机器学习离不开。比如分类、聚类、关联规则挖掘、个性化推荐、预测、神经网络、深度学习等。
数据挖掘工程师的职责：根据自己对行业，以及公司业务的了解，独自承担复杂分析任务，并形成分析报告；相关分析方向包括：用户行为分析、广告点击分析，业务逻辑相关以及竞争环境相关；根据业务逻辑变化，设计相应分析模型并支持业务分析工作开展。
所以在我们的软件系统实施的过程中，常常看到一个庞大的系统在运行，可是对于领导却只有每月看一两张报表的价值。所以，有人提出了数据挖掘的概念，长期使用ERP系统所积攒的数据就好像一大筐苹果，金苹果、银苹果、烂苹果都有，而数据挖掘工程师就是专门从中挑选出对企业有用的信息的工作。
如果学习的专业是数学与应用数学，想从事数据挖掘方面的工作都不会有很大难度。数学专业往任何一个理工科专业转都好转，数据挖掘方面离不开算法和编程，算法对于数学专业的来说应该不是难点，关键是得学一些编程方面的知识。而数据挖掘涉及的软件很简单，完全可以自学，网上有相关的教学视频。
目前来看，从事数据挖掘工作，需要有较强的数学和统计学功底。在计算机技能方面，需要熟练使用IBM IM/SPSS Clementine/SAS EM等工具，熟悉Unix操作系统，熟悉DB2/Oracle等大型关系数据库，具备Shell/Perl/TCL/C/C++等编程能力，可以进行自编挖掘算法、进行商业统计分析、预测。
从学校地位来说，电子科技大学是教育部直属、98211工程重点大学，毕业前景无论是就业升学都有入门保证，能给你更多的择业机会。从未来经济前景看，金融固然是热门，但单纯的金融理论与应用人才已经过多，金融企业的人才需求像银行一样，开始转移到对技术创新型金融人才的需求。
个人认为首选快销企业，比如食品、零售、商场、日用品牌；二是信息咨询公司；三是金融投资；四是互联网。
需要有两方面的学习：知识方面，要学习各类数据模型和统计分析方法；还要学习工具的使用。Matlab，Spss等。
1、数据处理专员主要工作内容如下：对公司项目的原始数据库进行清理，并根据反馈意见进行修改；负责各类数据的分类和整理；文字输入、文件扫描，数据录入和核对。参与数据处理系统测试；协助部门经理，对数据处理员的工作进行指导；完成领导交办的其他工作内容。
2、④数据组织：整理数据或用某些方法安排数据，以便进行处理。 ⑤数据计算：进行各种算术和逻辑运算，以便得到进一步的信息。 ⑥数据存储：将原始数据或算的结果保存起来，供以后使用。 ⑦数据检索：按用户的要求找出有用的信息。 ⑧数据排序：把数据按一定要求排成次序。
3、数据处理是对数据（包括数值的和非数值的）进行分析和加工的技术过程。包括对各种原始数据的分析、整理、计算、编辑等的加工和处理。数据处理的基本目的是从大量的、可能是杂乱无章的、难以理解的数据中抽取并推导出对于某些特定的人们来说是有价值、有意义的数据。数据处理是系统工程和自动控制的基本环节。
1、数据准备：开始收集数据，并对数据进行清洗、数据集成等操作，完成数据挖掘前的准备工作。模型建立：选择和应用各种数据挖掘模型，并进行优化，以便得到更好的分类结果。模型评估：对模型进行评价，并检查构建模型的每个步骤，确认模型是否实现了预定的商业目标。
2、Java 开发，掌握多线程、掌握并发包下的队列、掌握JVM技术、掌握反射和动态代理、了解JMS。Zookeeper分布式协调服务、Zookeeper集群的安装部署、Zookeeper数据结构、命令。Hadoop 、Hive、HBase、Scala、Spark 、Sqoop、Flume、Oozie、Hue等大数据生态系统知识和技能。
3、大数据技术与应用专业的学生需要学习的内容有面向对象程序设计、Hadoop实用技术、数据挖掘、机器学习、数据统计分析、高等数学、Python编程、JAVA编程、数据库技术、Web开发、Linux操作系统、大数据平台搭建及运维、大数据应用开发、可视化设计与开发等。
4、大数据开发： 涉及Java、大数据基础、Hadoop体系、Scala、Kafka以及Spark等内容，这些都是大数据领域的关键技术。 数据分析与挖掘： 除了编程技术，你还需要学习Python、关系型数据库、文档数据库、内存数据库以及数据处理分析等内容，以掌握大数据分析的核心技能。
1、就目前来看，和大多IT业的职位一样，数据挖掘方面的人才在国内的需求工作也是低端饱和，高端紧缺。从BAT的招聘情况来看，数据挖掘领域相对来说门槛还是比较高的，但是薪酬福利也相对来说比较好，常见的比如腾讯、阿里都会给到年薪20W+。
2、数据挖掘不错，国外很流行，应用很多，是很有前景的一个行业。在国内，处于起步阶段，学这个方向的，基本上出来是做数据处理、数据分析，或是有些干脆做软件开发师。如果找数据挖掘的工作，地点也很重要。国内发展比较好的城市是北京和上海，广东也有少数。
3、数据挖掘领域还是比较有前景的，主要有以下几个方向：做科研，可以在高校、科研单位以及各个企业从事数据挖掘科研人员；做程序开发设计，可以在互联网公司进行数据挖掘及其相关程序算法；数据分析师，在企事业单位做咨询、分析等。
4、就目前来说，这个行业还是很有发展前景的。不过因为现在的BI行业入门门槛比较低，所以你要准备很多基础知识关于数据挖掘，包括一些数据挖掘的工具。如果你是走算法研发的方向，很多搜索引擎公司都需要，类似百度之类的。
5、数据挖掘就业前景挺好的。数据挖掘是指从大量的数据中通过算法搜索隐藏于其中信息的过程。数据挖掘通常与计算机科学有关，并通过统计、在线分析处理、情报检索、机器学习、专家系统（依靠过去的经验法则）和模式识别等诸多方法来实现上述目标。
