几个世纪以来，企业主已经尝试了书中的每一个技巧来预测他们的客户想要什么。他们使用了许多技巧和技术来进入客户的头脑。虽然他们还没有达成一致，但数据分析和数据挖掘是两种可以帮助企业主预测不可想象的事情的方法，即他们的客户想要什么。在数字时代，有大量的数据，其中大部分是有价值的商业数据。但数据量如此之大，人类无法理解它们。这就是为什么在后台支持领域出现了新概念。尽管如此，数据挖掘不能严格地称为一个新概念。它在20世纪90年代进入商业方程式。什么是数据挖掘？它利用商业数据创造新的知识，无论是自然的还是人工的。分析师必须在业务数据中找到模式并进行预测。由于这是一种商业数据分析的理论方法，因此学者们没有对解释这个概念是如何工作的进行太多思考。知道这一点的人继续利用它取得商业成功，而其他人只是在兜圈子。所以，今天，我们来解释一下数据挖掘的一些神圣法则。

#1：数据挖掘解决方案源于业务目标

。数据挖掘的范围也由上述声明定义。数据挖掘是解决长期业务问题的一种方法。它不是一项技术，而是一个源于一系列业务目标的过程。如果看不到业务目标，那么也就没有数据挖掘。

#2：数据挖掘过程步骤由业务知识决定

这句话清楚地说明了数据挖掘的特点。即使是业务目标也应该在理解业务知识之后创建。在部署结果时，业务知识很重要。让我们看看数据挖掘阶段如何受到业务知识的影响：

对数据挖掘项目的理解应该来自业务知识；只有在明确理解的情况下，才能将业务目标映射到实现目标。业务知识充当指南，显示哪些数据与业务问题相关，哪些不相关。在准备数据时，业务知识有助于塑造数据，以便回答所有主要的业务问题。建模是数据挖掘过程中的一个重要阶段，算法用于创建一个预测模型，解释商业利益的行为和趋势#3：数据准备是数据挖掘过程中最重要的一步为您提供后台支持的人员会告诉您，数据采集和数据准备是数据挖掘中最耗时的过程。根据数据的难度水平，估计值将从50%到80%不等。目前正在采取措施，使数据采集过程、数据转换和数据清理过程自动化。一些人认为，使用技术可以更大限度地缩短时间，并帮助分析人员得出伟大的结果。但技术的问题在于它不人道。它经常抛出可能有用的数据。这可能会在数据准备阶段造成问题。在开始数据准备流程之前，分析员应该有一组流程打算回答的业务问题。这将有助于简化信息。

#4：只有通过实验才能找到正确的答案技术人员中普遍存在一种思维过程，如果问题空间定义良好，而不是基于正确算法的选择，则可以高效地找到更佳解决方案。然而，这种错误的概念源于这样一种想法：数据挖掘者提出一个问题，然后找到一个算法来解决这个问题。事实上，数据挖掘者的工作就是不断地进行实验，直到找到正确的算法。数据挖掘人员需要不断进行实验的原因有五个：

如果问题lem及其正确方法已经被理解，那么就不需要数据挖掘过程了。数据挖掘是一个在大量数据池中搜索未知连接的过程。解决一个问题有数百种方法；另外一个问题是，所有的方法都不会得到完美的结果。因此，数据挖掘者在找到解决方法之前，必须从不同的领域审视问题。数据挖掘者塑造问题区域，以便模型在分析时不断变化。没有一个预测模型可以从技术上衡量，它需要智慧。业务目标不断变化，在数据挖掘过程中也将继续变化。这使得过程的目标完全改变。这些是数据挖掘的一些神圣规则。现在，您知道为什么提供数据挖掘服务的后台支持收取高昂费用了。这是一门很难的艺术。

与我们分享推特相关的帖子：为什么要外包后台，而不是让员工在家工作？使用后台支持解决方案加快非核心任务3.为什么您的企业需要后台支持服务的支持为什么后台支持服务永远不应该被忽视？你在外包后台支持吗？用Omni Channe做得更好