數(shù)據(jù)挖掘會飽和嗎？學(xué)大數(shù)據(jù)還有機會嗎？這是很多計算機專業(yè)的學(xué)生，編程和算法技術(shù)員考慮的問題。

數(shù)據(jù)挖掘不是獨立市場，而是解決各領(lǐng)域問題的方法和工具，生物、制造、零售、金融等等領(lǐng)域都越來越依仗對數(shù)據(jù)的利用和挖掘，數(shù)據(jù)挖掘所面對的市場是很多行業(yè)的市場。

?

要說數(shù)據(jù)挖掘應(yīng)用飽和，除非各個領(lǐng)域都已經(jīng)發(fā)展到了瓶頸沒有上升空間，而這是不可能的。要說數(shù)據(jù)挖掘人才飽和，數(shù)據(jù)科學(xué)家/分析師已經(jīng)成為各企業(yè)的標(biāo)配，現(xiàn)在看離這個標(biāo)準(zhǔn)還差得遠(yuǎn)呢。

但也不得不說現(xiàn)在數(shù)據(jù)挖掘發(fā)展情況沒有很理想，這也和數(shù)據(jù)挖掘人才不足有一定關(guān)系。

數(shù)據(jù)挖掘是泡沫嗎？你說它是泡沫，那它卻有一些如智能推薦、風(fēng)險捕捉等高價值場景你不能視而不見吧。但你若說它不是泡沫，卻有太多的灌水論文是關(guān)于它的，這些論文只有作者自己寫很嗨，等拿到生產(chǎn)環(huán)節(jié)中一試，這什么XX玩意兒。

說到應(yīng)用，除了那幾個經(jīng)典的場景外，身邊沒有什么實實在在的、落地的案例，這樣的應(yīng)用量級與它在輿論中的地位比起來，可以說是有些丟人。這好比一個隱居的大名士，大家都說這人厲害，不出山都是一種損失，終于他在一眾追捧之中出山之后，卻發(fā)現(xiàn)這人只能做個縣令。

?

我的看法，數(shù)據(jù)挖掘不是泡沫。

第一，它背后是數(shù)據(jù)庫技術(shù)，是統(tǒng)計學(xué)，這些都是硬的不能再硬的知識。它的核心是對數(shù)據(jù)進行深度的計算，讓數(shù)據(jù)展示其潛在的信息，這一處理過程就是使用數(shù)學(xué)、統(tǒng)計學(xué)方法對數(shù)據(jù)進行計算，數(shù)據(jù)經(jīng)過這樣的加工之后，確實會展示出其隱藏的一面，所以他的本質(zhì)并不泡沫。

第二、有很多人使用這樣的方法來幫助自己工作，這是從上個世紀(jì)就有的，今天依然很多，數(shù)據(jù)挖掘這樣的技術(shù)確實幫他們解決了問題，帶來了價值。還有，我也是相信高校一定看的比我要遠(yuǎn)的多的。

那么，如果數(shù)據(jù)挖掘不是泡沫，是什么原因造成了當(dāng)前這種模糊的狀態(tài)呢？

?

第一、人才缺失

這一條應(yīng)該很多人不服，一板磚拍到程序員堆里都要有兩個是做數(shù)據(jù)挖掘的，怎么還會缺人呢，甚至知乎中已經(jīng)有“做數(shù)據(jù)挖掘/機器學(xué)習(xí)的人是不是飽和了”這樣的問題。我們需要更細(xì)一層的分析，數(shù)據(jù)挖掘的人才可以分成三類：

• 第一類是研究型，研究算法做本質(zhì)上突破的人，這類人在任何時候都是緊缺的，當(dāng)然大部分人都不屬于這一類人才。
• 第二類是應(yīng)用型，能夠跨領(lǐng)域?qū)?shù)據(jù)挖掘技術(shù)應(yīng)用到自己所在領(lǐng)域的人。對算法內(nèi)部原理不需要很懂，技術(shù)上只需要知道怎樣應(yīng)用就夠了，重要的是能夠熟悉某一業(yè)務(wù)領(lǐng)域，并且能夠針對業(yè)務(wù)領(lǐng)域的問題提出解決方案，使用數(shù)據(jù)挖掘技術(shù)來解決。這一類人才是目前最為緊缺的，數(shù)據(jù)挖掘應(yīng)用現(xiàn)在很少，主要是由于這一類人才的缺少。
• 第三類是數(shù)據(jù)挖掘技術(shù)使用人群，有學(xué)生、有程序員，會用數(shù)據(jù)挖掘技術(shù)解決手頭的問題，但是對算法沒有深入的研究，也沒有將數(shù)據(jù)挖掘落地到生產(chǎn)的能力。

所以，現(xiàn)在依然是缺少人才的，尤其是應(yīng)用型人才。

第二、網(wǎng)絡(luò)或輿論氛圍浮躁。

浮躁是幾個原因造成的

• 需求氛圍上，多數(shù)人也不過是葉公好龍，很多技術(shù)概念都是這樣，去年的數(shù)據(jù)中臺被阿里提出來之后，很多企業(yè)好像一下子就懂了，也紛紛跟著搞數(shù)據(jù)中臺一個樣子，實際上很多企業(yè)到底什么是數(shù)據(jù)中臺也沒搞明白。
• 知識氛圍上，研究算法、機器學(xué)習(xí)、人工智能等等這些技術(shù)的人越來越多，這好事沒毛病。另一方面灌水的論文也確實不少，論文中算法調(diào)來調(diào)去預(yù)測準(zhǔn)確性到90%都可以，但這些論文真的有幾個可以拿到生產(chǎn)中去驗證和使用？
• 商業(yè)環(huán)境上，軟件公司也加了一把火。近年來有很多資本投資機器學(xué)習(xí)相關(guān)的初創(chuàng)公司，這些公司為了拿到投資也“制造”了很多案例，我見過很多宣傳諸如“算法準(zhǔn)確率超過google”、“500強企業(yè)xxx在用我們產(chǎn)品預(yù)測xxx”，和灌水的論文一樣。

雖然現(xiàn)在還有各種各樣的問題，但畢竟數(shù)據(jù)挖掘本身是一個很實用的應(yīng)用型技術(shù)，它給社會給企業(yè)帶來的價值早晚會得到更多企業(yè)的認(rèn)可。數(shù)據(jù)挖掘沖出泡沫的方式，我覺得會有這樣兩種。

第一，通過更多基于數(shù)據(jù)挖掘技術(shù)的應(yīng)用軟件走進企業(yè)。雖然已經(jīng)有一些企業(yè)開發(fā)并應(yīng)用了推薦、風(fēng)控等場景，但企業(yè)數(shù)量還是很少的，并且這些應(yīng)用通用性不強。

若要讓更多的企業(yè)享受數(shù)據(jù)挖掘技術(shù)的福利，需要有類似于OA、CRM這樣的有更強的通用性，可以被更多企業(yè)接受和使用的軟件。

第二，企業(yè)中有自己的應(yīng)用型人才，能夠搭建企業(yè)內(nèi)部的挖掘應(yīng)用。不同于OA、CRM或ERP之類的軟件使用，這種模式更類似于現(xiàn)在企業(yè)中數(shù)據(jù)分析系統(tǒng)，例如報表平臺或bi平臺，這些數(shù)據(jù)分析應(yīng)用，往往由企業(yè)自己通過一些比較好用的工具如finereport/finebi自己建設(shè)起來的。

數(shù)據(jù)的分析和應(yīng)用靈活且多變，即便企業(yè)開始是由軟件公司開發(fā)的報表或bi系統(tǒng)，多年之后這個系統(tǒng)也不會是項目當(dāng)初的樣子了。正因為企業(yè)自己在數(shù)據(jù)分析應(yīng)用中發(fā)揮著主導(dǎo)作用，數(shù)據(jù)分析在企業(yè)中發(fā)展非常迅速，也受到很大認(rèn)可。

數(shù)據(jù)挖掘的應(yīng)用也有類似的特點，數(shù)據(jù)挖掘的應(yīng)用點不會是單一的，很多數(shù)據(jù)深度挖掘后會展示出新的一面，企業(yè)中的數(shù)據(jù)也有不同的維度和模塊需要深度挖掘。并且隨著企業(yè)的發(fā)展，數(shù)據(jù)會跟著變化，挖掘應(yīng)用也需要隨之調(diào)整，企業(yè)自身有能力開發(fā)并維護挖掘應(yīng)用，更有利于數(shù)據(jù)挖掘在企業(yè)中推廣和應(yīng)用。

這兩個相比較，我更期待第二種情形的出現(xiàn)，這會有更多的可能性，也一定能給企業(yè)帶來更大的價值。但這也有一些條件現(xiàn)在還沒有滿足，主要還是人才問題，當(dāng)前企業(yè)中能夠使用數(shù)據(jù)挖掘的人很少，能夠?qū)⒓夹g(shù)和業(yè)務(wù)痛點結(jié)合起來形成落地應(yīng)用的人更少。滿足這一條件有兩種方式：

第一是大量的數(shù)據(jù)挖掘技術(shù)人才走進企業(yè)，這點還是比較困難的，一方面短期內(nèi)看不出企業(yè)中有哪些數(shù)據(jù)挖掘的用武之地，企業(yè)本身就不會在此投入太多，另一方面供需雙方對收入的期待水平相差太大。

還有另一種方式，就是企業(yè)原有的it人才可以掌握數(shù)據(jù)挖掘技術(shù)，這一個方向我覺得是可行的。一方面很多企業(yè)的it人員對業(yè)務(wù)是有一定理解的，并且長期負(fù)責(zé)企業(yè)數(shù)據(jù)，有很強的數(shù)據(jù)思維，具有針對業(yè)務(wù)痛點形成解決方案的基礎(chǔ)。

另一方面當(dāng)前很多企業(yè)的it人員有意愿學(xué)習(xí)更多的數(shù)據(jù)技術(shù)，提升自身競爭力，這種驅(qū)動力是不缺的。

?

總結(jié)

以上是生活随笔為你收集整理的还有人在质疑数据挖掘是泡沫吗？千万不要叶公好龙的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯，歡迎將生活随笔推薦給好友。