大数据之所以受到人们的关注和谈论。是由于隐藏在大数据后面超千亿美元的市场机会。
大数据时代，数据挖掘是最关键的工作。
下面内容供个人学习用，感兴趣的朋友能够看一下。
智库百科是这样描写叙述数据挖掘的“数据挖掘又称数据库中的知识发现，是眼下人工智能和数据库领域研究的热点问题，所谓数据挖掘是指从数据库的大量数据中揭示出隐含的、先前未知的并有潜在价值的信息的非平庸过程。
数据挖掘是一种决策支持过程。它主要基于人工智能、机器学习、模式识别、统计学、数据库、可视化技术等。高度自己主动化地分析企业的数据，做出归纳性的推理，从中挖掘出潜在的模式，帮助决策者调整市场策略。降低风险。做出正确的决策。
数据挖掘的定义
技术上的定义及含义
数据挖掘（Data Mining）就是从大量的、不全然的、有噪声的、模糊的、随机的实际应用数据中。提取隐含在当中的、人们事先不知道的、但又是潜在实用的信息和知识的过程。
这个定义包含好几层含义：数据源必须是真实的、大量的、含噪声的；发现的是用户感兴趣的知识；发现的知识要可接受、可理解、可运用；并不要求发现放之四海皆准的知识，仅支持特定的发现问题。
与数据挖掘相近的同义词有数据融合、人工智能、商务智能、模式识别、机器学习、知识发现、数据分析和决策支持等。
----何为知识从广义上理解。数据、信息也是知识的表现形式，可是人们更把概念、规则、模式、规律和约束等看作知识。人们把数据看作是形成知识的源泉。好像从矿石中採矿或淘金一样。
原始数据能够是结构化的。如关系数据库中的数据；也能够是半结构化的，如文本、图形和图像数据。甚至是分布在网络上的异构型数据。发现知识的方法能够是数学的。也能够是非数学的；能够是演绎的，也能够是归纳的。
发现的知识能够被用于信息管理，查询优化，决策支持和过程控制等，还能够用于数据自身的维护。
因此，数据挖掘是一门交叉学科，它把人们对数据的应用从低层次的简单查询，提升到从数据中挖掘知识，提供决策支持。在这样的需求牵引下，汇聚了不同领域的研究者，尤其是数据库技术、人工智能技术、数理统计、可视化技术、并行计算等方面的学者和project技术人员，投身到数据挖掘这一新兴的研究领域。形成新的技术热点。
这里所说的知识发现，不是要求发现放之四海而皆准的真理。也不是要去发现崭新的自然科学定理和纯数学公式，更不是什么机器定理证明。
实际上，全部发现的知识都是相对的。是有特定前提和约束条件，面向特定领域的，同一时候还要可以易于被用户理解。最好能用自然语言表达所发现的结果。
商业角度的定义
数据挖掘是一种新的商业信息处理技术，其主要特点是对商业数据库中的大量业务数据进行抽取、转换、分析和其它模型化处理，从中提取辅助商业决策的关键性数据。
简而言之，数据挖掘事实上是一类深层次的数据分析方法。
数据分析本身已经有非常多年的历史。仅仅只是在过去数据收集和分析的目的是用于科学研究。另外，因为当时计算能力的限制，对大数据量进行分析的复杂数据分析方法受到非常大限制。如今，因为各行业业务自己主动化的实现，商业领域产生了大量的业务数据，这些数据不再是为了分析的目的而收集的，而是因为纯机会的（Opportunistic）商业运作而产生。分析这些数据也不再是单纯为了研究的须要，更主要是为商业决策提供真正有价值的信息，进而
获得利润。但全部企业面临的一个共同问题是：企业数据量非常大，而当中真正有价值的信息却非常少，因此从大量的数据中经过深层分析，获得有利于商业运作、提高竞争力的信息，就像从矿石中淘金一样，数据挖掘也因此而得名。
因此，数据挖掘能够描写叙述为：按企业既定业务目标，对大量的企业数据进行探索和分析，揭示隐藏的、未知的或验证已知的规律性，并进一步将其模型化的先进有效的方法。