什么是数据挖掘
数据的产生
很多时候，我们在浏览网站或者app时会给推荐一些相关的信息，这其实就是根据我们的互联网行为来进行预测的。前端获取到用户的行为数据，传输到后端，然后存储到服务器上，具体行为如下：
浏览网页时或者app时，用户的点击和停留行为都会被服务器所记录，终存储到数据库上;
浏览购物app时，用户的订单、添加购物车、收藏、关注等行为;
浏览快手，抖音等洗脑app时，用户的关注、停留、评论、点赞、转发等行为都会被记录在服务器上。
数据预处理
预处理就是提前处理一下，当把数据从源中读取出来之后，会发现有些数据不符合我们的要求，比如有缺失值或者异常值，我们的处理可能是删除，也可能是填充，我们把这些脏数据整理成干净的数据。除此之外，我们可能还需要进行数据的变换，把原始数据转化成符合模型要求的数据。
数据建模
数据清洗完了之后，进行可视化展示，然后我们使用一条线去拟合这些点，这条线就是一个函数，有了这个函数我们就可以进行预测，这个函数就是一个模型，这就是数据建模的过程。
数据挖掘与数据分析有什么区别
数据分析更多采用统计学的知识，对源数据进行描述性和探索性分析，从结果中发现价值信息来评估和修正现状。而数据挖掘不仅仅用到统计学的知识，还要用到机器学习的知识，这里会涉及到模型的概念。数据挖掘具有更深的层次，来发现未知的规律和价值。
从侧重点上来说，相比较而言，数据分析更多依赖于业务知识，数据挖掘更多侧重于技术的实现，对于业务的要求稍微有所降低。
从数据量上来说，数据挖掘往往需要更大数据量，而数据量越大，对于技术的要求也就越高。
从技术上来说，数据挖掘对于技术的要求更高，需要比较强的编程能力，数学能力和机器学习的能力。
从结果上来说，数据分析更多侧重的是结果的呈现，需要结合业务知识来进行解读。而数据挖掘的结果是一个模型，通过这个模型来分析整个数据的规律，一次来实现对于未来的预测，比如判断用户的特点，用户适合什么样的营销活动。显然，数据挖掘比数据分析要更深一个层次。
综上，大数据是互联网上海量的数据挖掘，而数据挖掘更多的是针对企业内部的小数据挖掘，数据分析是进行有针对性的分析和诊断。大数据需要分析的是趋势和发展趋势，而数据挖掘主要是发现问题和诊断。