数据挖掘即从数据中获取知识。业界对此认可度最高，但如何开发完整的大数据挖掘项目，至今仍无统一规范。
哲学思想
传统科学工程依赖首要原则模型：如计算汽车行驶距离，先统计时间、速度等参数，再用牛顿定律建模求解。数据挖掘则不同，知识学习无需专业知识建模——若已记录100辆相似汽车的数据，直接求均值即可。这是直接面向数据、从数据开发模型，模拟了人的原始学习过程。
起源
数据挖掘起源于多个学科：建模部分源于统计学（模型驱动）与机器学习（算法驱动）。此外还涉及数据库、可视化等领域。
基本任务
两大目标：预测与描述。预测包括分类（划分到预定义类）与回归（映射到真实值）；描述包括聚类（无预定义类划分）与关联规则发现。前者称监督学习，后者称无监督学习。
基本流程
解读需求：与领域专家交流合作，贯穿项目始终。
搜集数据：多从业务系统数据库提取，抽样时需确保训练与检验数据同分布。
预处理：含数据准备（缺失值、异常值、归一化等）与数据归约（维度、值、案例归约）。
评估模型：在不同模型间选择最优，耗费时间往往最少。
解释模型：模型辅助决策，需针对具体环境合理解释。
工程架构
以A公司为例，数据引擎团队分四大组，架构基于维度建模的云数据仓库，对上层提供算法、推荐、可视化支撑。整体分三块：底层数据仓库、中间数据引擎、高层可视化/前端输出。
