數據挖掘是什麼專業?
大學的哪個專業是研究數據挖掘的？
數據挖掘(Data Mining)，又稱為數據庫中的知識發現(Knowledge Discovery in Database, KDD)，就是從大量數據中獲取有效的、新穎的、潛在有用的、最終可理解的模式的非平凡過程，簡單的說，數據挖掘就是從大量數據中提取或“挖掘”知識。
比如，軟件開發專業，
具體以來的學科多了，給你個 網址：baike.baidu.com/view/7893.htm
自己看下吧。很清楚了 ！
數據分析員屬於什麼專業
沒有屬於什麼專業，一般從事的人都是統計學或者數學專業的。
請問你是數據挖掘的研究生？數據挖掘研究生階段都學什麼？
首先，數據挖掘的技術有好多種，你要定位到某類數據挖激算法， 比如分類，聚類，關聯規則，預測等等。
再次，就是根據你的定位，大量閱讀國內外（特別是國外）研究人員對這類算法的改進及應用，要熟悉。。
然後呢，就是提出你對該算法的改進方法，並實現。
說白了，就是算法的改進，實現。
研究生教育就是這樣，自己研究算法。跟實際的應用有些脫節的，實際應用中根本不會在意某個算法的執行效率等等。。。。
大數據屬於什麼專業？
應該歸於計算機（軟件）方面的專業吧
想當數據挖掘工程師要報什麼大學專業 10分
本科或碩士以上學歷，數據挖掘、統計學、數據庫相關專業。
熟練掌握關係數據庫技術，具有數據庫系統開發經驗；熟練掌握常用的數據挖掘算法；
具備數理統計理論基礎，並熟悉常用的統計工具軟件。
國內一批大學，211或者985最好。
數據挖掘，到底考研該考什麼專業
數據方面的比較好
應該考慮自己的興趣和愛好。興趣是最好的老師，只有感興趣的東西，才會真正投入的去學。
要選擇與自己文化基礎相適應的專業，以保證學習的順利進行。比如說你的數學基礎比較好，
邏輯思維比較靈活，則可以考慮選擇理工類的專業。
不要急，總之，要自信，相信自己一定可以成功
考研想考數據挖掘方面 屬於哪個二級學科呢？ 100分
計算機，不過自動化或者統計的二級學科也可能會有
數據挖掘是什麼工作呢？
數據挖掘指的是在長期積累的數據中分析和挖掘有價值的信息以供決策。這個概念主要還是因為ERP（企業資源計劃）和OA(辦公自動化)軟件系統的廣泛使用和發展的基礎上出現的一個概念。因為企業在使用這些軟件系統的過程中，雖然運營的狀態和管理以及成本有很大的節約，大大提高了企業的運營效率，可是這些系統卻只能對企業的狀態和管理進行一個狀態性的記錄，對長期記錄下來的這些數據的分析和在挖掘能力是非常有限的，雖然眾多軟件供應商想出各種辦法來利用其這些數據，比如出各種報表甚至自定義的報表，可是仍然受制於ERP和OA本身設計的缺陷，因為它們原本就不是設計來做數據分析的。 所以在我們的軟件系統實施的過程中，常常看到一個龐大的系統在運行，可是對於領導卻只有每月看一兩張報表的價值。所以，有人提出了數據挖掘的概念，長期使用ERP系統所積攢的數據就好像一大筐蘋果，金蘋果、銀蘋果、爛蘋果都有，而數據挖掘工程師就是專門從中挑選出對企業有用的信息的工作。當然數據挖掘軟件也是專門設計來做這個事情的。
想從事數據分析工作，考研應該考什麼專業好一些，大數據或者數據挖掘可以嗎？ 30分
大數據 很好地 專業 你可以考 算法 或者數據分析，這個比較新 你要考的話 看一下 有沒有 直接開這個專業的，我的研究生同學就轉行 做這個了 ，很不錯
數據挖掘與數據分析的主要區別是什麼
總結一下主要有以下幾點：
1、計算機編程能力的要求
作為數據分析很多情況下需要用到成型的分析工具，比如EXCEL、SPSS，或者SAS、R。一個完全不懂編程，不會敲代碼的人完全可以是一名能好的數據分析師，因為一般情況下OFFICE包含的幾個工具已經可以滿足大多數數據分析的要求了。很多的數據分析人員做的工作都是從原始數據到各種拆分彙總，再經過分析，最後形成完整的分析報告。當然原始數據可以是別人提供，也可以自己提取（作為一名合格的數據分析師，懂點SQL知識是很有好處的）。
而數據挖掘則需要有編程基礎。為什麼這樣說呢？舉兩個理由：第一個，目前的數據挖掘方面及相關的研究生方面絕大多數是隸屬於計算機系；第二點，在招聘崗位上，國內比較大的公司掛的崗位名稱大多數為“數據挖掘工程師”。從這兩點就可以明確看出數據挖掘跟計算機跟編程有很大的聯繫。
2、在對行業的理解的能力
要想成為一名優秀的數據分析師，對於所從事的行業有比較深的瞭解和理解是必須要具備的，並且能夠將數據與自身的業務緊密結合起來。簡單舉個例子來說，給你一份業務經營報表，你就能在腦海中勾畫出目前經營狀況圖，能夠看出哪裡出現了問題。但是，從事數據挖掘不一定要求對行業有這麼高的要求。
3、專業知識面的要求
數據分析師出對行業要了解外，還要懂得一些統計學、營銷、經濟、心理學、社會學等方面的知識，當然能瞭解數據挖掘的一些知識會更好。數據挖掘工程師則要求要比較熟悉數據庫技術、熟悉數據挖掘的各種算法，能夠根據業務需求建立數據模型並將模型應用於實際，甚至需要對已有的模型和算法進行優化或者開發新的算法模型。想要成為優秀的數據挖掘工程師，良好的數學、統計學、數據庫、編程能力是必不可少的。
總之一句話來概括的話，數據分析師更關注於業務層面，數據挖掘工程師更關注於技術層面。
數據分析師與數據挖掘工程師的相似點：
1、都跟數據打交道。
他們玩的都是數據，如果沒有數據或者蒐集不到數據，他們都要丟飯碗。
2、知識技能有很多交叉點。
他們都需要懂統計學，懂數據分析一些常用的方法，對數據的敏感度比較好。
3、在職業上他們沒有很明顯的界限。
很多時候數據分析師也在做挖掘方面的工作，而數據挖掘工程師也會做數據分析的工作，數據分析也有很多時候用到數據挖掘的工具和模型，很多數據分析從業者使用SAS、R就是一個很好的例子。而在做數據挖掘項目時同樣需要有人懂業務懂數據，能夠根據業務需要提出正確的數據挖掘需求和方案能夠提出備選的算法模型，實際上這樣的人一腳在數據分析上另一隻腳已經在數據挖掘上了。
事實上沒有必要將數據分析和數據挖掘分的特別清，但是我們需要看到兩者的區別和聯繫，作為一名數據行業的從業者，要根據自身的特長和愛好規劃自己的職業生涯，以尋求自身價值的最大化。
sc-cpda 數據分析公眾交流平臺