数据 挖掘人员必须满足以下基本条件，才能完成数据挖掘project中的相关任务。1.数据 -0数据的生成和收集是基础，数据-0，数据 挖掘是人工智能和数据库领域的热点问题，所谓数据 挖掘是指-1。
知识发现是根据不同的需求从各种信息中获取知识的过程。知识发现的目的是禁止用户接触原始数据的繁琐细节，从原始数据中提取有效的、新颖的、潜在有用的知识并直接报告给用户。中文名:知识发现mbth:知识发现数据库，KDD知识发现:数据 挖掘更宽泛的说法数据分类:数据。
数据分类，数据聚类、下降与预测、相关与关联、序列发现、描述与判别、时间序列分析、知识类型、技术应用、概述、典型技术、创新技术、操作步骤、应用范围、概念分析知识发现(KDD)是数据 挖掘的一个更宽泛的术语，即可以根据不同的需求从各种媒介表达的信息中获取知识。知识发现的目的是禁止用户接触原始数据的繁琐细节，从原始数据中提取有意义的、简洁的知识并直接报告给用户。
数据挖掘是指通过算法搜索隐藏在大量数据中的信息的过程。功能:通过算法搜索隐藏在大量数据中的信息。应用:数据仓库，文字，多媒体数据，空间数据，时序数据，Web 数据，其中包含半结构/。扩展资料:需要是发明之母。近年来，-1挖掘引起了信息业界的极大关注。主要原因是有大量的数据可以广泛应用，迫切需要将这些数据转化为有用的信息和知识。
数据 挖掘是人工智能和数据库领域的热点问题，所谓数据 挖掘是指-1。数据 挖掘是一个决策支持过程，主要基于人工智能、机器学习、模式识别、统计学、数据数据库、可视化技术等。，并对自动化程度较高的企业的数据进行分析并做出归纳。
3、为什么要进行 数据 挖掘问题1:为什么要开展-1挖掘并收集客户信息-1挖掘客户关系管理中技术的典型应用？客户获取客户获取的传统方式一般是通过大量的媒体广告和传单。这种方法涉及的方面太多，针对性不强，企业投入太大。数据 挖掘技术可以从以往的市场活动中有用数据(主要指潜在客户反应模式的分类)建立数据 挖掘模型。因此，企业可以了解真实潜在客户的特征分类，从而在未来的市场活动中有的放矢，而不是传统的经验猜测。
