数据挖掘可以应用在金融、医疗保健、市场业、零售业、制造业、司法、工程和科学、保险业等领域。

数据挖掘，又译为资料探勘、数据采矿。它是数据库知识发现中的一个步骤。数据挖掘一般是指从大量的数据中自动搜索隐藏于其中的有着特殊关系性的信息的过程。数据挖掘通常与计算机科学有关，并通过统计、在线分析处理、情报检索、机器学习、专家系统和模式识别等诸多方法来实现上述目标。

近年来，数据挖掘引起了信息产业界的极大关注，其主要原因是存在大量数据，可以广泛使用，并且迫切需要将这些数据转换成有用的信息和知识。获取的信息和知识可以广泛用于各种应用，包括商务管理，生产控制，市场分析，工程设计和科学探索等。

从通常的情况下来讲，要求大数据学习最好是理工科基础，数学比较好，然后逻辑思维比较强。但是这些都是从比较官方的角度来进行阐述的，最重要的是你需要对它有浓厚的兴趣有强烈的好奇心。

从现在企业的要求来看，至少要专科以上的学历，并且熟悉JAVA、Hadoop、HBase、Flink等等编程语言以及系统。大数据开发学习有一定难度，零基础入门首先要学习Java语言打基础，一般而言，Java学习SE、EE，需要一段时间;然后进入大数据技术体系的学习，主要学习Hadoop、Spark、Storm等。除此之外，学习大数据开发需要学习的内容包括三大部分，分别是：大数据基础知识、大数据平台知识、大数据场景应用，大数据基础知识有三个主要部分：数学、统计学和计算机;大数据平台知识：是大数据开发的基础，往往以搭建Hadoop、Spark平台为主。

除此之外，你可以打开招聘软件，看看各大企业具体的用人要求，你可以根据企业的用人要求来针对性的提升技术。

“数据科学与大数据技术”专业是近两年才设立的新专业。“数据科学与大数据技术”专业有着很好的就业前景并且就业的宽度广，就业薪资待遇水平高，缺点可能在于专业设立较新，教学课程设置上可能无法跟上大数据人才培养的技能需求。

“数据科学与大数据技术”专业的人才培养方向：

分析类岗位

分析类工程师。使用统计模型、数据挖掘、机器学习及其他方法，进行数据清洗、数据分析、构建行业数据分析模型，为客户提供有价值的信息，满足客户需求。

算法工程师。大数据方向，和专业工程师一起从系统应用的角度,利用数据挖掘/统计学习的理论和方法解决实际问题;人工智能方向，根据人工智能产品需求完成技术方案设计及算法设计和核心模块开发，组织解决项目开发过程中的重大技术问题。

研发类岗位

架构工程师。负责Hadoop集群架构设计开发、搭建、管理、运维、调优，从数据采集到数据加工，从数据清洗到数据抽取，从数据统计到数据分析，实现大数据全产业线上的应用分析设计。

开发工程师。基于hadoop、spark等构建数据分析平台，进行设计、开发分布式计算业务，负责机器学习、深度学习领域的开发工作。

运维工程师。负责大数据基础平台的运维,保障平台的稳定可用，参与设计大数据自动化运维、监控、故障处理工具。