简单来说，数据挖掘，就是从数据中看透事物之间联系的真相，再为人类所用。
为什么要数据挖掘？
概括起来就两种情况。1.遇到问题了你想要解决问题。2.你发现某种现象想理解背后的原理再为人类所用。
接下来，我们可以按以下两条逻辑线来看数据挖掘。
1.“问题”、“原因”、“解决”逻辑线
“问题”，不管是企业还是个人，你总会遇到各种各样的问题。
企业问题，打个比方，今年产品卖不太出去啊，产品销量直线下滑，企业快撑不下去了。
这是一个比较棘手头疼的问题，那作为走上人生巅峰的CEO你肯定是要想办法解决问题啊，毕竟企业上上下下就靠你撑着呢。
OK，第一步，我们先要搞清楚问题到底是什么？具体情况是怎么样的。
具体是哪种产品卖不出去？又是哪个地区的产品销量出现问题？今年具体哪个时间节点销售量开始下滑？下滑的幅度怎么样？利润率怎么样？
了解清楚问题是什么后，自然而然就会跳出第二个问题，为什么会这样？
“原因”，我们需要找出问题源头。那怎么找出来呢？你需要做调查，从线索的蛛丝马迹中查找原因。
比如从背景出发，你可以看到今年受疫情影响，整个行业的整体销量都下滑了。再看看竞品公司，看他们的情况怎么样，是不是也遇到这个问题了，还是他们企业逐渐壮大强占了市场份额？
再比如从产品本身出发，公司以前有遇到过类似的情况吗？几年前的销售量又是如何？是价格太高了？还是现在产品功能没法满足用户了？每个地区的销售量分别是什么样的？
再从用户的角度出发，用户现在需要的是什么？他们的喜好是否变化了？是不是产品让用户的体验变得不好了？
分析原因，找出和产品销量相关的影响因素。
”解决“，最后我们可以得出结论，问题以及形成原因，再根据结果制定解决方案。
2.“现象”、“原理”、“应用”逻辑线
”现象“，我们也总能看到各种突然的变化，思考是不是可以加以利用。
比如这几年人工智能开始逐渐主流起来。
为什么人工智能会逐渐走向主流？人工智能到底是什么？公司的业务是不是可以增加人工智能这一版块？······
”原理“，解释现象的原因，为什么会出现这个现象。
当然你需要先去了解人工智能这一行业现状、发展历程。
通过数据统计，你了解到过去5年里AI领域融资投资情况，整体市场规模有多大。
AI所提供的服务大概有哪些，各自占比又是多少。目前盈利模式有哪些，各自占比又是多少。
可以大概预测一下未来可能会有怎样的变化，发展方向大概会是怎么样的。
再结合一下目前公司自身的发展现状，盈利情况，公司业务增设AI项目是否可行。等等。
”应用“，根据这些挖掘到的数据信息，结合公司已存在的情况得出结论判断，融入AI这一块靠不靠谱，如果要结合的话业务是具体如何，盈利模式是如何。
总结
完成数据挖掘，就像是开采金矿，目的是得出最后的解决方案，或者应用方案这些有价值的信息为人所用。
