大數(shù)據(jù)挖掘需要精通數(shù)據(jù)庫(kù)、計(jì)算機(jī)編程和深厚的統(tǒng)計(jì)學(xué)基礎(chǔ)，有的甚至要涉及運(yùn)籌學(xué)范疇，是一門(mén)復(fù)合型的應(yīng)用科學(xué)。大數(shù)據(jù)的案例現(xiàn)在著實(shí)是一抓一大把，比如國(guó)外典型的”啤酒與尿布”的案例，在了解數(shù)據(jù)分析之前，不妨來(lái)看看幾個(gè)有趣的應(yīng)用案例。

　　Case1 數(shù)據(jù)新聞讓英國(guó)撤軍

　　2010年10月23日《衛(wèi)報(bào)》利用維基解密的數(shù)據(jù)做了一篇“數(shù)據(jù)新聞”。將伊拉克戰(zhàn)爭(zhēng)中所有的人員傷亡情況均標(biāo)注于地圖之上。地圖上一個(gè)紅點(diǎn)便代表一次死傷事件，鼠標(biāo)點(diǎn)擊紅點(diǎn)后彈出的窗口則有詳細(xì)的說(shuō)明：傷亡人數(shù)、時(shí)間，造成傷亡的具體原因。密布的紅點(diǎn)多達(dá)39萬(wàn)，顯得格外觸目驚心。一經(jīng)刊出立即引起朝野震動(dòng)，推動(dòng)英國(guó)最終做出撤出駐伊拉克軍隊(duì)的決定。

　　Case2 大數(shù)據(jù)與喬布斯癌癥治療

　　喬布斯是世界上第一個(gè)對(duì)自身所有DNA和腫瘤DNA進(jìn)行排序的人。為此，他支付了高達(dá)幾十萬(wàn)美元的費(fèi)用。他得到的不是樣本，而是包括整個(gè)基因的數(shù)據(jù)文檔。醫(yī)生按照所有基因按需下藥，最終這種方式幫助喬布斯延長(zhǎng)了好幾年的生命。

　　Case3 Google成功預(yù)測(cè)冬季流感

　　2009年，Google通過(guò)分析5000萬(wàn)條美國(guó)人最頻繁檢索的詞匯，將之和美國(guó)疾病中心在2003年到2008年間季節(jié)性流感傳播時(shí)期的數(shù)據(jù)進(jìn)行比較，并建立一個(gè)特定的數(shù)學(xué)模型。最終google成功預(yù)測(cè)了2009冬季流感的傳播甚至可以具體到特定的地區(qū)和州。

　　Case4 奢侈品銷(xiāo)售

　　PRADA 在紐約的旗艦店中每件衣服上都有RFID碼。每當(dāng)一個(gè)顧客拿起一件PRADA進(jìn)試衣間，RFID會(huì)被自動(dòng)識(shí)別。同時(shí)，數(shù)據(jù)會(huì)傳至PRADA總部。每一件衣服在哪個(gè)城市哪個(gè)旗艦店什么時(shí)間被拿進(jìn)試衣間停留多長(zhǎng)時(shí)間，數(shù)據(jù)都被存儲(chǔ)起來(lái)加以分析。如果有一件衣服銷(xiāo)量很低，以往的作法是直接干掉。但如果RFID傳回的數(shù)據(jù)顯示這件衣服雖然銷(xiāo)量低，但進(jìn)試衣間的次數(shù)多。那就能另外說(shuō)明一些問(wèn)題。也許這件衣服的下場(chǎng)就會(huì)截然不同，也許在某個(gè)細(xì)節(jié)的微小改變就會(huì)重新創(chuàng)造出一件非常流行的產(chǎn)品。

　　除了國(guó)外這些經(jīng)常用于商業(yè)培訓(xùn)課程的案例外，數(shù)據(jù)分析其實(shí)并不遙遠(yuǎn)，在國(guó)內(nèi)也不乏應(yīng)用，比如共和國(guó)的開(kāi)國(guó)元帥林彪就曾經(jīng)依靠敏銳的數(shù)據(jù)嗅覺(jué)和軍事天賦，成功搗毀敵營(yíng)總部。

　　從 2008年的一個(gè)偶然機(jī)會(huì)第一次接觸“數(shù)據(jù)挖掘”(DataMining)這個(gè)新名詞以來(lái)，掐指一算在數(shù)據(jù)挖掘應(yīng)用相關(guān)領(lǐng)域度過(guò)了6年。我的本專(zhuān)業(yè)是化工，整天應(yīng)該與塔、釜、換熱器、化學(xué)反應(yīng)、物料守恒等打交道。開(kāi)始接觸這個(gè)專(zhuān)業(yè)的目的是為了利用數(shù)據(jù)分析的一些功能來(lái)優(yōu)化生產(chǎn)運(yùn)營(yíng)，讓企業(yè)以更高的效率、更低的成本和更好的質(zhì)量去運(yùn)營(yíng)。那如何可以做到效率更高、成本最低和質(zhì)量更好，它們的關(guān)鍵改善點(diǎn)和控制點(diǎn)在哪里呢?這需要數(shù)據(jù)積累，需要數(shù)據(jù)分析，需要數(shù)據(jù)模型，它們?cè)谀睦锬?

　　2008年時(shí)國(guó)內(nèi)企業(yè)在數(shù)據(jù)挖掘應(yīng)用中摸索起步，遠(yuǎn)不如現(xiàn)在大數(shù)據(jù)火熱。如今大數(shù)據(jù)最火的商業(yè)應(yīng)用主要集中在互聯(lián)網(wǎng)、銀行、電信等領(lǐng)域?；谛袠I(yè)應(yīng)用限制，我無(wú)法接觸到真正的大數(shù)據(jù)挖掘，但是幸運(yùn)的是我還是碰到了職業(yè)和興趣的重合點(diǎn)。

　　這幾年的摸索是我職業(yè)生涯很重要的一段時(shí)光，可能在以后的職業(yè)生涯中我觸碰到數(shù)據(jù)挖掘的機(jī)會(huì)不會(huì)太多，但我覺(jué)得有必要將自己一路走來(lái)的心得與體會(huì)、感悟和挫折整理出來(lái)，一則是對(duì)自己的這段職業(yè)生涯做一個(gè)交代，特別是對(duì)一路引導(dǎo)、鼓勵(lì)和支持我的師友和家人;二則是合理地引導(dǎo)類(lèi)似我半道出家的學(xué)習(xí)者，對(duì)數(shù)據(jù)分析有興趣卻沒(méi)有深厚的統(tǒng)計(jì)學(xué)知識(shí)和IT功底人士。我相信本書(shū)整理出來(lái)的內(nèi)容對(duì)于廣大對(duì)數(shù)據(jù)分析應(yīng)用感興趣的初學(xué)者來(lái)說(shuō)都是一種寶貴經(jīng)驗(yàn)。在學(xué)習(xí)數(shù)據(jù)分析的道路上我深刻認(rèn)識(shí)到一個(gè)道理:一個(gè)成功的數(shù)據(jù)分析實(shí)踐，核心的因素不是數(shù)據(jù)分析技術(shù)，而是對(duì)業(yè)務(wù)理解和分析思路，這也是當(dāng)初學(xué)習(xí)數(shù)據(jù)分析的初衷，初學(xué)者切不可為數(shù)據(jù)分析而去分析數(shù)據(jù)。

　　目前國(guó)內(nèi)的大部分高校還沒(méi)有開(kāi)通數(shù)據(jù)挖掘這門(mén)專(zhuān)業(yè)課程。大數(shù)據(jù)分析需要依靠龐大的數(shù)據(jù)庫(kù)，需要各專(zhuān)業(yè)的人士通力合作，是一個(gè)團(tuán)隊(duì)作業(yè)。類(lèi)似我們這種半道出家的個(gè)人學(xué)習(xí)者，在不具備團(tuán)隊(duì)協(xié)作的條件下，可以在樣本數(shù)據(jù)的分析下點(diǎn)功夫。樣本數(shù)據(jù)我們也可以稱(chēng)之為小數(shù)據(jù)。因此，書(shū)的名稱(chēng)就定為《大數(shù)據(jù)時(shí)代小數(shù)據(jù)分析》。