數據挖掘會飽和嗎？學大數據還有機會嗎？這是很多計算機專業的學生，編程和算法技術員考慮的問題。

數據挖掘不是獨立市場，而是解決各領域問題的方法和工具，生物、制造、零售、金融等等領域都越來越依仗對數據的利用和挖掘，數據挖掘所面對的市場是很多行業的市場。

要說數據挖掘應用飽和，除非各個領域都已經發展到了瓶頸沒有上升空間，而這是不可能的。要說數據挖掘人才飽和，數據科學家/分析師已經成為各企業的標配，現在看離這個標準還差得遠呢。

但也不得不說現在數據挖掘發展情況沒有很理想，這也和數據挖掘人才不足有一定關系。

數據挖掘是泡沫嗎？你說它是泡沫，那它卻有一些如智能推薦、風險捕捉等高價值場景你不能視而不見吧。但你若說它不是泡沫，卻有太多的灌水論文是關于它的，這些論文只有作者自己寫很嗨，等拿到生產環節中一試，這什么XX玩意兒。

說到應用，除了那幾個經典的場景外，身邊沒有什么實實在在的、落地的案例，這樣的應用量級與它在輿論中的地位比起來，可以說是有些丟人。這好比一個隱居的大名士，大家都說這人厲害，不出山都是一種損失，終于他在一眾追捧之中出山之后，卻發現這人只能做個縣令。

我的看法，數據挖掘不是泡沫。

第一，它背后是數據庫技術，是統計學，這些都是硬的不能再硬的知識。它的核心是對數據進行深度的計算，讓數據展示其潛在的信息，這一處理過程就是使用數學、統計學方法對數據進行計算，數據經過這樣的加工之后，確實會展示出其隱藏的一面，所以他的本質并不泡沫。

第二、有很多人使用這樣的方法來幫助自己工作，這是從上個世紀就有的，今天依然很多，數據挖掘這樣的技術確實幫他們解決了問題，帶來了價值。還有，我也是相信高校一定看的比我要遠的多的。

那么，如果數據挖掘不是泡沫，是什么原因造成了當前這種模糊的狀態呢？

第一、人才缺失

這一條應該很多人不服，一板磚拍到程序員堆里都要有兩個是做數據挖掘的，怎么還會缺人呢，甚至知乎中已經有“做數據挖掘/機器學習的人是不是飽和了”這樣的問題。我們需要更細一層的分析，數據挖掘的人才可以分成三類：

• 第一類是研究型，研究算法做本質上突破的人，這類人在任何時候都是緊缺的，當然大部分人都不屬于這一類人才。
• 第二類是應用型，能夠跨領域將數據挖掘技術應用到自己所在領域的人。對算法內部原理不需要很懂，技術上只需要知道怎樣應用就夠了，重要的是能夠熟悉某一業務領域，并且能夠針對業務領域的問題提出解決方案，使用數據挖掘技術來解決。這一類人才是目前最為緊缺的，數據挖掘應用現在很少，主要是由于這一類人才的缺少。
• 第三類是數據挖掘技術使用人群，有學生、有程序員，會用數據挖掘技術解決手頭的問題，但是對算法沒有深入的研究，也沒有將數據挖掘落地到生產的能力。

所以，現在依然是缺少人才的，尤其是應用型人才。

第二、網絡或輿論氛圍浮躁。

浮躁是幾個原因造成的

• 需求氛圍上，多數人也不過是葉公好龍，很多技術概念都是這樣，去年的數據中臺被阿里提出來之后，很多企業好像一下子就懂了，也紛紛跟著搞數據中臺一個樣子，實際上很多企業到底什么是數據中臺也沒搞明白。
• 知識氛圍上，研究算法、機器學習、人工智能等等這些技術的人越來越多，這好事沒毛病。另一方面灌水的論文也確實不少，論文中算法調來調去預測準確性到90%都可以，但這些論文真的有幾個可以拿到生產中去驗證和使用？
• 商業環境上，軟件公司也加了一把火。近年來有很多資本投資機器學習相關的初創公司，這些公司為了拿到投資也“制造”了很多案例，我見過很多宣傳諸如“算法準確率超過google”、“500強企業xxx在用我們產品預測xxx”，和灌水的論文一樣。

雖然現在還有各種各樣的問題，但畢竟數據挖掘本身是一個很實用的應用型技術，它給社會給企業帶來的價值早晚會得到更多企業的認可。數據挖掘沖出泡沫的方式，我覺得會有這樣兩種。

第一，通過更多基于數據挖掘技術的應用軟件走進企業。雖然已經有一些企業開發并應用了推薦、風控等場景，但企業數量還是很少的，并且這些應用通用性不強。

若要讓更多的企業享受數據挖掘技術的福利，需要有類似于OA、CRM這樣的有更強的通用性，可以被更多企業接受和使用的軟件。

第二，企業中有自己的應用型人才，能夠搭建企業內部的挖掘應用。不同于OA、CRM或ERP之類的軟件使用，這種模式更類似于現在企業中數據分析系統，例如報表平臺或bi平臺，這些數據分析應用，往往由企業自己通過一些比較好用的工具如finereport/finebi自己建設起來的。

數據的分析和應用靈活且多變，即便企業開始是由軟件公司開發的報表或bi系統，多年之后這個系統也不會是項目當初的樣子了。正因為企業自己在數據分析應用中發揮著主導作用，數據分析在企業中發展非常迅速，也受到很大認可。

數據挖掘的應用也有類似的特點，數據挖掘的應用點不會是單一的，很多數據深度挖掘后會展示出新的一面，企業中的數據也有不同的維度和模塊需要深度挖掘。并且隨著企業的發展，數據會跟著變化，挖掘應用也需要隨之調整，企業自身有能力開發并維護挖掘應用，更有利于數據挖掘在企業中推廣和應用。

這兩個相比較，我更期待第二種情形的出現，這會有更多的可能性，也一定能給企業帶來更大的價值。但這也有一些條件現在還沒有滿足，主要還是人才問題，當前企業中能夠使用數據挖掘的人很少，能夠將技術和業務痛點結合起來形成落地應用的人更少。滿足這一條件有兩種方式：

第一是大量的數據挖掘技術人才走進企業，這點還是比較困難的，一方面短期內看不出企業中有哪些數據挖掘的用武之地，企業本身就不會在此投入太多，另一方面供需雙方對收入的期待水平相差太大。

還有另一種方式，就是企業原有的it人才可以掌握數據挖掘技術，這一個方向我覺得是可行的。一方面很多企業的it人員對業務是有一定理解的，并且長期負責企業數據，有很強的數據思維，具有針對業務痛點形成解決方案的基礎。

另一方面當前很多企業的it人員有意愿學習更多的數據技術，提升自身競爭力，這種驅動力是不缺的。