数据挖掘会饱和吗？学大数据还有机会吗？这是很多计算机专业的学生，编程和算法技术员考虑的问题。

数据挖掘不是独立市场，而是解决各领域问题的方法和工具，生物、制造、零售、金融等等领域都越来越依仗对数据的利用和挖掘，数据挖掘所面对的市场是很多行业的市场。

要说数据挖掘应用饱和，除非各个领域都已经发展到了瓶颈没有上升空间，而这是不可能的。要说数据挖掘人才饱和，数据科学家/分析师已经成为各企业的标配，现在看离这个标准还差得远呢。

但也不得不说现在数据挖掘发展情况没有很理想，这也和数据挖掘人才不足有一定关系。

数据挖掘是泡沫吗？你说它是泡沫，那它却有一些如智能推荐、风险捕捉等高价值场景你不能视而不见吧。但你若说它不是泡沫，却有太多的灌水论文是关于它的，这些论文只有作者自己写很嗨，等拿到生产环节中一试，这什么XX玩意儿。

说到应用，除了那几个经典的场景外，身边没有什么实实在在的、落地的案例，这样的应用量级与它在舆论中的地位比起来，可以说是有些丢人。这好比一个隐居的大名士，大家都说这人厉害，不出山都是一种损失，终于他在一众追捧之中出山之后，却发现这人只能做个县令。

我的看法，数据挖掘不是泡沫。

第一，它背后是数据库技术，是统计学，这些都是硬的不能再硬的知识。它的核心是对数据进行深度的计算，让数据展示其潜在的信息，这一处理过程就是使用数学、统计学方法对数据进行计算，数据经过这样的加工之后，确实会展示出其隐藏的一面，所以他的本质并不泡沫。

第二、有很多人使用这样的方法来帮助自己工作，这是从上个世纪就有的，今天依然很多，数据挖掘这样的技术确实帮他们解决了问题，带来了价值。还有，我也是相信高校一定看的比我要远的多的。

那么，如果数据挖掘不是泡沫，是什么原因造成了当前这种模糊的状态呢？

第一、人才缺失

这一条应该很多人不服，一板砖拍到程序员堆里都要有两个是做数据挖掘的，怎么还会缺人呢，甚至知乎中已经有“做数据挖掘/机器学习的人是不是饱和了”这样的问题。我们需要更细一层的分析，数据挖掘的人才可以分成三类：

• 第一类是研究型，研究算法做本质上突破的人，这类人在任何时候都是紧缺的，当然大部分人都不属于这一类人才。
• 第二类是应用型，能够跨领域将数据挖掘技术应用到自己所在领域的人。对算法内部原理不需要很懂，技术上只需要知道怎样应用就够了，重要的是能够熟悉某一业务领域，并且能够针对业务领域的问题提出解决方案，使用数据挖掘技术来解决。这一类人才是目前最为紧缺的，数据挖掘应用现在很少，主要是由于这一类人才的缺少。
• 第三类是数据挖掘技术使用人群，有学生、有程序员，会用数据挖掘技术解决手头的问题，但是对算法没有深入的研究，也没有将数据挖掘落地到生产的能力。

所以，现在依然是缺少人才的，尤其是应用型人才。

第二、网络或舆论氛围浮躁。

浮躁是几个原因造成的

• 需求氛围上，多数人也不过是叶公好龙，很多技术概念都是这样，去年的数据中台被阿里提出来之后，很多企业好像一下子就懂了，也纷纷跟着搞数据中台一个样子，实际上很多企业到底什么是数据中台也没搞明白。
• 知识氛围上，研究算法、机器学习、人工智能等等这些技术的人越来越多，这好事没毛病。另一方面灌水的论文也确实不少，论文中算法调来调去预测准确性到90%都可以，但这些论文真的有几个可以拿到生产中去验证和使用？
• 商业环境上，软件公司也加了一把火。近年来有很多资本投资机器学习相关的初创公司，这些公司为了拿到投资也“制造”了很多案例，我见过很多宣传诸如“算法准确率超过google”、“500强企业xxx在用我们产品预测xxx”，和灌水的论文一样。

虽然现在还有各种各样的问题，但毕竟数据挖掘本身是一个很实用的应用型技术，它给社会给企业带来的价值早晚会得到更多企业的认可。数据挖掘冲出泡沫的方式，我觉得会有这样两种。

第一，通过更多基于数据挖掘技术的应用软件走进企业。虽然已经有一些企业开发并应用了推荐、风控等场景，但企业数量还是很少的，并且这些应用通用性不强。

若要让更多的企业享受数据挖掘技术的福利，需要有类似于OA、CRM这样的有更强的通用性，可以被更多企业接受和使用的软件。

第二，企业中有自己的应用型人才，能够搭建企业内部的挖掘应用。不同于OA、CRM或ERP之类的软件使用，这种模式更类似于现在企业中数据分析系统，例如报表平台或bi平台，这些数据分析应用，往往由企业自己通过一些比较好用的工具如finereport/finebi自己建设起来的。

数据的分析和应用灵活且多变，即便企业开始是由软件公司开发的报表或bi系统，多年之后这个系统也不会是项目当初的样子了。正因为企业自己在数据分析应用中发挥着主导作用，数据分析在企业中发展非常迅速，也受到很大认可。

数据挖掘的应用也有类似的特点，数据挖掘的应用点不会是单一的，很多数据深度挖掘后会展示出新的一面，企业中的数据也有不同的维度和模块需要深度挖掘。并且随着企业的发展，数据会跟着变化，挖掘应用也需要随之调整，企业自身有能力开发并维护挖掘应用，更有利于数据挖掘在企业中推广和应用。

这两个相比较，我更期待第二种情形的出现，这会有更多的可能性，也一定能给企业带来更大的价值。但这也有一些条件现在还没有满足，主要还是人才问题，当前企业中能够使用数据挖掘的人很少，能够将技术和业务痛点结合起来形成落地应用的人更少。满足这一条件有两种方式：

第一是大量的数据挖掘技术人才走进企业，这点还是比较困难的，一方面短期内看不出企业中有哪些数据挖掘的用武之地，企业本身就不会在此投入太多，另一方面供需双方对收入的期待水平相差太大。

还有另一种方式，就是企业原有的it人才可以掌握数据挖掘技术，这一个方向我觉得是可行的。一方面很多企业的it人员对业务是有一定理解的，并且长期负责企业数据，有很强的数据思维，具有针对业务痛点形成解决方案的基础。

另一方面当前很多企业的it人员有意愿学习更多的数据技术，提升自身竞争力，这种驱动力是不缺的。