隨著數據庫系統的廣泛應用和網絡技術的高速發展，數據庫技術從過去僅管理一些簡單數據發展到管理由各種計算機所產生的圖像、音頻、視頻等多種類型的復雜數據。數據庫在給我們提供豐富信息的同時也使得有效信息難以提煉。

    數據庫技術從過去僅管理一些簡單數據發展到管理由各種計算機所產生的圖像、音頻、視頻等多種類型的復雜數據。數據庫在給我們提供豐富信息的同時也使得有效信息難以提煉。迫切需要對海量數據進行深入分析，發現并提取隱藏在其中的信息，以更好地利用這些數據。正是在這樣的條件下，數據挖掘技術應運而生。

什么是數據挖掘

    數據挖掘是指基于人工智能、機器學習、模式識別、統計學、數據庫、可視化技術等，從數據庫的大量數據中揭示出隱含的、先前未知的并有潛在價值的信息的非平凡過程。數據挖掘技術能對企業的數據高度自動化地分析，從而作出歸納性的推理，挖掘出潛在的模式，目的是幫助決策者調整市場策略，減少風險，作出正確的決策。

如何進行數據挖掘

（1） 信息收集：根據數據分析對象確定所需要的特征信息，選擇合適的信息收集方法，將收集到的信息存入合適的數據存儲和管理的數據倉庫。
（2） 數據集成：把不同來源、特點性質、格式的數據在物理邏輯上集中，從而打破企業孤島，為企業提供全面的數據共享。
（3） 數據規范：統一制定數據標準與規范，提高數據質量的同時，得到接近于保持原數據的完整性，并且數據標準化后執行數據挖掘，會更高效的得到更準確的結果。
（4） 數據清理：數據庫中存在大量低質量數據，即信息重復的數據、信息缺失的數據、格式不統一的數據、空數據、無用數據以及錯誤數據等，需要將對這些數據進行數據清理，將完整、正確、一致的數據信息存入數據倉庫中。
（5） 數據變換：通過數據概化，概念分層、平滑聚集，離散化、規范化等方式將數據轉換成適用于數據挖掘的形式。
（6） 數據挖掘過程：根據數據倉庫中的數據信息，選擇合適的分析工具，應用統計方法、決策樹、事例推理、模糊集、規則推理、甚至遺傳算法、神經網絡、人工智能、機器學習、深度學習的方法處理信息，得出有用的分析信息。
（7） 模式評估：從商業角度，由行業專家來驗證數據挖掘結果的正確性。
（8） 知識表示：將數據挖掘所得到的分析結果以可視化的方式呈現給用戶，建立知識圖譜，數據共享，供其他應用程序使用。

    豌豆DM是億信華辰精心打造的一款零門檻、全程可視化的數據挖掘平臺。

1）豌豆DM提供全程可視化的建模過程，從訓練數據集選擇、分析指標字段設置、挖掘算法、參數配置、模型訓練、模型評估、對比到模型發布都可以通過零編程、可視化的配置操作，簡單、便捷的完成；

2）內置豐富的數據預處理組件，幫助用戶快速直觀的配置預處理流程；

3）挖掘算法是數據挖掘產品的核心和靈魂，豌豆DM提供了涵蓋分類、回歸、聚類、關聯規則以及時間序列等五大類、十余個小類的核心數據挖掘算法，同時支持擴展數據挖掘算法，讓用戶能夠快速找到與業務更為貼合的數據挖掘模型；

4）強大的關系網絡分析，幫助用戶更為直觀的發現事物之間的關系；

5）豌豆DM可對多個訓練模型進行一鍵比較，系統智能推薦最佳模型，并可基于分類正確率、均方根誤差、Kappa統計量、提升率、ROC面積等專業的模型評估指標，提供綜合模型比較報告，極大的降低數據挖掘項目實施難度。