数据挖掘利用了来自如下一些领域的思想:(1) 来自统计学的抽样、估计和假设检验，(2)人工智能、模式识别和机器学的搜索算法、建模技术和学理论。数据挖掘也迅速地接纳了来自其他领域的思想，这些领域包括化、进化计算、信息论、信号处理、可视化和信息检索。一些其他领域也起到重要的支撑作用。地，需要数据库系统提供有效的存储、索引和查询处理支持。源于高性能（并行）计算的技术在处理海量数据集方面常常是重要的。分布式技术也能帮助处理海量数据，并且当数据不能集中到一起处理时更是。

　　数据对外变现:通过对数据进行精心的包装，对外提供数据服务，从而获得现金收入。市面上比较常见有各大数据公司利用自己掌握的大数据，提供风控查询、验、反欺诈服务，提供导客、导流、营销服务，提供数据开放平台服务，等等首先要进行数据集成，否则将无法完成处理、存储、转化和应用数据。通过web数据采集、系统/设备数据采集、本地上传、API接口调用等方式将各类原始数据集成，为构建一个自由独立的数据仓库/数据湖/数据中台而准备。同时，随着数据基础设施变得越来越复杂，也会面临着从各种来源摄取结构化和非结构化数据的挑战性任务。这通常称为提取转换加载 (ETL) 和提取加载转换 (ELT) 的提取和加载阶段。

　　这一系列标签形成了一个人固定的长期标签。

　　之前的玩法单纯粗暴，就是冲销量或者买位置到第一，然后开始赚钱。

　　当然除了阿里之外，大数据精准营销在其他的互联网企业也都被看做是长线的利润价值，对于企业来说，这种趋势，不是把眼光放在短期的盈利上，主要依托大数据对用户的画像，设身处地的去触动用户，把握数据的长期黏性，从而实现长期增长。

　　如教育行业:如学历提升、职业教育、教育培训、K12教育等，可以通过大数据建模抓取教育相关网站的实时访客，抓取相关教育垂直APP的活跃用户……

　　所以，数据的本质，更像土地:土地需要开发利用，在土地上构建什么样的钢筋混凝土结构，的楼层才有可能是什么样子。对于数据本身，更像一种基础资源，就如同土地，人力一般，成为公司的资产。在淘宝，京东等行业巨头疯狂发展的今天，网上支付早已被巨头们一次次更新换代升级。但如果只是供应渠道链的终端进行掌控，数据资产的纵度，并不能得到彻底的挖掘。所以，在终端支付的前端，出现了供应链金融:供应链金融是指在对供应链内部的交易结构进行分析的基础上，运用自偿性贸易融资的信贷模型，并引入核心企业、物流监管公司、资金流导引工具等风险控制变量，对供应链的不同节点提供封闭的授信支持以及其他结算、理财等综合金融服务。这里既包括企业上游的原材料零部件供应网络和链条，也包括下游的分销商、代理商、即渠道链 —— 中欧商学院、深圳发展银行2007《供应链金融》