SPSS＋finebi实现基于分类算法的理财产品顾客亏损及收益分析一

数据挖掘也称为知识挖掘，是人工智能和数据库领域研究的热点问题，所谓数据挖掘是指从数据库的大量数据中揭示出隐含的、先前未知的并有潜在价值的信息的过程。

更为通俗的说法，数据挖掘可以描述为：按行业既定业务目标，对大量的行业数据进行探索和分析，揭示隐藏的、未知的或验证已知的规律性，并进一步将其模型化的先进有效的方法。

应用涉及到的技术包括：数据库技术、人工智能技术、数理统计、可视化技术、并行计算等方面。

今天将通过IBM SPSS对理财产品顾客数据进行处理，然后通过finebi对处理的数据进行数据可视化分析。具体过程如下：

1.知识准备

首先，在进行数据挖掘时，我们先要了解什么是数据挖掘，数据挖掘给我们带来了什么？

从早期的统计学习、发展到联结主义的神经网络、直至深度神经网络的过程中，机器学习解决了企业应用的一些问题，辅助业务人员和管理人员做出更好的决策，在一些应用领域已经达到甚至超过人的智能水平，从而引发机器学习在金融、智能制造、零售、电子商务、电信等众多行业的广泛应用。通过本课程的学习，使学员可以初步了解机器学习的常用算法以及典型的应用领域，为更深入地学习高级机器学习以及实战打下基础。

当然数据挖掘和数据分析有显著区别：

据挖掘和数据分析都是从数据中提取一些有价值的信息，二者有很多联系，但是二者的侧重点和实现手法有所区分。 

数据挖掘和数据分析的不同之处： 

1、在应用工具上，数据挖掘一般要通过自己的编程来实现需要掌握编程语言；而数据分析更多的是借助现有的分析工具进行。 

2、在行业知识方面，数据分析要求对所从事的行业有比较深的了解和理解，并且能够将数据与自身的业务紧密结合起来；而数据挖