1. 数据挖掘主要有两大任务描述性任务预测性任务
从奥达曼南部大厅的箱子中找到加勒特的家族宝藏，然后把它交给幽暗城的帕特里克·加瑞特。
任务需要: 加勒特的家族宝藏
任务描述:
我简直烦透了用这把破扫帚在这里打扫蝙蝠窝了！我靠这个该死的工作中存了一些钱，而且我愿意用这些钱来雇你帮我做些事情。
加瑞特家族的祖传武器自从我们家到那里去当挖掘工以来就一直被锁在奥达曼的南部大厅中的箱子里。没有它，我就要永远被困在这里——也就是说，我就得永远跟这些该死的蝙蝠在一起！
找到我家族的宝藏，把它给我拿来！帮我找回原本就属于我的东西！
任务奖励:
金钱奖励: 60
经验奖励: 5050 XP (可获得 30 @ Lv80)
声望奖励:
+62 幽暗城声望
+62 奥格瑞玛声望
+62 雷霆崖声望
+62 暗矛巨魔声望
+62 银月城声望
2. 简述数据挖掘的两大类任务
1、根据自己对行业，以及公司业务的了解，独自承担复杂分析任务，并形成分析报告；2、相关分析方向包括：用户行为分析、广告点击分析，业务逻辑相关以及竞争环境相关；3、根据业务逻辑变化，设计相应分析模型并支持业务分析工作开展。
3. 数据挖掘任务分为
FineBI数据挖掘的结果将以字段和记录的形式添加到多维数据库中，并可以在新建分析时从一个专门的数据挖掘业务包中被使用，使用的方式与拖拽任何普通的字段没有任何区别。
配合FineBI新建分析中的各种控件和图表，使用OLAP的分析人员可以轻松的查看他们想要的特定的某个与结果，或是各种各样结果的汇总。 分类、回归、时间序列分析、预测、聚类、汇总、关联规则、序列发现。
4. 数据分析与挖掘的任务
数据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非平凡过程。数据挖掘是一种决策支持过程，它主要基于人工智能、机器学习、模式识别、统计学、数据库、可视化技术等，高度自动化地分析企业的数据，作出归纳性的推理，从中挖掘出潜在的模式，帮助决策者调整市场策略，减少风险，作出正确的决策。知识发现过程由以下三个阶段组成：①数据准备；②数据挖掘；③结果表达和解释。数据挖掘可以与用户或知识库交互。
数据挖掘是通过分析每个数据，从大量数据中寻找其规律的技术，主要有数据准备、规律寻找和规律表示三个步骤。数据准备是从相关的数据源中选取所需的数据并整合成用于数据挖掘的数据集；规律寻找是用某种方法将数据集所含的规律找出来；规律表示是尽可能以用户可理解的方式（如可视化）将找出的规律表示出来。数据挖掘的任务有关联分析、聚类分析、分类分析、异常分析、特异群组分析和演变分析等
5. 数据挖掘的六大任务
SPSS（Statistical Product and Service Solutions），“统计产品与服务解决方案”软件。最初软件全称为“社会科学统计软件包”（Solutions Statistical Package for the Social Sciences），但是随着SPSS产品服务领域的扩大和服务深度的增加，SPSS公司已于2000年正式将英文全称更改为“统计产品与服务解决方案”，这标志着SPSS的战略方向正在做出重大调整。SPSS为 IBM公司推出的一系列用于 统计学分析运算、 数据挖掘、 预测分析和决策支持任务的软件产品及相关服务的总称，有Windows和Mac OS X等版本。
6. 数据挖掘三大类分析任务
AMOS是结构方程模型的分析软件，SPSS主要应用于回归分析、因子分析、相关分析、对应分析、聚类分析等。因而要用什么软件取决于建立了什么样的模型。AMOS当然可以进行信度和效度分析了，只不过是对结构方程模型中的潜变量而言。补充：
1、AMOS具有的方差分析、协方差，假设检验等一系列基本分析方法。
2、SPSS(StatisticalProductandServiceSolutions)，"统计产品与服务解决方案"软件。最初软件全称为"社会科学统计软件包"(SolutionsStatisticalPackagefortheSocialSciences)，但是随着SPSS产品服务领域的扩大和服务深度的增加，SPSS公司已于2000年正式将英文全称更改为"统计产品与服务解决方案"，标志着SPSS的战略方向正在做出重大调整。为IBM公司推出的一系列用于统计学分析运算、数据挖掘、预测分析和决策支持任务的软件产品及相关服务的总称SPSS，有Windows和MacOSX等版本。
7. 数据挖掘的任务有两类描述和决策
决策树算法是数据挖掘领域的一个研究热点，通常用于提取描述重要数据类的模型或预测未来的数据趋势。该文介绍了决策树及其发展过程，重点阐述了三种典型的决策树算法，分析了它们的优缺点，并对三种算法进行了比较，最后探讨了决策树算法的改进方向。
8. 数据挖掘的两大类任务
1、中文版步骤为：分析-描述统计-频率。
2、SPSS（StatisticalProductandServiceSolutions），“统计产品与服务解决方案”软件。最初软件全称为“社会科学统计软件包”（SolutionsStatisticalPackagefortheSocialSciences），但是随着SPSS产品服务领域的扩大和服务深度的增加，SPSS公司已于2000年正式将英文全称更改为“统计产品与服务解决方案”，标志着SPSS的战略方向正在做出重大调整。为IBM公司推出的一系列用于统计学分析运算、数据挖掘、预测分析和决策支持任务的软件产品及相关服务的总称SPSS，有Windows和MacOSX等版本。
3、1984年SPSS总部首先推出了世界上第一个统计分析软件微机版本SPSS/PC+，开创了SPSS微机系列产品的开发方向，极大地扩充了它的应用范围，并使其能很快地应用于自然科学、技术科学、社会科学的各个领域。世界上许多有影响的报刊杂志纷纷就SPSS的自动统计绘图、数据的深入分析、使用方便、功能齐全等方面给予了高度的评价。
9. 数据分析和挖掘的任务
大数据分析的六个基本方面
1. Analytic Visualizations（可视化分析）
不管是对数据分析专家还是普通用户，数据可视化是数据分析工具最基本的要求。可视化可以直观的展示数据，让数据自己说话，让观众听到结果。
2. Data Mining Algorithms（数据挖掘算法）
可视化是给人看的，数据挖掘就是给机器看的。集群、分割、孤立点分析还有其他的算法让我们深入数据内部，挖掘价值。这些算法不仅要处理大数据的量，也要处理大数据的速度。
3. Predictive Analytic Capabilities（预测性分析能力）
数据挖掘可以让分析员更好的理解数据，而预测性分析可以让分析员根据可视化分析和数据挖掘的结果做出一些预测性的判断。
4. Semantic Engines（语义引擎）
我们知道由于非结构化数据的多样性带来了数据分析的新的挑战，我们需要一系列的工具去解析，提取，分析数据。语义引擎需要被设计成能够从“文档”中智能提取信息。
5.Data Quality and Master Data Management（数据质量和数据管理）
数据质量和数据管理是一些管理方面的最佳实践。通过标准化的流程和工具对数据进行处理可以保证一个预先定义好的高质量的分析结果。
假如大数据真的是下一个重要的技术革新的话，我们最好把精力关注在大数据能给我们带来的好处，而不仅仅是挑战。
6.数据存储，数据仓库
数据仓库是为了便于多维分析和多角度展示数据按特定模式进行存储所建立起来的关系型数据库。在商业智能系统的设计中，数据仓库的构建是关键，是商业智能系统的基础，承担对业务系统数据整合的任务，为商业智能系统提供数据抽取、转换和加载(ETL)，并按主题对数据进行查询和访问，为联机数据分析和数据挖掘提供数据平台。