为何缺乏一将难求的复合型项目人才？

　　数据挖掘的实现是一个流程，是需要一个团队来实现的。由于项目的实施具有很强的背景色彩，需要具有行业知识的业务人才参与。缺乏复合型人才，正说明了社会对数据挖掘的广泛需求。这个年轻的领域还未有足够多的人才投入进来。如果数据挖掘的教材和萨师煊、王珊老师的《数据库原理》一样，充盈在中国的高校里，这个问题可能就会迎刃而解了。

如何解开实施过程中CEO的心头疙瘩？

　　《数据挖掘：炒着热吃着冷》一文认为：“数据挖掘本身并不产生价值，实施数据挖掘后产生的结果才有价值。”其实，数据挖掘后产生的结果不一定都有价值，需要人去评价筛选。实施过程也是极其多样，因为挖掘的本身具有启发式性质，是用来辅助预测的。

　　该文中提出的CEO会与实施人员产生矛盾的几点，笔者认为其实都有办法解决。

　　一是争议自变量的选择权。确定哪些因素与目标变量有关系，CEO和实施人员往往各执一词。其实大可不必。数据挖掘本身就是挖掘潜在的规则，谁也不能肯定各个自变量为决策做出的贡献。不断的迭代，调整模型，用挖掘的结果来使挖掘者满意，而不是用挖掘的输入来说服CEO（包括说服挖掘者本身）。理想的方式是由结果来决定的，并不能由CEO和挖掘人员双方结合决定，双方只是提出各自的意见，再因为谁主谁辅而争执不休岂不多余？

　　二是在客户群体分类的粒度上，若干问题没有一定的衡量标准。挖掘模型可以根据客户的需求通过调整参数来调整模型的输出，再苛刻的CEO也会有一个满意的吧。

　　三是CEO对数据挖掘以概率值示人的结果质疑。岂不是不符合人之常情？现实中的事情有哪些不是在概率的基础上预测的，数据挖掘给出概率的可能性来支持决策是多么的正规合理啊。

质疑“挖掘结果未必能改善现状”

　　《数据挖掘：炒着热吃着冷》一文认为挖掘结果未必能改善现状，并给出若干事例加以说明，笔者认为应该辩证的看待这一问题。

　　比如，文中提到“数据挖掘的结果是不确定的，要和专业知识相结合才能对其做出判断。说白了，数据挖掘只是一个工具，它可以发现一些潜在的用户，但不会告诉使用者为什么，也不能保证这些潜在的用户成为现实”。这正是数据挖掘的特点，如果他能告诉使用者为什么，他就不叫机器学习了；如果他能保证潜在的用户成为现实，就不属于应用技术的范畴了。

　　文中举例,“美国有家冰激凌生产商，总是听到顾客对产品的抱怨，而产品的质量又检查不出什么问题，企业CEO也一直不明就里。后来市场部用上数据挖掘软件，通过分析知道问题出在产品的外包装上，由于包装上冰激凌图片里的水果数量较多，而实际产品没有那么多，导致了顾客的不满。市场部随即换上新的包装，顾客的抱怨也就停止了，但销量并没有明显增加。数据挖掘的结果帮助企业解决了一个表面问题，但没有改善企业的经营状况。”——虽然没有改善的经营状况，但抱怨停止了，企业的形象提升了，能说没有改善现状吗？再者，生产商既然挖掘出原因，为什么他们采取的措施是换上新的包装，而不是在实际产品中增加冰激凌中的水果数量呢？这并不是数据挖掘技术本身的问题，关键还在于应用者的理解和能力。

　　数据挖掘毕竟是新事物，是一种新崛起但不成熟不完美的技术。他还有一条漫长的道路要走，但他会走这条漫长的道路，因为需求是极广大的。