Adxonist
最近，重新找工作投简历，发现有招数据挖据工程师、搜索引擎工程师、人工智能工程师与BI工程师等。在我看来， 其实数据挖据与搜索引擎，都是人工智能的一部分。 解决问题的步骤一般经历：
认识问题需要数据挖据技术，从问题的数据中提取出潜在规则；然后，将潜在规则与已有知识库进行比对（当知识库非常巨大的时候，就需要用到搜 索技术）；尝试用知识库作出的反应解决问题；问题解决后，要根据实际效果对知识库进行修正。
有时实际效果也不好，有多种可能的原因：如数据挖掘技术问题，提取的规则有问题； 或者搜索技术问题，如未能找到与问题最匹配的知识；或者知识库中关于该情况提供的处理预案是错的；或者目前知识库里还没有相关知识积累，需要添加知识；最有可能是整个设计都有问题，需要对整个系统作人工修正。
尽管，我在上篇写了DM目前可能存在的一些问题，但DM仍是我最关心的领域之一，本篇继续一些相关的延展。
DM或类似的技术应用使得“使用越多，发现越多”成为了新一代网站的鲜明特征之一。使用豆瓣，用户可以发现喜欢的书、电影、音乐、Blog；使用del.icio.us，用户可以发现自己喜欢的文章、观点；这些出色的Web 2.0网站总是能帮助用户在特定领域里发现更多。用户的行为被前所未有地“废物利用”，使得发现自己所爱的过程变得轻松惬意。
可尽管如此，用户数据还是被大大地浪费了：用户无法通过自己积累的书、音乐、电影数据发现自己也许会喜欢的衣服、电脑设备、运动项目或是其他；此时，用户唯一能做的是在另一个相关网站上再积累相当量的数据，以获得较准确的推荐。新获得的推荐与先前的其他领域的数据积累无任何关联。
看似不相关的数据之间仍然是有内在联系的，我相信，下一代的互联网巨头就将诞生在这个领域——内涵式的社会化网站，它将区别于常见的特定领域的社会化网站（如douban.com, flickr.com等，尽管douban也一直在扩充自己的领域）。Facebook Platform的发布和Amazon MP3的上线似乎在暗示着这种趋势：我们大胆想象，汇集成千上万个应用的Facebook会创造出什么？而积累了5年的用户收听音乐习惯和15年的用户购买习惯后，Amazon又会创造出什么？Google声称会比Facebook更开放的平台加入竞争后，未来又会变得怎样？
在与创业者的交流中，DM（数据挖掘）被提到的频率很高，创业者们总是希望得到更多的用户有效数据，通过分析这些数据，达到“让对的人在对的时间看到对的推荐（广告或商品）”的效果。这种想法具有普遍性，却存在一些问题：
与问题相应的有一些补充内容，希望对创业者有益：
DM是一件高成本、高门槛的事，即便是国内Web 2.0翘楚的豆瓣做的水平也比较一般。创业者在思考产品和服务的时候，还是应更多地结合自身情况，做好力所能及的工作，以保证自己赚到力所能及的利润。
