@@ -1,3 +1,23 @@
 - Data Mining
 
 Интеллектуальный анализ данных, глубинный анализ данных, до́быча данных.
+
+Big data is like teenage sex: everyone talks about it, nobody really knows how to do it, everyone thinks everyone else is doing it, so everyone claims they are doing it.
+
+Dan Ariely, Duke University
+
+То же самое можно сказать и про Data Mining.
+
+Определить, что такое Data Mining лучше всего апофатически, т.е. через отрицание (чем Data Mining не является):
+
+	* Data Mining — это не статистика, параметрическая или непараметрическая, сколь бы изощренной она не была. В этом смысле, к Data Mining'у не относятся ни описательная статистика, ни обобщенный метод моментов, ни модели множественного выбора, ни анализ временных рядов методом автокорреляции и распределенного лага (ADL), ни анализ ссылок (связей). Хотя во всех вышеприведенных случаях могут использоваться элементы Data Mining'а: решение задачи классификации и группировки переменных до применения непосредственно математико-статистических методов, кластеризация для корректного применения.
+	* Data Mining — это не применение программирования к статистике. Прежде всего потому что, любая исследовательская задача, оперирующая количественными данными, по определению должна решаться с использованием того или иного программного средства (от VBA до UNIX Stat). Если кто-то говорит о себе как о статистике и при этом щелкает по меню Excel'я, то бейте его руками, ногами и арматурой, гоните в шею, режьте на ломти: это не аналитик, а продукт пищеварения высших млекопитающих. Во-вторых, применение тех или иных программных продуктов не является залогом того, что исследование проводится в русле Data Mining. Можно NoSQL с Julia решать не-Data-Mining-задачи, а можно в R с подключенным SQL-модулем реализовывать Data Mining.
+	* Data Mining — это не задачи для Big Data. Задачи Big Data могут решаться и не-Data-Mining методами (например $$NP$$-полные задачи оптимизации). А в не-Big-Data вполне могут использоваться и Data-Mining-методы. Однако, нужно отметить, что в большинстве случаем Data Mining является наиболее подходящим (наименее не подходящим) инструментом работы с Big Data.
+
+Резюме: Data Mining — это когда мы не знаем, что ищем, но предполагаем, что что-то найти можно. 
+
+Научно: нет априорных предположений о характерах зависимости между переменными и даже о наличии таких зависимостией.
+
+Data Mining сегодня в подавляющем большинстве случаев — это мистификация, которая предназначена для целей пиара и выкачки денег под громкое и интересно звучащее название. В этом смысле, Data Mining — достойный правоприемник и продолжатель такой, например, концепции, как искусственный интеллект.
+
+Реальные же задачи, решаемые Data Mining (например, проектированние экспертных систем, интеллектуальное управление, глубокая аналитика на сверхбольших выборках, где не работают стандартные методы математической статистики, исследование заболеваний с невыявленным патогенезом) — редчайшие исключения из общего правила.