数据挖掘任务的分类挺实用的，型任务让你能快速看懂数据趋势，预测型则更像是拿水晶球未来。平时做数据或者建模的你，应该会经常遇到这两个方向，搞清楚区别，后面的算法选型才不容易踩坑。

型的任务就是偏探索那挂的，比如看看用户年龄分布、产品销售走势，用的是统计图、聚类这些工具，嗯，能帮你快速摸清楚数据的底细。

预测型任务就不一样了，更有挑战性，它需要你用历史数据去训练模型，做出判断，比如用Scikit-learn建个分类模型来预测客户流失，用RandomForestClassifier就蛮合适。

推荐几个相关的资源，还不错：预测型数据实战：Scikit-learn 数据挖掘建模，代码清晰，思路也实用；还有用RapidMiner做可视化，界面拖拖拉拉就能建模，适合不想写太多代码的场景。

顺手提下，如果你对中医方向感兴趣，中医证型关联规则挖掘也挺有意思的，用的是 Python 搞的，可以参考下如何做规则发现。

想做个结构清晰的数仓？可以看看星型雪花型结构实例，讲得比较直白，初学者也能看懂。

，先把型和预测型的套路搞明白，再慢慢结合场景去套工具。如果你刚入门，可以从Scikit-learn开始练手，轻量好上手，资料也多。