我正在与一个组织合作，分析他们在 Mongodb 中的数据，并寻找数据中的任何趋势/模式。我对数据分析的专业领域很陌生，但有很好的统计和数据挖掘背景（大学课程）。我将对数据进行概念验证，以了解组织正在收集的数据是否适合 Analytics，如果没有，他们应该在数据集中包含哪些增强功能以使其更好地适合 Analytics。我确实有一些我打算回答的预定义问题，但从战略上看什么是解决这类问题的好方法。
我之前曾在大学里处理过一些 Kaggle 数据集和项目，其中数据集是固定的并给出了要回答的问题。
@Emre 提出了一个很好的观点。您可能应该询问企业他们正在尝试完成什么，因为只有这样您才能知道哪些数据很重要。您不想浪费时间清理对业务重要性最低的数据。
不管业务目标如何，值得指出的是，Mongo DB 是存储分析数据的一个非常糟糕的选择。没有强制模式，因此每条记录的格式可能完全不同且出乎意料。您可能缺少整列，可能根本没有列，错误的数据类型，重复，并且无法像在关系数据库中那样获得简单的汇总统计信息。您几乎将不得不对您的 MongoDB 数据进行数据库转储，并且可能半手动地梳理您的记录，寻找常见的模式并从那里开始。
简介：当您只想进行快速查找时，MongoDB 非常适合操作数据。但是，当您想对其进行任何形式的深入分析时，这是一个糟糕的选择。关系数据库更适合分析查询，因为数据是结构化的，还因为您可以更轻松地实施数据质量。
无论这些数据背后的业务是什么，最大的挑战是尝试提取能够带来有价值信息的字段/键。
这可以通过浏览数据、获取模式并尝试找出偏差来完成。由于 mongo 使用动态模式，这将使您有可能在一个集合中观察不同的文档类型 - 并且可以作为有价值/无价数据的来源。
您可以使用 robomongo 或 mongodb compass 进行一些数据可视化并掌握。
在这种情况下，必须学习 mongo 聚合框架和/或 map reduce 语法。
快乐挖矿！