大数据挖掘技术要求主要包括以下几点：
1. 数据存储能力：大数据挖掘需要处理大量的数据，因此需要具备强大的数据存储能力。这通常涉及到分布式文件系统、分布式数据库和分布式计算框架等技术。
2. 数据处理能力：大数据挖掘需要对大量数据进行实时处理和分析，因此需要具备高效的数据处理能力。这通常涉及到流式处理、并行计算和机器学习等技术。
3. 数据预处理能力：大数据挖掘需要对原始数据进行清洗、转换和集成等操作，以提高数据质量。这通常涉及到数据清洗、数据转换和数据集成等技术。
4. 数据分析能力：大数据挖掘需要从大量数据中提取有价值的信息，以支持决策制定。这通常涉及到统计分析、聚类分析、关联规则挖掘和文本挖掘等技术。
5. 数据可视化能力：大数据挖掘的结果通常需要以可视化的方式呈现，以便用户理解和使用。这通常涉及到数据可视化、交互式展示和可视化工具等技术。
6. 数据安全和隐私保护：大数据挖掘涉及大量敏感信息的处理，因此需要确保数据的安全性和隐私保护。这通常涉及到加密技术、访问控制和审计跟踪等技术。
7. 可扩展性和容错性：大数据挖掘系统需要能够处理大规模数据集，同时保持高可用性和稳定性。这通常涉及到分布式计算、负载均衡和容错机制等技术。
8. 算法优化：大数据挖掘需要采用高效的算法来处理复杂的数据分析任务。这通常涉及到优化算法、启发式方法和元启发式方法等技术。
9. 可解释性和透明度：大数据挖掘结果需要具有可解释性和透明度，以便用户理解和信任。这通常涉及到模型解释、可视化技术和透明度度量等技术。
10. 跨领域融合：大数据挖掘需要与其他领域（如人工智能、物联网、生物信息学等）相结合，以实现更广泛的应用。这通常涉及到多学科知识融合、跨领域建模和协同过滤等技术。
总之，大数据挖掘技术要求包括数据存储、数据处理、数据预处理、数据分析、数据可视化、数据安全、可扩展性、可解释性、跨领域融合等多个方面。这些要求共同构成了大数据挖掘系统的核心技术要求，以确保其高效、可靠和易用。
