随着时代的发展，人类产生的数据成倍增长，数据的开放性应用和数据可挖掘价值越来越高。在大数据精准营销、大数据洞察等一系列热词背后，正是数据挖掘、分析技术发挥着重要的作用。数据挖掘技术不仅成为当今政务部门提升治理能力的重要手段，也成为各行各业提升核心竞争力的关键。

　　数据挖掘是从大量的、不完全的、有噪声的、模糊的、随机的数据中，提取隐含在其中的、人们事先不知道的、但有潜在的有用信息和知识的过程。

　　可以看出，数据挖掘是一个过程结果的称谓，即主要目标是从数据中挖取隐藏的信息。它是一个交叉科学领域，受多个学科影响，包括数据库系统、统计、机器学习、可视化和信息科学。

　　通过统计购买某产品的人大多数来自北京，则北京是该产品的主要消费者居住的城市，这就是用的商业智能技术。

　　要从100000人中找出100个购买某产品概率比较大的客户，则可以通过利用统计方法建立数学模型找到这群人，而这就要用数据挖掘技术。

　　商业智能就是目标明确的创建统计分析报表，根据统计结果，提供商业决策支持，输入的是数据，输出的是信息。

　　数据挖掘则是透过数据的表象发现隐藏在背后的蛛丝马迹，从而找到潜伏的规律以及看似无关事物之间背后的联系，用此来洞察或预测未知事项，输入的是数据，输出的是知识。

　　利用数据挖掘技术，对大量的业务数进行探索和分析揭示隐藏的、未知的规律，是商业智能的高级应用。

　　分类根据样本数据中标记的类别对原数据进行分类总结，进而也可以预测未来数据的归类。

　　分类与回归本质上解决的都是预测问题，不同的是分类适用于离散型目标变量的预测，而回归适用于连续型目标变量的预测。下面这些问题可以用分类和回归技术来解决：

　　如何预测哪些顾客在未来半年内会取消该公司服务，哪些电话用户会申请增值服务?

　　聚类是在预先不知道欲划分类的情况下，根据数据相似度原则进行数据归类的方法。

　　中国有句古话是“物以类聚，人以群分”，其实已经蕴含了聚类算法的基本思想。聚类能解决如下方面的问题：

　　关联规则在一个数据集中找出各个物品或者商品之间的关系，也被称为购物篮分析。

　　关联规则描述的是在一个事物中物品间同时出现的规律的知识模式，可以应用到很多实际业务中：

　　时间序列预测是在与时间相关的历史数据中，找到数据随时间变动的规律。你可以用来解决如下问题：

　　关系网络分析用来探索社会行动者及其间的关系，例如：社会关系、亲属关系、角色关系、行为关系、流动关系、地理空间关系等等。

　　关系网络分析也叫社会网络分析。通过社会网络分析，可以探索和发现行动者之间隐藏的关系。常见的关系有：

　　正式关系(权威关系)：正式角色也是关系性的，如老板/职员、教师/学生、医生/病人关系等。

　　行为上的互动关系：行动者之间的自然交往，如谈话、参加会议、拜访、提建议等。