數(shù)據(jù)挖掘:根據(jù)數(shù)據(jù)函數(shù)的類型和數(shù)據(jù)的特點，選擇相應的算法，對凈化轉換后的數(shù)據(jù)集進行數(shù)據(jù)挖掘。數(shù)據(jù)分析和數(shù)據(jù)挖掘有什么用？數(shù)據(jù)分析與數(shù)據(jù)挖掘密切相關，但數(shù)據(jù)挖掘往往專注于更大的數(shù)據(jù)集，而不是推理，并且經常使用最初為不同目的收集的數(shù)據(jù)。

數(shù)據(jù)挖掘是從存儲在數(shù)據(jù)庫、數(shù)據(jù)倉庫或其他信息庫中的大量數(shù)據(jù)中獲取有效、新穎、潛在有用且最終可理解的模式的非凡過程。1)數(shù)據(jù)挖掘可以做文本以下七種不同的事情(分析方法):數(shù)據(jù)挖掘、分類、估計、預測、關聯(lián)分組或關聯(lián)規(guī)則、聚類、描述和可視化、復雜數(shù)據(jù)類型的挖掘(。

圖形、圖像、視頻、音頻等。)2)數(shù)據(jù)挖掘的分類以上七種數(shù)據(jù)挖掘的分析方法可以分為兩類:直接數(shù)據(jù)挖掘；間接數(shù)據(jù)挖掘直接數(shù)據(jù)挖掘的目標是利用可用的數(shù)據(jù)建立模型，模型描述了剩余的數(shù)據(jù)和一個特定的變量(可以理解為數(shù)據(jù)庫中表的屬性，即列)。在間接數(shù)據(jù)挖掘目標中沒有選擇特定的變量，而是用模型來描述；而是在所有變量之間建立一種關系。

以百會CRM為例，分析如何利用CRM結合大數(shù)據(jù)技術，幫助企業(yè)深入挖掘潛在客戶。收集精準數(shù)據(jù)，凈化客戶數(shù)據(jù)庫信息市場，各種數(shù)據(jù)不斷涌出，企業(yè)可以很容易的從市場上獲取各種數(shù)據(jù)，但并不是所有的數(shù)據(jù)都是有價值的。如何篩選和驗證數(shù)據(jù)是個問題。使用百會CRM可以方便地進行電子調查，使用系統(tǒng)模板可以創(chuàng)建調查問卷。百會CRM通過匹配相關客戶群體，定期定量發(fā)送給客戶進行數(shù)據(jù)研究，自動將客戶的回復數(shù)據(jù)存入數(shù)據(jù)庫，供相關人員查看或提取。

如何利用智能分析收集到的數(shù)據(jù)去捕捉有價值的客戶是關鍵。如果沒有形成有用信息的集成分析，再多的數(shù)據(jù)對企業(yè)來說也是沒有價值的。百會CRM可以根據(jù)客戶消費行為和身份信息，篩選分析客戶數(shù)據(jù)，識別目標客戶；從客戶的興趣愛好來分析客戶感興趣的產品；從歷史商業(yè)信息中挖掘潛在的商業(yè)機會。多維度分析潛在客戶，判斷其能否給企業(yè)帶來可衡量的價值，是客戶開發(fā)的關鍵一步。

數(shù)據(jù)挖掘技術主要有決策樹、神經網絡、回歸、關聯(lián)規(guī)則、聚類和貝葉斯分類6。1.決策樹技術。決策樹是一種非常成熟和廣泛使用的數(shù)據(jù)挖掘技術。在決策樹中，被分析的數(shù)據(jù)樣本首先整合成一個樹根，然后逐層分支，最后形成幾個節(jié)點，每個節(jié)點代表一個結論。2.神經網絡技術。神經網絡通過數(shù)學算法模仿人腦思維，是數(shù)據(jù)挖掘中機器學習的典型代表。

3.回歸分析技術?；貧w分析包括線性回歸，線性回歸主要指多元線性回歸和logistic回歸。其中，logistic回歸更多的用于數(shù)據(jù)運算，包括響應預測、分類等。4.關聯(lián)規(guī)則技術。關聯(lián)規(guī)則是數(shù)據(jù)庫和數(shù)據(jù)挖掘領域中被發(fā)明和廣泛研究的一種重要模型。關聯(lián)規(guī)則數(shù)據(jù)挖掘的主要目的是找出數(shù)據(jù)集中的頻繁模式，即重復模式和并發(fā)關系，即并發(fā)關系，也稱為關聯(lián)。