数据发掘在商业范畴，特别是在零售业的运用是比较成功的。由于各事务体系的遍及运用，再加上商业智能BI的可视化剖析，企业能够搜集到很多关于购买状况的数据，而且数据量在不断激增。使用数据发掘技能能够为运营办理人员供给正确的决议计划手法，这样对促进出售及进步竞争力是有协助的。

　　数据发掘（Data Mining）便是从很多的、不完全的、有噪声的、含糊的、随机的实践使用数据中，提取隐含在其间的、人们事前不知道的、但又是潜在有用的信息和常识的进程。

　　数据发掘是一种新的商业信息处理技能，其主要特点是对商业数据库中的很多事务数据进行抽取、转化、剖析和其他模型化处理，从中提取辅佐商业决议计划的关键性数据。

　　因而，数据发掘能够描绘为：按企业既定事务方针，对很多的企业数据进行探究和剖析，提醒躲藏的、不知道的或验证已知的规则性，并进一步将其模型化的先进有用的办法。

　　数据发掘分为有辅导的数据发掘和无辅导的数据发掘。有辅导的数据发掘是使用可用的数据树立一个模型，这个模型是对一个特定特点的描绘。无辅导的数据发掘是在所有的特点中寻觅某种联系。具体而言，分类、估值和猜测归于有辅导的数据发掘；相关规矩和聚类归于无辅导的数据发掘。

　　它首先从数据中选出现已分好类的练习集，在该练习集上运用数据发掘技能，树立一个分类模型，再将该模型用于对没有分类的数据进行分类。

　　估值与分类类似，但估值终究的输出结果是接连型的数值，估值的量并非预先确定。估值能够作为分类的准备工作。

　　它是经过分类或估值来进行，经过分类或估值的练习得出一个模型，假如关于查验样本组而言该模型具有较高的精确率，可将该模型用于对新样本的不知道变量进行猜测。

　　它是主动寻觅并树立分组规矩的办法，它经过判别样本之间的类似性，把类似样本划分在一个簇中。

　　数据剖析，是用恰当的计算办法对搜集的海量数据进行剖析、提取有用的信息和构成定论，然后对数据加以具体研讨和归纳总结的进程。

　　数据发掘，是从海量的数据中经过相应的算法，发掘其间有价值（不知道的、有规则的）的信息的杂乱进程。

　　数据发掘是深层次的数据剖析，数据剖析是浅层次的数据发掘，数据发掘更偏重于探究性数据剖析，由于数据发掘的重点是从数据中发现常识规则。

　　搜索引擎：数据发掘技能使用到搜索引擎范畴，然后发生智能搜索引擎，将会给用户供给一个高效、精确的检索东西。

　　金融范畴：能够使用数据发掘对客户诺言进行剖析。典型的金融剖析范畴有出资评价和股票交易市场猜测。

　　数据发掘还可用于工业、农业、交通、电信、军事、互联网等其它职业。数据发掘具有广泛的使用远景，它既可使用于决议计划支撑，也可用于数据库办理体系中。

　　跟着近些年数字经济的快速增长，有关数字和数据的新名词成为了国际范围内的热门词汇。企业想要在数字年代增强竞争力，就要善用企业的数据财物，一方面是本身的变革开展，另一方面也有着引领其它企业数字化转型。