從上世紀80年代開始，伴隨著資料庫技術的發展和新應用的提出，資料探勘技術應運而生。資料探勘是一種能從海量的、隨機的、不完整的、複雜的資料中提取出對人們可能潛在和有用的資訊和知識的過程，其中涉及到許多技術的處理。透過資料探勘技術來處理大量的資料內容極大地提高人們處理的資訊的效率，從中獲取大量有價值的資訊和知識來幫助人們進行決策工作。該文章講述了資料探勘的七個過程，以及5種資料探勘方法。
資料探勘過程
資料探勘過程分為7個部分：
1）定義挖掘目標
清晰明確的挖掘目標是進行資料探勘的前提，同時也是能夠最大限度地發揮資料探勘作用的關鍵。
2）資料取樣
針對資料探勘目標如何選取樣本。在選取樣本時有三大原則，即時效性、可靠性和相關性。必須保證選擇的樣本資料是最新的、真實可靠並且與挖掘目標是高度相關的。同時選擇資料的簡明性，精選資料。
3）資料探索
進一步對資料進行分析探究，為了保證預測質量需要對選取的樣本資料進行探索、稽核和必要的加工處理是必要的。
資料探索主要有：相關分析、異常分析、週期性分析、缺失值分析和樣本交叉驗證。
4）資料預處理
由於樣本資料量一般較為龐大，資料結構較為複雜，樣本資料維度過高，有缺失值，重複記錄，不一致等等。對樣本進行預處理也是必要的。
5）模式發現
資料預處理之後，開始構建挖掘模型，在建模之前要考慮本次的目標是資料探勘哪方面的應用，針對具體的應用類別選取合適的演算法。
6）模型構建
模型構建包括選擇什麼挖掘演算法，模型構建思路，具體操作過程是怎麼樣的
7）模型評價
對資料探勘的結果進行評價，對其中的不足之處以及可取之處進行總結，並不斷改進。
挖掘方法
資料探勘方法：
1）分類和迴歸技術
這兩種方法是資料探勘中使用最多的最頻繁的兩種。要想良好的使用分類技術要提前明確資料的類別。迴歸分析是用屬性的歷史資料預測未來的趨勢，找出各個資料間的相關關係。
2）聚類分析
聚類分析從大體上講就是根據資料之間的相似之處進行資料分類。它是在沒用明確資料類別前提下進行的。
3）關聯規則
應用最為廣泛的資料探勘技術，是從錯綜複雜的資料中發現事物之間可能存在的關聯或者聯絡，這些關係比較隱晦。
4）時序模式
時序模式與迴歸模式有許多相似之處，但不同於的時序模式的屬性值是隨時間變化的。因而考慮的是複雜多變的資料在時間維度的關係。
5）異常檢測
又稱為偏差檢測，主要用來發現與其他大部分物件不同的異常或者變化。異常檢測在金融詐騙中發揮著巨大作用。
中科易研以十餘年行業積累為基礎，結合網際網路大資料技術，秉承“資料、資訊、知識、智慧”的方法論，堅持“用資料說話、用資料決策、用資料管理、用資料創新”的理念，以自主研發獲得國家發明專利的易研問卷平臺和易研大資料雲平臺為依託，專注於為教育科研機構、政府企事業單位提供基於資料採集、資料清洗、資料檢索、資料管理、資料分析和視覺化、資料資源整合等全流程資料服務，併為使用者提供大資料雲平臺搭建服務。
