利用数据挖掘进行数据分析常用的方法主要有分类、回归分析、聚类、关联规则、特征、变化和偏差分析、Web页挖掘等，它们分别从不同的角度对数据进行挖掘。1、分类分类是找出数据库中一组数据对象的共同特点并按照分类模式将其划分为不同的类，其目的是通过分类模型，将数据库中的数据项映射到某个给定的类别。它可以应用到客户的分类、客户的属性和特征分析、客户满意度分析、客户的购买趋势预测等，如一个汽车零售商将客户按照对汽车的喜好划分成不同的类，这样营销人员就可以将新型汽车的广告手册直接邮寄到有这种喜好的客户手中，从而大大增加了商业机会。2、回归分析回归分析方法反映的是事务数据库中属性值在时间上的特征，产生一个将数据项映射到一个实值预测变量的函数，发现变量或属性间的依赖关系，其主要研究问题包括数据序列的趋势特征、数据序列的预测以及数据间的相关关系等。它可以应用到市场营销的各个方面，如客户寻求、保持和预防客户流失活动、产品生命周期分析、销售趋势预测及有针对性的促销活动等。
数据挖掘的发展趋势如何
数据仓库日益普及。尽管数据挖掘并不一定要有数据仓库的支持，但它仍然经常被看成数据仓库的后期产品，因为那些努力建立数据仓库的人有最丰富的数据资源可供挖掘。 Internet数据挖掘。许多供应商将数据挖掘技术用于电子商务，以提高Internet战点和客户的关联行。如IBM公司发布Web为中心的数据挖掘解决方案SurAid。 EIS工具供应商也在集成数据挖掘功能。将数据挖掘工具和查询及EIS工具集成起来将导致一个基于发现的过程，由此发现过程最终用户能获得最有用的东西，进而根据这些新的信息对有关问题进行更明确的阐述。 数据挖掘供应商更注重纵向市场。数据挖掘涉及到对数据内在本质的理解，因此供应商们更注重纵向市场。比如DataMind公司的重点是电信业的跳槽。电信业竞争的不规范和白害敞愤缎莅等缝劝俯滑热化已使保持客户成为一个备受关注的热点问题。
