当今信息科技异常发达，因此，有许多的事务数据大量地被收集到数据库中，但这些数据如果不使用的话，那搜集这些数据又显得相当没有意义。就目前而言，数据的搜集方法已经相当成熟，而数据挖掘的技术正可以帮助分析这些数据。
利用各种技术与统计方法，对大量的历史数据进行分析、归纳与整合，找出感兴趣的特征且有意义的数据，数据挖掘不属于某一个单一领域，而是许多学科综合而成，其涉及统计学、机器学习、数据库、领域知识及模式识别等领域。
数据挖掘的功能如下：
1.数据分类，即按照分析对象的属性分门别类加以定义，建立类组，如将信用申请者风险属性，区分为高度风险申请者、中度风险申请者及低度风险申请者。
2.数据估计，即根据已有连续性数值的相关属性数据，以获取某一属性未知的值。如按照信用申请者的教育程度、行为来推估信用卡消费额。
3.数据预测，根据对象属性的过去观察值来推估该属性未来之值。如：由顾客过去的刷卡消费额预测其未来的刷卡消费额。
4.数据关联分组，即判断哪些相关对象应该放在一起，设计出吸引人的产品群组，且购买的概率将会大幅提升。如一个顾客购买了低脂奶酪和低脂酸奶，那么这个顾客同时也买低脂牛奶的概率是85%，因此将低脂牛奶放在低脂奶酪与低脂酸奶旁边。
5.数据群集，将异质总体区隔为较具同质性群组，同质分组相当于营销术语中的区隔化。但是假定事先未对于区隔加以定义，而数据中自然产生区隔。换句话说，群集与分组不同的是，你不晓得它会以何种方式或根据什么来分类，所以必须要有一个分析师来解读这些分类的意义。如：一群住在附近的人，驾驶相同的汽车，使用相同的家电，并且食用相同的食物。而另一群从事相同行业的人，家庭成员人数接近，年收入接近，出国次数也很接近。通过观察数据为何被群集在一起的，可以了解数据间的关系，以及这些关系将会如何影响预测的结果。
6.时序数据序列模式挖掘，时序数据序列模式挖掘是在时间序列的数据库中，找出数据和时间相关的行为模式，并分析此序列的状态改变，进而达到预测未来的效果。如：预测未来的股市走向、股价的波动。
数据挖掘的影响力
对于数据挖掘我们应该有正确的认知，它不是无所不能的魔法。它不是在监视数据，然后告诉你数据库里出现了某种特别的现象，也不是说有了数据挖掘，就连不了解业务、不了解数据所代表的意义，或是不了解统计原理的人，也可以做数据挖掘。其所挖掘出来的信息，也不是你可以不经确认，就可以照单全收应用到业务上。
数据挖掘是寻找隐藏在数据中的信息，如趋势、模式及关系的过程。其用来帮助业务分析人员从数据中发掘出各种假设，但是它并不验证这些假设，也不判断这些假设的价值。
现代企业经常搜集大量数据，包括市场、客户、供货商、竞争对手以及未来趋势等重要信息，如果能通过数据挖掘技术，从巨量的数据库中，挖掘出不同的信息与知识出来，作为决策支持之用，必能提高企业的竞争优势。数据挖掘应用的行业包括了零售商、金融业、电信业等。
人工智能、大数据、云计算和物联网的未来发展值得重视，均为前沿产业，多智时代专注于人工智能和大数据的入门和科谱，在此为你推荐几篇优质好文：
数据统计分析和数据挖掘有何区别？
http://www.duozhishidai.com/article-11047-1.html
数据挖掘的聚类算法和优势
http://www.duozhishidai.com/article-12942-1.html
如何通过自学，成为数据挖掘“高手”？
http://www.duozhishidai.com/article-9796-1.html
数据分析与数据挖掘的区别和联系？
http://www.duozhishidai.com/article-9800-1.html
构建一个数据挖掘模型，主要分为哪几步？
http://www.duozhishidai.com/article-9719-1.html