專案資料分析師分享資料探勘的任務主要是關聯分析、聚類分析、分類、預測、時序模式和偏差分析等。
方法/步驟
1. 關聯分析(association analysis)
關聯規則挖掘由Rakesh Apwal等人首先提出。兩個或兩個以上變數的取值之間存在的規律性稱為關聯。資料關聯是資料庫中存在的一類重要的、可被發現的知識。關聯分為簡單關聯、時序關聯和因果關聯。關聯分析的目的是找出資料庫中隱藏的關聯網。一般用支援度和可信度兩個閥值來度量關聯規則的相關性，還不斷引入興趣度、相關性等引數，使得所挖掘的規則更符合需求。
2. 聚類分析(clustering)
聚類是把資料按照相似性歸納成若干類別，同一類中的資料彼此相似，不同類中的資料相異。聚 類分析可以建立巨集觀的概念，發現數據的分佈模式，以及可能的資料屬性之間的相互關係。
3. 分類(classification)
分類就是找出一個類別的概念描述，它代表了這類資料的整體資訊，即該類的內涵描述，並用這 種描述來構造模型，一般用規則或決策樹模式表示。分類是利用訓練資料集通過一定的演算法而求得分類規則。分類可被用於規則描述和預測。
4. 預測(predication)
預測是利用歷史資料找出變化規律，建立模型，並由此模型對未來資料的種類及特徵進行預測。 預測關心的是精度和不確定性，通常用預測方差來度量。
5. 時序模式(time-series pattern)
時序模式是指通過時間序列搜尋出的重複發生概率較高的模式。與迴歸一樣，它也是用己知的資料預測未來的值，但這些資料的區別是變數所處時間的不同。
6. 偏差分析(deviation)
在偏差中包括很多有用的知識，資料庫中的資料存在很多異常情況，發現數據庫中資料存在的異常情況是非常重要的。偏差檢驗的基本方法就是尋找觀察結果與參照之間的差別。