数据挖掘是在数据集中寻找模式以预测一个或多个结果的过程。作为分析师，如果您能在已知模式中发现异常，那么您就有可能找出导致模式中断的原因。在企业中，此信息可用于预测销售和产品流程等的中断和变化。
部分或完全自动化的软件或脚本可用于查找以前未知的模式。由于数据挖掘可用于海量数据，并且机器可以被训练来寻找模式而不会疲劳，因此由高性能工具运行挖掘过程是有意义的。一旦数据或模式被挖掘出来，分析师就可以解释结果。

什么是数据操作？

数据操作正是它听起来的样子。分析师获取数据库，然后运行程序或使用数据操作语言对其进行修改。在处理大型数据库时，自动添加、删除和以其他方式修改数据不仅有用而且很有必要。
分析师可以使用数据操作在建模或挖掘之前、期间或之后从数据库中删除不需要或不相关的数据。当开发周期需要持续维护时，数据操作有助于确保软件应用程序和最终用户使用的数据库中提供最新信息。

什么是数据建模？

数据建模是关于组织的。创建数据模型时，您会获取不同的数据集并对其进行组织。通过这样做，您可以展示数据如何相互关联。这对于数据分析师来说是一项有用的技能，因为您需要能够清楚地显示正在发生的事情，否则计算机和人们将不知道如何读取数据。如果数据是杂乱无章的（或没有模型），则可能难以传输和理解。

根据您的目标，有不同的数据建模方法。在高层次上，这些包括概念、逻辑和物理实例。概念是组织数据时可以开始的地方，这个级别可以帮助显示数据的范围。在逻辑层面上，您描述了可能与概念实例重叠的数据结构。物理实例允许您详细说明数据的存储方式，例如在分区中。