是知识发现、商业智能、预测分析还是预测建模。其实都可以归为一类：数据挖掘是一项探测大量数据以发现有意义的模式（pattern）和规则（rule）的业务流程。

模型集中的每个变量都有一个与它相关的时间帧，它描述了该变量产生作用的时间段。可以理解为对在过去一段时间的数据的整合，超过这个时间的数据就作废。

很多数据挖掘问题都可以概括为预测问题：基于过去的响应，基于过去的相应，谁将会有相应？基于过去的注销记录，谁有一个不良风险？解决问题最好的办法是限定输入变量严格产生于目标变脸之前。

剖析，从字面上的理解是，基于人口统计变量，例如：地理位置、性别和年龄等。剖析模型能发现同一条件下的关系，但他们不能指出原因和影响。出于这个原因，剖析模型经常使用客户的人口统计信息作为输入，而把客户行为作为目标，在这种情况下，确定原因和影响更直观。

把业务问题转换为数据挖掘问题

·选择合适的数据

·认识数据

·创建一个模型集

修复问题数据

·转换数据以揭示信息

·构建模型

评估模型

部署模型

评估结果

重新开始