1，數據分析原則:
(1)數據分析為了驗證假設問題，提供必要的數據驗證；
②數據分析為了發現更多的問題，找出原因；
③數據分析不能坐。
2.步驟:
①調查研究:收集、分析、挖掘數據。
②圖表分析:將分析和挖掘的結果制成圖表。
3.常用方法:
數據挖掘常用的數據分析方法主要有分類、回歸分析、聚類、關聯規則、特征、變化和偏差分析、網頁挖掘等。他們從不同的角度挖掘數據。
①分類。分類是找出數據庫中壹組數據對象的共同特征，並按照分類方式將其劃分到不同的類中。其目的是通過分類模型將數據庫中的數據項映射到給定的類別。可應用於客戶分類、客戶屬性和特征分析、客戶滿意度分析、客戶購買趨勢預測等。例如，壹家汽車零售商根據客戶對汽車的偏好將客戶分為不同的類別，這樣營銷人員就可以直接將新車的廣告宣傳冊郵寄給有這種偏好的客戶，從而大大增加了商機。
②回歸分析。回歸分析方法反映事務數據庫中屬性值的時間特性，生成將數據項映射到實值預測變量的函數，並找到變量或屬性之間的依賴關系。其主要研究問題包括數據序列的趨勢特征、數據序列的預測以及數據之間的相關性。可應用於市場營銷的各個方面，如客戶尋求、維護和防止客戶流失、產品生命周期分析、銷售趨勢預測和有針對性的促銷活動等。
③聚類。聚類分析是將壹組數據按照相似性和差異性分成若幹個類別，其目的是使屬於同壹類別的數據之間的相似性盡可能大，不同類別的數據之間的相似性盡可能小。可應用於客戶群分類、客戶背景分析、客戶購買趨勢預測、市場細分等。聚類分析可以用來研究CPDA數據分析的過程。
④關聯規則。關聯規則是描述數據庫中數據項之間關系的規則，即根據某個事務中某些項的出現，其他項也出現在同壹事務中，即隱藏在數據之間的關聯或相互關系。在客戶關系管理中，通過挖掘企業客戶數據庫中的大量數據，可以從大量記錄中發現有趣的關系，找出影響營銷效果的關鍵因素，為產品定位、客戶群的定價和定制、客戶尋求、細分和維護、營銷和推廣、營銷風險評估和欺詐預測等決策支持提供參考。
⑤特點。特征分析是從數據庫中提取關於壹組數據的特征表達式，這些表達式表達了數據集的總體特征。例如，通過提取客戶流失因素的特征，營銷人員可以得到導致客戶流失的壹系列原因和主要特征，而這些特征可以有效地防止客戶流失。
⑥變異和偏差分析。偏差包括壹大類潛在有趣的知識，如分類中的異常例子、模式的異常、觀察結果與預期的偏差等。其目的是發現觀察結果和參考量之間有意義的差異。在企業危機管理及其預警中，管理者更感興趣的是那些意想不到的規律。意外規則的挖掘可以應用於各種異常信息的發現、分析、識別、評估和預警。
⑦驗證假設與結果的關系。數據分析的結果是否合理、符合邏輯，是否與假設的原因壹致，為什麽結果與假設不壹致，這些都是最終報告聽者可能會問的問題，也是數據分析得出的問題的癥結所在。