日益增长的数据量，却缺乏有效的分析方法，数据挖掘模型应运而生。数据挖掘模型是指根据大量历史数据，通过机器学习、统计学习方法等，对数据进行挖掘，提取其中的有用信息，达到挖掘隐藏在数据里面的有价值的知识或规律的目的。
数据挖掘技术常常被应用于商业分析，社会科学研究，根据具体业务需求选择合适的数据挖掘模型，可以帮助业务进行有针对性的分析和解决问题，帮助用户获取更准确的信息。
根据数据挖掘领域的应用需求，数据挖掘模型一般分为三类，关联规则模型、分类模型和序列模型。
关联规则模型是根据客户的购买行为，挖掘关联规则，比如买了A就有可能买B，这样的规则可以指导商家做出合理的决策。
分类模型通过对大量客户浏览行为和购买行为数据的挖掘，找出客户行为和特征分布之间的关系，根据分布比例，自动分类客户行为，有助于企业了解市场需求和客户分布。
序列模型是从数据中挖掘出客户的访问序列，帮助企业理解客户的行为特征，为后续的投放方案做好准备，减少投放效率。
在现代社会，数据挖掘模型技术有着重要的意义，它可以很好地解决咨询行业的痛点，有效的帮助企业提升数据分析的精准度和灵活性，实现商业收益最大化。
