利用各種分析方法，對已有數據進行統計和分析，提供歷史數據的分析結果。幫助決策者能快速有效的從大量資料中，獲得有價值的分析結果，做出科學的決策，幫助建構商業智能(BI)。

近年來，數據挖掘理論及其技術研究和開發取得了較為快速的發展，其在各個領域應用有著非常廣闊的空間和潛力。數據挖掘主要依賴兩項技術：一是對某個領域各部門產生的各種業務數據進行整理和集成，搭建支持決策的數據分析環境，即數據倉庫；二是發現隱藏在各種監測數據之中的有用知識，即數據挖掘。

數據可視化和信息可視化都是可視化的一種方式，數據可視化將數據庫中每一個數據項作為單個圖元元素表示，大量的數據集構成數據圖像，同時將數據的各個屬性值以多維數據的形式表示，可以從不同的維度觀察數據，從而對數據進行更深入的觀察和分析。數據可視化有很多既定的圖表類型，分別介紹這些圖表類型，適用場景，以及使用的優勢和劣勢。

柱狀圖。適用場景：它的適用場合是二維數據集（每個數據點包括兩個值x和y）。優勢：柱狀圖利用柱子的高度，反映數據的差異，辨識效果非常好。劣勢：柱狀圖的局限在于只適用中小規模的數據集。

折線圖。適用場景: 折線圖適合二維的大數據集，尤其是那些趨勢比單個數據點更重要的場合，還適合多個二維數據集的比較。優勢：容易反應出數據變化的趨勢。

餅圖。適用場景：適用簡單的占比圖，在不要求數據精細的情況下可以適用。劣勢：應該避免使用的圖表，因為人們對面積大小不敏感。

漏斗圖。適用場景：漏斗圖適用于業務流程比較規范、周期長、環節多的流程分析，通過漏斗各環節業務數據的比較，能夠直觀地發現和說明問題所在。 優勢:能夠直觀地發現和說明問題所在。

地圖。適用場景：適用于有空間位置的數據集。優劣勢：特殊狀況下使用。

雷達圖。適用場景：雷達圖適用于多維數據，每個維度必須可以排序。局限是數據點最多6個，否則無法辨別，適用場合有限。劣勢：用戶通常不熟悉雷達圖，解讀有困難。

基于沃達德大數據平臺，通過對海量數據采集、處理、存儲、分析和數據挖掘，根據數據的特性，采用合適的可視化方式，將數據直觀地展現出來，以幫助人們認識數據、理解數據，同時找出包含在海量數據中的規律或者信息，預測未來發展趨勢，進行智能化決策分析，使得數據資產成為核心競爭力。