隨著國內信息化系統的不斷建設，相關的數據量級已從TB級別躍升到PB級別，形成了名副其實的大數據。但是這些以往的海量數據大多只存在于垂直業務和單一應用中，數據過于分散且信息內容單一，而且缺乏有效的數據分析方法，數據處理效率低下，致使海量的數據無法被共享利用，嚴重制約信息化建設整體發展的速度。因此，需要通過信息化手段對已有各系統的海量數據進行整合、分類、歸納，搭建數據倉庫，實現有效的數據存儲與管理。

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。數據挖掘成為解決數據處理難題的有效武器，并顯示出強大的生命力。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。

作為一個多學科交叉的領域，數據挖掘可以用多種方式定義，例如“從數據中挖掘知識”、“知識挖掘”等。許多人把數據挖掘視為另一個流行術語——數據中的知識發現（Knowledge Discovery in Database，KDD）的同義詞。由以下步驟組成：（1）數據清理：清除噪聲和刪除不一致數據；（2）數據集成：多種數據源可以組合在一起；（3）數據選擇：從數據庫中提取與分析任務相關數據；（4）數據變換：通過匯總或聚集操作，把數據變換和統一成適合挖掘的形式；（5）數據挖掘：基本步驟，使用智能方法提取數據模式；（6）模式評估：根據某種興趣度量，識別代表知識的真正有趣模式；（7）知識表示：使用可視化和知識表示技術，向用戶提供挖掘的知識。

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。