數據挖掘平臺從海量數據中，通過算法搜索隱藏于其中信息。平臺通過統計、在線分析處理、情報檢索、機器學習、專家系統（依靠過去的經驗法則）和模式識別等諸多方法來實現目標。 通過數據挖掘平臺，將海量數據轉化為寶貴的“數據資產”。

數據挖掘平臺在醫療領域和公共衛生領域有廣泛的應用。例如，將疾病預測模型，應用于癥狀監測，快速采集急診、門診、處方與非處方藥銷售、動物疾病等多方位的信息數據，建立數據倉庫，通過綜合、分析、比較、聚類等數據挖掘技術，能夠及早地發現突發公共衛生事件征兆，為啟動有效的應對措施贏得寶貴的時間。

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。

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)。

數據可視化是數據挖掘人員必備的技術，它不但可以幫助探索數據內存價值，還能直觀有效地展示分析結果，從而更容易讓人接受所希望傳達的關鍵信息。發現變化趨勢，在某個地區是否有聚集性；識別數據的邊緣點，如最大值、最小值、邊界數據等。目前國際上將可視化數據挖掘過程分為數據可視化、數據挖掘過程可視化、數據挖掘結果可視化、交互式可視化數據挖掘等。

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。