摘要： 前面说了很多数据挖掘的应用范围，那么很多人会问：数据挖掘的目的是什么呢？我们总结数据挖掘主要有以下三个目的：
（1）把握趋势和模式；通过分析网购交易的记录数据、呼叫中心内的投诉数据、顾客满意度的调查数据、购物数据等，可以把把握顾客的购买意愿和类型、投诉的种类等信息。数据挖掘工具(方法)中神经网络、购物篮分析，粗糙(Rough)集、对应分析(双尺度法)、主成分分析、聚类分析等。
数据分析是做什么的
生活中有许多数据，那数据分析是做什么的呢？面对浩繁数据的时候，仅仅依靠人类的大脑和双手无法从这些庞大的数据中获得宝贵的信息。即便可以，如果没有任何科学依据。也不能从中找出有效信息。因此，融合了统计技术和IT技术的“数据挖掘”便应运而生。 起初，数据挖掘紧跟“One to One&
（2）预测；利用数万个数据进行预测，最有效的方法是神经网络法，它是具有强大功能的工具，即使数据是非线性关系也无妨。伹缺点是，需要大量数据并且因子分析的功能弱。利用数十个、数百个数据进行预测(和因子分析)的方法有回归分析、判别分析、逻辑回归分析、数量化理论I、数量化理论II等，另外，预测时间序列数据的方祛有灰色理论、最近邻法、霍尔特(Holt)法、指数平滑法、移动平均祛、博克斯-詹金斯(Box-Jenkins)法(ARIMA模型)、数量化理论I等。
（3）求最优解。在多种约束条什下，要实现利益最大化或者成本最小化，应该怎样求解参数(未知参数)呢?使用Excel的规划求解可以轻松地解决这个问题。
这三点就是数据挖掘的主要目的，希望对您对数据挖掘的认识有所帮助。
预测商品普及率
除了预测商品价格以外，我们也可以运用依据平均值进行预测的方法检验其他数据，本文就采用预测商品普及率的样例介绍。这次选用的数据是一项问卷调查的结果。通过调代，收集数据，求出预测值后与实际值作比较。 日本内阁府经济社会综合研究所曾进行了一项关于国民消费趋势的调查，笔者抽取其中的关于每年普通家庭耐用品晋及率的数据做成表格
