利用各种分析方法，对已有数据进行统计和分析，提供历史数据的分析结果。帮助决策者能快速有效的从大量资料中，获得有价值的分析结果，做出科学的决策，帮助建构商业智能(BI)。

近年来，数据挖掘理论及其技术研究和开发取得了较为快速的发展，其在各个领域应用有着非常广阔的空间和潜力。数据挖掘主要依赖两项技术：一是对某个领域各部门产生的各种业务数据进行整理和集成，搭建支持决策的数据分析环境，即数据仓库；二是发现隐藏在各种监测数据之中的有用知识，即数据挖掘。

数据可视化和信息可视化都是可视化的一种方式，数据可视化将数据库中每一个数据项作为单个图元元素表示，大量的数据集构成数据图像，同时将数据的各个属性值以多维数据的形式表示，可以从不同的维度观察数据，从而对数据进行更深入的观察和分析。数据可视化有很多既定的图表类型，分别介绍这些图表类型，适用场景，以及使用的优势和劣势。

柱状图。适用场景：它的适用场合是二维数据集（每个数据点包括两个值x和y）。优势：柱状图利用柱子的高度，反映数据的差异，辨识效果非常好。劣势：柱状图的局限在于只适用中小规模的数据集。

折线图。适用场景: 折线图适合二维的大数据集，尤其是那些趋势比单个数据点更重要的场合，还适合多个二维数据集的比较。优势：容易反应出数据变化的趋势。

饼图。适用场景：适用简单的占比图，在不要求数据精细的情况下可以适用。劣势：应该避免使用的图表，因为人们对面积大小不敏感。

漏斗图。适用场景：漏斗图适用于业务流程比较规范、周期长、环节多的流程分析，通过漏斗各环节业务数据的比较，能够直观地发现和说明问题所在。 优势:能够直观地发现和说明问题所在。

地图。适用场景：适用于有空间位置的数据集。优劣势：特殊状况下使用。

雷达图。适用场景：雷达图适用于多维数据，每个维度必须可以排序。局限是数据点最多6个，否则无法辨别，适用场合有限。劣势：用户通常不熟悉雷达图，解读有困难。

基于沃达德大数据平台，通过对海量数据采集、处理、存储、分析和数据挖掘，根据数据的特性，采用合适的可视化方式，将数据直观地展现出来，以帮助人们认识数据、理解数据，同时找出包含在海量数据中的规律或者信息，预测未来发展趋势，进行智能化决策分析，使得数据资产成为核心竞争力。