市場領域里的數據分析，是用數據來描述過去和現狀。比如到目前為止，前5年的市場份額，及增長率；目前客戶的年齡、地域、收入分布等等。數據分析可以滿足大部分的市場決策需求。描述性統計分析中的頻數、百分比、交叉表、均數間比較、相關分析應該都是數據分析經常用到的統計方法，而且能夠滿足大部分的市場調研，和市場狀況分析的需求。這部分數據分析結果不需要進行驗證，因為它就是在描述事實本身。（抽樣的情況下除外，因為需要對總體進行推斷）
而數據挖掘，是用歷史的數據對將來進行預測的分析，帶有決策的味道。比如數據分析的結果說這是“�！�，是因為，數據明白的標明了“�！�，而數據挖掘的結果說這是“�！�，是因為在數據中有“4條腿”、“吃草”、“產奶”、“體重”等等這些指標，所以我們分析出來說這是“�！�，這個得出結果的過程就是數據挖掘的過程，而結果是需要驗證的，是可能會判斷錯誤的，這也許是“羊”�？蛻艏毞�、客戶獲取、客戶響應模型、客戶提升模型（交叉銷售、向上銷售）、客戶流失預警這些都屬于數據挖掘。
但是這些模型具體包含哪些參數，通過什么數據挖掘方法得到的，建立的過程，以及如何驗證的，它們的用途怎樣？在市場營銷的決策中是怎樣的角色。這是接下來要一步步學習和探討的內容。
BI是最近比較熱門的話題，之前我也不知道什么是BI，參與做了一個項目后，有了一些理解。BI實際上是數據分析，而非數據挖掘。CRM等數據庫系統的數據通過ETL加載到BI軟件中，做出一些數據分析的報表。BI之前的工作模式是：從系統中抽取數據，進行數據的清理工作，在EXCEL或者spss中做出這些基礎的數據分析，然后再寫成規則的報告。BI之后的模式是：整個過程變成了自動的，只要點擊想要看到的報告名就可以自動生成了。實際上一個BI項目，是一個系統集成的過程，在這個過程中ETL是核心。
而分析型CRM，目前還不太了解，個人有些疑惑：分析的基礎是數據，數據的質量是決定了一切。BI通過ETL對數據進行了清理和轉換。那分析型CRM需不需要ETL，如果不需要，又如何在數據的輸入端就保證其質量呢，而且還得保證這些數據的粒度都是產生報表時所需的。