转载：http://spss-market.r.blog.163.com/blog/static/731422682009101993118662/
1、多维度分析：从多个不同的角度及其组合去分析数据；
2、趋势分析：从时间序列分析随时间的变化趋势，找出其规律,如移动平均、同比、环比等；
3、意外分析：从大量历史数据中找出太高、太低、变化幅度过大等异常情况数据，支持预警显示、预警提醒；并可进一步进行相关影响原因的数据挖掘；
4、排名分析：从大量数据中找出按某种分类方法的Top N或Bottom N数据，这些数据代表了需要特别关注的程度；
5、比较分析：从相同的角度去对不同数据集合进行对比，找出差异所在，并可进一步深入挖掘差异原因；
6、预测分析：利用决策树、回归分析、神经网络、时间序列等数据挖掘算法对客户响应、流失预警、收入预测、业务量预测、欠费预测等进行预测分析；
7、模拟分析：根据客户的行为进行相关分析、路径分析（关联分析）找出客户的消费行为，以便更好的模型客户消费行为；
8.回归分析：确定两种或者两种以上变量间相互依赖的定量关系的分析方法，分为一元回归和多远回归，在线性回归中，按照因变量的多少，可分为简单回归分析和多重回归分析；按照自变量和因变量之间的关系类型，可分为线性回归分析和非线性回归分析。如果在回归分析中，只包括一个自变量和一个因变量，且二者的关系可用一条直线近似表示，这种回归分析称为一元线性回归分析。如果回归分析中包括两个或两个以上的自变量，且自变量之间存在线性相关，则称为多元线性回归分析。
9.主成分分析：通过正交变换将一组可能存在相关性的变量转为一组线性不相关的变量，转换后的这组变量叫主成分。
10.因子分析：研究从变量群中提取共性因子的统计技术。
11.聚类分析：
12.判别分析：
13.对应分析：
14.多维尺度分析：
15.频数分析：对于一组数据，考察不同的数值出现的平率，或者数据落入指定区域内的频数，可以了解数据的分布情况。
16.交叉表分析：同时将两个或两个以上有一定联系的变量及其变量值按照一定的顺序交叉排列在一张统计表中，使各变量值成为不同变量的结点，从中分析变量之间的相关关系。
17.T-检验
18.数据探查分析
19.相关分析
20.方差分析
21.组合分析
22.离散选择模型
23.多维偏好分析
24.结构方程式模型
25.分类树
26.决策与预测模型