沃爾瑪?shù)摹捌【坪湍虿肌钡慕?jīng)典案例不少媒體都曾報道過：就是沃爾瑪通過建立的數(shù)據(jù)倉庫，按周期統(tǒng)計產(chǎn)品的銷售信息，經(jīng)過科學(xué)建模后提煉決策層數(shù)據(jù)。結(jié)果發(fā)現(xiàn)，每逢周末，位于某地區(qū)的沃爾瑪連鎖超市啤酒和尿布的銷量很大。進一步調(diào)查表明，在美國有孩子的家庭中，太太經(jīng)常囑咐他們的丈夫下班以后要為孩子買尿布，而丈夫們在買完尿布以后又順手帶回了自己愛喝的啤酒，因此啤酒和尿布一起購買的機會是最多的。之后該店打破常規(guī)，將啤酒和尿布的貨架放在了一起，使得啤酒和尿布的銷量進一步增長。

“買啤酒時也會買尿布”，這一規(guī)律的抽象表示就成了數(shù)據(jù)挖掘里的關(guān)聯(lián)分析法，我們可以簡單地表示成如下形式：

If someone buys diaper then he buys bear.

即：

diaper=>bear

這是一條關(guān)聯(lián)規(guī)則，當然在實際應(yīng)用中，這里面有“他有多大可能性同時買啤酒和尿布”和“他在買尿布后有多大可能性買啤酒”等問題需要考慮。

從海量的原始數(shù)據(jù)中，找出隱含在其中的、我們事先不知道的、但又是潛在的有意義的知識和信息，從而利用這些知識來指導(dǎo)我們的活動，這便是數(shù)據(jù)挖掘的初衷。數(shù)據(jù)挖掘技術(shù)是數(shù)據(jù)庫研究中最活躍的分支之一，它綜合利用了人工智能、數(shù)據(jù)庫、機器學(xué)習等多個領(lǐng)域的理論和技術(shù)。目前，數(shù)據(jù)挖掘已經(jīng)被廣泛地運用于各種金融分析、市場分析等多個領(lǐng)域。比如在零售商日常的經(jīng)營中，每天又會產(chǎn)生大量看似龐雜的信息，而在這些信息背后蘊藏了豐富的經(jīng)營技巧和市場規(guī)律。通過數(shù)據(jù)挖掘的手段找出這些規(guī)律和知識，來直接指導(dǎo)我們的經(jīng)營活動，給顧客提供最直接最周到的服務(wù)，以及通過分析顧客消費和忠誠度的變化，據(jù)此對價格和商品的花樣進行調(diào)整，一邊留住老客戶，吸引新客戶。

近年來傳統(tǒng)的數(shù)據(jù)挖掘的思想在Web知識發(fā)現(xiàn)中也有了廣泛的應(yīng)用，即通過分析Web使用者訪問網(wǎng)頁的路徑和在不同頁面停留時間等原始資料的分析，提取出我們需要的模式，來規(guī)劃網(wǎng)站的拓撲結(jié)構(gòu)，給不同的用戶群定制個性化的服務(wù)，這給電子商務(wù)的發(fā)展增加了不可低估的活力。