1. 数据挖掘与分析技术
因为OLAP是一种分析技术，具有汇总、合并和聚集以及从不同的角度观察信息的能力。
快速增长的海量数据收集、存放在大量的大型数据库中，没有强有力的工具，理解他们已经远远超出了人的能力，导致 数据丰富但信息贫乏。数据和信息之间的鸿沟越来越宽，这就要求必须系统的开发数据挖掘工具，将数据转换成有用的信息。
2. 数据挖掘与技术研究课题
人工智能应用：计算机科学、金融、医院和医药、重工业、顾客服务。
1、计算机科学
人工智能（AI）产生了许多方法解决计算机科学最困难的问题。它们的许多发明已被主流计算机科学采用，而不认为是AI的一部分。
2、金融
银行用人工智能系统组织运作，金融投资和管理财产。2001年8月在模拟金融贸易竞赛中机器人战胜了人。金融机构已长久用人工神经网络系统去发觉变化或规范外的要求，银行使用协助顾客服务系统；帮助核对账目，发行信用卡和恢复密码等。
3、医院和医药
医学临床可用人工智能系统组织病床计划；并提供医学信息。人工神经网络用来做临床诊断决策支持系统。用人工智能在医学方面还有下列潜在可能：计算机帮助解析医学图像。这样系统帮助扫描数据图像，从计算X光断层图发现疾病，典型应用是发现肿块。
4、重工业
在工业中已普遍应用机器人。它们常做对人是危险的工作。全世界日本是利用和生产机器人的先进国；1999年世界范围使用1,700,000台机器人。
5、顾客服务
人工智能是自动上线的好助手，可减少操作，使用的主要是自然语言加工系统。呼叫中心的回答机器也用类似技术，如语言识别软件可使计算机的顾客较好操作。
3. 数据挖掘应用研究
随着科技和经济的快速发展，物流市场日趋完善，在国内及国际物流市场的竞争机制的作用下，物流企业对于数据挖掘技术的应用表现出了极大的兴趣。
大多数生产型企业与零售企业为了快速发展经营规模、迎合当前物流市场的发展，迫切的需要借助数据挖掘技术来分析企业存在的问题并据此优化企业规划，提升企业的市场竞争力。
深入研究数据挖掘技术及其在物流管理、仓储、运输、配送、信息共享等环节的中的应用势必会进一步加快物流行业的快速发展。
4. 数据挖掘技术研究背景
数据挖掘时往往数据量非常大，在少量数据上进行挖掘分析需要很长的时间，数据归约技术可以用来得到数据集的归约表示，它小得多，但仍然接近于保持原数据的完整性，并结果与归约前结果相同或几乎相同。数据预处理 是数据挖掘一个热门的研究方面，毕竟这是由数据预处理的产生背景所决定的－－现实世界中的数据几乎都脏数据。
5. 数据挖掘技术研究将面临的主要挑战和对策
非常有前途的。
现在的社会，是充满着大数据的时代，数据挖掘工程师是一个非常好的职业，是为社会发展需要做工作的行业
6. 数据挖掘与技术研究方向
1、计算机方向。信管毕业生就业的另一个主要方向是偏技术方向。如编程、数据库、计算机网络、网站建立与维护等。
2、企业信息化管理。信管专业的一大方向自然是管理，特别是企业的信息化管理。具体来说，围绕着信息系统的市场营销、项目管理、物流、电子商务、管理咨询等。
3、数据处理和挖掘。信息系统应用之后会积攒大量的电子数据，从数据中提炼有价值信息的技术称之为数据挖掘。
4、文档及财务管理。还有一个方向就是文档管理。比如去图书馆技术中心、资料中心、数据中心从事文档、信息分类、文献检索、资料查询、收集整理工作等。