所謂數據挖掘分析，就是從大量的、不完全的、模糊的、隨機的數據中，提取隱含在其中的、人們事先不知道的但又是潛在有用的信息和知識的過程。這些數據可以是結構化的，如關系數據庫中的數據，也可以是半結構化的，甚至是分布在網絡上的異構型數據。數據挖掘分析技術借助了多年來數理統計技術和人工智能以及知識工程等領域的研究成果構建自己的理論體系，是涉及數據庫、人工智能、數理統計、機械學、人工神經網絡、可視化、并行計算等的交叉學科，是目前國際上數據庫和決策支持領域的最前沿的研究方向之一。

　　我公司提供數據挖掘分析在建設現代化檔案管理中的應用

　　(1)利用Web訪問信息挖掘技術發現其中的關聯模式、序列模式和Web訪問趨勢等，構建多維視圖的用戶興趣模型。從而可以確定檔案信息或服務受歡迎的程度，發現用戶訪問模式和用戶需求的趨勢，從不同側面來研究用戶的信息需求，為優化檔案館的檔案信息資源建設提供了科學依據。

　　(2)收集檔案網web服務器保留的用戶注冊信息、訪問記錄，以及有關用戶與系統交互的信息等原始數據，經過清洗、濃縮和轉換形成便于統計分析的用戶查閱數據庫、日志數據庫、用戶定制信息庫、用戶反饋信息等各種數據集合。

　　(3)利用檔案網和檔案管理軟件訪問信息的挖掘分析出檔案資源的利用率，將利用率高、需求量大的傳統載體檔案優先數字化。例如：通過對檔案信息的訪問記錄、檢索請求中用戶請求失敗的數據進行分析，按類統計檔案拒用集和頻繁利用集，結合聚集算法發現館藏資源的缺漏，有針對性地補充和豐富檔案信息資源。

　　(4)在檔案館藏管理過程中利用文本挖掘，運用關聯、分類、聚類等方法，從海量檔案信息中按照相關專題進行挖掘、分類、加工、整理和有序化重組，構建特色檔案信息庫及各類專題檔案信息庫等。

　　(5)在提供利用環節中，對用戶每次借閱的信息進行關聯分析，發現各類檔案信息之間的關聯規則或比例關系，這樣可以進一步優化館藏信息。

　　(6)開展檔案館館藏信息文本特征的建立、特征提取、特征匹配、特征集縮減和模型評價工作，實現對大量文檔集合的內容進行總結、分類、聚類、關聯分析、分布分析，通過歸納與總結，發現的知識可以為未來檔案工作的趨勢進行預測。