近十几年来，信息数据急剧增长，大型数据库、数据仓库被用于各行各业。在有庞大的数据的前提下，如何及时发现有用的知识，提高信息利用率，使数据真正成为有效的资源？这个问题只有充分利用它为企业自身的业务决策和战略发展服务才行。否则由于效率低下，造成资源浪费，大量的数据也只能成为包袱。因此，数据分析和挖掘尤为关键。

        数据挖掘出现于20世纪80年代末，最早是在数据库领域发展起来的，称为数据库中的知识发现(KDD，Knowledge Discovery in Database)。数据挖掘是KDD过程中的一个环，从20世纪90年代以来，发展速度很快，有着很多的功能，例如：

（1）分类：按照分析对象的属性、特征，建立不同的组类来描述事物。一个展会可以根据积累的数据将观众分成了不同的类别，之后也就可以根据这些来区分新的观众，以采取相应的方案。

（2）聚类：识别出分析对内在的规则，按照这些规则把对象分成若干类。例如：观众区分为专业观众和普通观众。

（3）关联规则和序列模式的发现：关联是某种事物发生时其他事物会发生的这样一种联系。

（4）预测：把握分析对象发展的规律，对未来的趋势做出预见。

（5）偏差的检测：对分析对象的少数的、极端的特例的描述，揭示内在的原因。

        需要注意的是：数据挖掘的各项功能不是独立存在的，在数据挖掘中互相联系，发挥作用。

        包括参展商和观众在内，一个展会的客户数量常常高达数万。如此庞大的客户数量，如果用传统的办法来开发，不仅费用昂贵，针对性不强，而且效果还有限。会展行业要求有与传统方法不同的新客户开发方法，这种方法是：通过市场细分选定特定的目标市场，经过特定的渠道在目标市场中收集目标客户资料，将这些资料建立客户数据库，通过聚类分组办法将客户按展会的需求分成不同类群，再通过数据挖掘技术，从大量的数据中发掘有用的信息，寻找到展会的潜在客户。一般步骤如下：

1、确定目标市场。主要是根据展会的展览题材范围和展会定位，经过市场细分确定目标参展商的行业范围地区范围；根据展会题材产品的用户特征，经过市场细分确定目标观众的行业范围地区范围。

2、收集客户信息，编制客户数据库。确定目标客户行业范围地区范围以后，可以去收集展会目标客户的具体信息：行业企业名录、商会和行业协会、政府主管部门、专业报刊、同类展会、专业网站、电话黄页等等目标客户资料。这些目标客户资料收集到以后，展会可以将它们输入客户数据库中，通过进一步的处理来分辨出哪些是真正有用的目标客户。

3、通过聚类分组和数据挖掘技术找到潜在客户。通过上述渠道，客户数据库中的目标客户资料可能上万条，有时候可能达十几万条，为了准确掌握哪些信息是有用的，哪些信息是无效的，我们可以先通过将客户进行聚类分组来分析、统计和归类客户的行业属性、产品特性和需求特点，然后通过数据挖掘技术来筛选出符合展会定位需求的潜在客户，并将他们作为展会开发新客户的来源。

4、还可以对数据多方位的分析，更加明确清晰的分辨过程和筛选目的。例如：客户行为数据分析、客户满意度数据分析、客户投诉数据分析。

在进行数据分析挖掘的过程中，同时对需要许多问题进行考量。

（1）数据挖掘的基本问题就在于数据的数量和维数，数据结构也会显的复杂，如何进行探索，选择分析变量，也就成为首先要解决的问题。

（2）面对如此大的数据，现有的统计方法等都遇到了问题，我们直接的想法就是对数据进行抽样，那么怎么抽样，抽取多大的样本，又怎样评价抽样的效果，这些都是值得研究的问题。

（3）既然数据是海量的，那么数据中就会隐含一定的变化趋势，在数据挖掘中也要对这个趋势做应有的考虑和评价。

（4）各种不同的模型如何应用，其效果如何评价。不同的人对同样的数据进行挖掘，可能产生不同的结果，甚至差异很大，这就涉及到可靠性的问题。

（5）当前互联网的发展迅速，如何进行互联网的数据挖掘，还有文本等非标准数据的挖掘，都引起了极大的兴趣。

（6）数据挖掘涉及到数据也就碰到了数据的私有性和安全性。

（7）数据挖掘的结果是不确定的，要和专业知识相结合才能对其做出判断。

总之，数据已经成为企业衡量效益的重要指标，同时也为其对于科学的评估提供了重要的参考资源。数据分析对于展会行业有着重要的作用，但如何做好数据分析就必须做到以下要求：首先，做好最基础的数据分析工作，是管理者做出重要决定提供依据；其次，需要对数据有着严格要求，保证原始数据的准确性，增加数据的来源，保证其多方面扩展，需要采用多种分析方法来对数据进行系统的分析。只有从数据中有效地提取信息，从信息中及时地发现知识，才能为思维决策，为战略发展服务。