甲草值检验
在某些情况下，仅仅通过介绍潜在性态势，无法随心所欲解释统计数据搜集。还必须能够发现统计数据中的极度或极度值。
比如，你会想调查一下价格攀升的原因，这种假如你的买主几乎都是男性，你就能拷贝或让社会公众参与到这个周期性中去。即使如此，在7月的“其它人周”期间，男性买房人数目仍大幅上升。
关连预测
此种关连与态势有关，但对于倚赖亲密关系的表达式来说是唯一的。在此种情况下，是要寻找与该事件息息相关的某一该事件和特征。
比如：当你的顾客买回一个某一的货品时，他们也会买回第三个类似的货品。这也被用作在譬如“人们也买回了”这种的新浪网平台上建议买回该货品。
聚类
聚类在某种意义上近似于进行分类，但依照关联性将科学知识短片女团在一起，比如：依照你的岗位数收入或你选择在零售店网购的数目，将你的顾客统计资料重要信息绑定到不同的客户群P43EB96SJ。
进行分类
，逼使您将各种特性搜集到可界定的类型中，接着得出结论更多推论或服务于某一功能。
比如，假如预测每个贷款人的财务管理历史或买回历史记录，您可能会将其辨识为“低”、“中”或“高”贷款。接着我们将被用来介绍更多关于这些客户的重要信息。
重回
重回主要就用作预估和可视化目的，考虑到其它表达式的存在，以确认某一表达式的均方机率。
比如，依照易用性、消费需求和竞争等其它因素，能预估某一数目。重回的主要就目标是帮助您确认取值统计数据子集中两个（或多个）表达式之间的确凿亲密关系。
基础架构/统计数据湖
没有基础架构，统计数据预测是不完备的。统计数据储存是一种用作安全可靠储存大量有组织统计数据的方法。统计数据的留存不仅是一个留存难题，也是统计数据维护和安全可靠的难题。大规模的业务需要统计数据仓库来安全可靠地储存统计数据。随着大统计数据控制技术的应用，基础架构也慢慢被统计数据湖等新控制技术代替
可视化
图表、图表和数字图像是统计数据可视化的过程，这使企业能够量化和改进其增长。你还能将自己的增长速度与竞争对手进行比较，并评估自己的市场地位。统计数据可视化将使公司能够做出明智的决策，因为他们知道统计数据的简单、定义良好的表示。
统计预测
统计数据的平均值、模式和中位数是用来预估未来态势的。对于企业来说，统计预测是非常有用的，因为它为企业未来的利润铺平了道路。利用统计统计数据，公司能做出战略选择，衡量其ROI，并制定营销计划，通过统计数据考虑潜在性态势。
跟踪模式
统计数据预测最关键的策略之一，是在统计数据集中发现态势。它通常检验周期性性发生的某一重要信息畸变，或某一表达式随时间的波动。
比如，你可能会注意到，某一某一的产品往往会在假期前不久增加销售额，或者炎热的天气会给你的网站带来更多的顾客。
序列模式
这意味着统计数据的顺序，是已知的。序列预测对企业也很有用，因为它们能跟踪销售态势。它还能帮助组织介绍活动发生的先后顺序，实现预估。
