1.分類挖掘方法。分類挖掘方法主要利用決策樹進行分類，是壹種高效且在數據挖掘方法中占有重要地位的挖掘方法。為了對數據進行較為準確的測試並據此分類，我們采用決策樹算法，而決策樹中比較典型的幾種方法為：ID3算法，此方法具有較強的實用性，適用於大規模數據處理；KNN算法，此方法算量較大，適用於分別類別的數據處理。
2..聚類分析挖掘方法。聚類分析挖掘方法主要應用於樣品與指標分類研究領域，是壹種典型的統計方法，廣泛應用於商業領域。此聚類分析方法根據適用對象不同又可分為四種分析挖掘方法：基於網格的聚類分析方法、基於分層的聚類方法、基於密度的聚類挖掘方法和基於模型的聚類方法。
3.預測方法。預測方法主要用於對知識的預測以及對連續數值型數據的挖掘，傳統的預測方法主要分為：時間序列方法、回歸模型分析法、灰色系統模型分析。而現在預測方法主要采用神經網絡與支持向量機算法，進行數據分析計算，同時可預測未來數據的走向趨勢。
關於大數據挖掘工程師的課程推薦CDA數據分析師的相關課程，課程內容兼顧培養解決數據挖掘流程問題的橫向能力以及解決數據挖掘算法問題的縱向能力。要求學生具備從數據治理根源出發的思維，通過數字化工作方法來探查業務問題，通過近因分析、宏觀根因分析等手段，再選擇業務流程優化工具還是算法工具，而非“遇到問題調算法包”點擊預約免費試聽課。