數據模型化是數據採礦的步驟，您可以藉由將 演算法 套用至數據來建置模式和趨勢。 稍後您可以使用這些模式進行分析，或進行預測。
適用於 Office 的數據採礦載入巨集可透過精靈支援數據採礦，讓您輕鬆建立模型。 精靈會分析數據、識別相互關聯、計算所有變數的統計意義，並自動選取最佳模型。
雖然這項功能與 SQL Server Analysis Services 和 SQL Server Data Tools （SSDT） 所提供的數據採礦工具一樣強大，但精靈和熟悉的 Excel 介面的組合可讓您輕鬆地建立、修改和使用數據採礦。
進階 （數據採礦）
進階精靈可讓您使用 SQL Server Analysis Services 中的其中一個數據採礦演算法，根據 Excel 中儲存的數據，建立新的數據採礦模型。
建立採礦結構
[建立採礦結構] 精靈可協助您建立新的數據採礦結構，您可以用來做為多個採礦模型的基礎。 精靈可讓您選擇將部分數據放在做為測試集使用，以便根據一致的測試標準評估所有使用相同的數據模型。
將模型新增至結構
[新增模型至結構] 精靈可讓您選擇現有的數據採礦結構，併為其建立新的數據採礦模型。 您可以將多個採礦模型新增至結構、變更參數或選擇不同的數據採礦演算法，以及自定義輸出。
分析關鍵影響因素 （分析）
您可以選擇感興趣的數據行或輸出值，然後演算法會分析所有輸入數據，以識別對目標影響最大的因素。 您可以選擇性地建立可比較任兩個值的報告，以便查看影響因素的變化方式。
分析關鍵影響因素工具會使用Microsoft貝氏機率分類演算法。
助理（資料採礦）
聯合精靈會建置一個能夠偵測出現在多個交易中的項目之間關聯的模型，例如，在市場購物籃分析中。
分類 （資料採礦）
[分類精靈] 會建置分類模型，以分析為目標結果做出貢獻的因素。 您可以搭配此精靈使用多個演算法，包括判定樹、貝氏機率分類和類神經網路。
叢集 （數據採礦）
叢 集 精靈會建置叢集模型，以偵測共用類似特性的數據列群組。 叢集（有時稱為 分割）是一種不受監督的學習技術，在嘗試瞭解新數據的模式和群組時非常有用。
Microsoft 群集演算法支援多種 K-means 和期望最大化（EM）群集方式。
檢測類別（分析）
[ 偵測類別 ] 工具可讓您新增任何數據集，並套用叢集來尋找數據的群組。 它有助於尋找相似性，以及建立群組以進一步分析。
偵測類別工具會使用Microsoft叢集演算法。
估計值 （資料採礦）
[估計] 精靈會建置估計模型，以擷取數據模式，並使用模式來預測連續數值、日期或時間值。 它會使用Microsoft判定樹演算法。
從範例填入（分析）
[從範例填滿] 工具可協助您插補遺漏值。 您可以提供一些遺漏值的範例，而此工具會根據數據表中的所有數據來建置模式，然後根據數據中的模式來建議新的值。
Fill From Example 工具會使用 Microsoft羅吉斯回歸演算法。
預測（分析）
預測工具會採用一段時間變更的數據，並預測未來的值。
預測工具會使用Microsoft時間序列演算法。
預測 （資料採礦）
[預測精靈] 會建置預測模型，以偵測一系列單元格中的模式，然後預測其他值。
醒目提示例外狀況 （分析）
醒目提示例外狀況工具會分析數據表中的模式，並尋找不符合模式的數據列和值。 然後，您可以檢閱並更正這些內容，並重新運行模型，或為後續處理標記這些值。
醒目提示例外狀況工具會使用Microsoft叢集演算法。
預測計算機 （分析）
此工具會建立模型來分析導致目標結果的因素，然後根據這些模式衍生的準則來預測任何新輸入的結果，這也會產生互動式決策工作表，讓您輕鬆地為新的輸入評分。 您也可以建立印表版本的評分工作表以供離線使用。
預測計算機工具會使用 Microsoft羅吉斯回歸演算法。
情境：目標搜尋（分析）
在 目標搜尋 工具中，您可以指定目標值，而此工具會識別必須變更以符合該目標的基礎因素。 例如，如果您知道必須將通話滿意度提升 20%，您可以要求模型預測應變更哪些因素，以達成該目標。
目標搜尋工具會使用Microsoft羅吉斯回歸演算法。
詳細資訊
場景：What-If 場景（分析）
What-If 分析工具補充目標搜尋工具。 使用此工具，您輸入想要變更的值，模型會預測該變更是否足以達到所需的結果。 例如，您可能會要求模型推斷額外增加一位電話接線員是否會提升一分客戶滿意度。
What-If 工具會使用 Microsoft羅吉斯回歸演算法。
What-If 案例（適用於 Excel 的數據表分析工具）
購物籃分析 （分析）
購物籃分析工具會建立經常一起購買的產品群組，以識別可用於交叉銷售或向上銷售的模式。 它也會根據相關產品群組的價格和成本產生報告，以協助決策。
您也可以將此工具用於經常一起發生的事件、導致診斷的因素，或任何其他潛在原因和結果。
購物籃分析工具會使用Microsoft關聯演算法。
另請參閱
探索和清除數據
驗證模型和使用模型進行預測（適用於 Excel 的資料探勘增益集）
部署和擴展資料探勘模型（適用於 Excel 的資料探勘增益集）