其次，在业务层进行数据建模与分析。这主要是采用一些数据挖掘分析模型，如决策树[ 决策树，英文名称Decision Tree，是在已知各种情况发生概率的基础上，求取期望值大于等于零的概率，以评价项目风险，判断其可行性的决策分析方法，是直观运用概率分析的一种图解法。由于这种决策分支画成图形，很像一棵树的枝干，故称决策树。]、关联规则[ 关联规则是形如X→Y的蕴含式，X和Y分别称为关联规则的先导与后继，两者存在支持度和信任度的关联关系。]、聚类[ 聚类，是将一个集合分成由类似的对象组成的多个类的过程。由聚类所生成的簇，是一组数据对象的集合，这些对象与同一个簇中的对象彼此相似，与其他簇中的对象相异。聚类分析又称群分析，是研究分类问题的一种统计分析方法。]等，对数据进行分析。例如，银行、通信运营商、零售商运用消费者的属性和行为数据，通过一定数据分析模型，来识别风险和付费的可能性等。
再次，在应用层解读数据。我们用数据指导营销，最重要的是对数据的解读。传统的做法，是定义营销问题之后，接着采集对应的数据，然后根据确定的建模或分析框架，对数据进行分析，验证假设，从而进行解读。这种情况下，解读的空间是有限的，往往停留在我们提前设想的范畴内。