在数据量日益增加、数据中隐藏的知识越来越多的今天,大数据分析,数学的世界到处都需要挖掘,信息的质量是无价的,大数据驱动信息的挖掘,有用的信息蕴含在大数据中,使用大数据挖掘得到有用的价值信息,将对很多决策以及业务关系都产生影响。数据量的庞大衍生了大数据的各种技术与研究,里面的技术也能够为数据支持提供更加简单的手段。数据挖掘算法已经成为十分重要的研究数据信息的方向,使用挖掘技术挖掘关联规则,潜在的信息在数据中被我们挖掘出来。再与模糊结合之后,能够挖掘出更加准确的规则,为决策作出依据。关联规则在大量研究者的改进后,不仅仅可以在事务数据库中使用,最后推广至关系数据库。对于多维数据集的不同维度,使用数据挖掘技术就能得到有价值的信息。结合模糊与RFM模型,可以使得到的关联规则在某个领域中更加精准,为之后的推荐系统,精准营销提供了数据支持。本文在以下几个方面论述自己的研究方向和工作内容:1.获取数据之后,对数据做一些必要的清洗,如对异常值,重复数据以及缺失值进行去除,填补等处理之后,将处理之后格式内容都正确的数据存储在数据库或者数据仓库中。2.对多维数据集进行研究,将数据整合之后建立数据库系统,为了更好的处理多维数据集,我们建立数据立方体,将RFM计算值作为数据立方体中的某一个维度,构建最终需要的数据库表集合。3.以某外卖平台的数据为数据集,针对用户的数据,添加RFM模型之后对数据集进行改进,以此挖掘更加精准的推荐。电子商务势不可挡,映射在生活各处,订餐行业也是一个人们在生活中不可缺少的一个组成部分,对外卖平台的数据进行分析,我们使用两种算法成熟的数据挖掘算法,使用不同的数据处理操作对多维数据集的关联规则的进行挖掘,最终得到针对用户的精准推荐,推荐商家以及食物。