数据分析已经成为了企业管理的基石,人们正在经历从经验式管理到科学决策的转变。当今很多世界顶尖的企业都把数据分析当成企业竞争战略,通过数据分析提高企业的竞争优势。中国的企业现在也面临着各种各样的困难,急需要通过科学的方法降低成本、提高经营质量、加快产品创新。数据分析无疑成为了开启成功大门的钥匙。半导体生产工艺复杂、参数众多,如何通过对中测数据的分析,挖掘出各项参数间的关联性对半导体生产意义重大。然而用传统的数据分析技术不能满足实际生产的需要。数据挖掘方法很好地克服了半导体参数众多和非线性的特点,能很好的解决生产中的实际问题。相信今后几年数据挖掘方法将会给半导体生产工业带来巨大影响。本文系统地介绍了数据挖掘的商业流程和建模框架,并对数据挖掘中的关联分析技术、聚类分析技术、异常检测技术,进行了概述性的介绍。并且对分类技术进行了详细的介绍,包含了常用的分类算法,如:决策树、神经网络等。对各种算法的优缺点进行了阐述,并且对决策树所遇到的过拟问题进行了分析。为了解决过拟问题,本文简单介绍了几种剪枝方法。在介绍分类算法的同时,对分类器的性能评估方法和比较分类器的方法进行了说明。本论文主要是采用数据挖掘技术解决两个生产中实际遇到的问题,一是电源用产品高温漏电ICBO合格率偏低问题,二是芯片中测中因未自动化测试存储时间ts,导致参数ts测试控制存在准确率问题。这两个问题的共性是所要控制的参数非生产、测试过程所能直接控制的参数,是需要进行间接管控的。论文通过选取数据挖掘技术中适宜的算法,寻找与目标参数强相关且生产、测试过程中能够控制的参数,实现目标参数间接质控。其主旨是通过此案例在半导体中测数据分析中引入数据挖掘的概念。