下面将就某汽车销售公司，在汽车展上的调查问卷进行分析。
潜在客户的数据主要有年龄、性别、职业、收入、教育程度、是否结婚，是否有房等，调查客户是否会在一年内买车。数据表格式如下
1.数据预处理。数据预处理的目的是为了提高数据质量，使数据挖掘的过程更加有效，更加容易同时也提高挖掘结果的质量。数据预处理的对象主要是清理其中的噪声数据、空缺数据和不一致数据。常用的数据预处理技术主要包括;数据清洗、相关分析和数据变换等。
数据清洗试图填补训练集中的空缺值、识别孤立点、消除噪声、纠正数据中的不一致。对于空缺值的处理，通常有忽略元组、人工填写空缺值、使用全局常量填充、使用属性平均值填充、使用与给定元组同一类的样本平均值填充、使用最可能的值填充等方法。
调查问卷中有部分没有填写的选项，如年龄属性，对于这一部分记录采用的是使用属性平均值填充的方法。在进 行 数 据挖掘工作之前需要进行前期的数据整理工作，比如根据直观经验去除数据中的冗余信息或不相关信息，对于上面的数据集中的属性，像序号等可以在正式开始数据挖掘前去除，因为客户是否近期内买车是我们最关心的信息我们把属性是否 一年内买车，即作为类标签属性。
2.生成决策树，产生规则。整理后的数据导入到DB2关系数据库表中，使用IBM的Intenlig entM iner提供的数据挖掘工具生成决策树并剪枝后如下图。
在得到决策树之后可以由其中提取分类规则.在该例中，可以提取的规则如下:IfS alary= 2750一6500a nda ge=31.5一40.5 then buy=y 也就是说 ，在剪去一些噪声枝节之后在决策树的每一条支路上，都可以形成一条分类规则。可以采用这些分类规则.对潜在的客户数据进行分类.由此得出哪些客户最近有购车的意愿然后可以主动地向客户推销汽车并且给予一定的优惠政策.由被动营销转变为主动营销。
