大數據挖掘的技術及方法包括但不限于以下幾種：

1、回歸分析：反映事務數據庫中屬性值在時間上的特征，可生成映射數據項到實值預測變量的函數，研究問題包括數據序列的趨勢特征、數據序列的預測以及數據間的相關關系等。回歸分析可以應用到市場營銷的各個方面，如客戶尋求、保持和預防客戶流失活動、產品生命周期分析、銷售趨勢預測及有針對性的促銷活動等。

2、聚類：把一組數據按照相似性和差異性分為幾個類別，目的是使得屬于同一類別的數據間的相似性盡可能大，不同類別中的數據間的相似性盡可能小。聚類分析可以應用到客戶群體的分類、客戶背景分析、客戶購買趨勢預測、市場的細分等。

3、關聯規則：描述數據庫中數據項之間所存在的關系的規則，即根據一個事務中某些項的出現可導出另一些項在同一事務中也出現，即隱藏在數據間的關聯或相互關系。關聯規則挖掘技術能對數據與數據之間的依賴關系進行準確描述，可以對給定事物數據庫進行深入分析，尋找各數據和項目之間的內在聯系，然后將所有符合支持度和置信度的，符合一定標準的關聯規則進行羅列。

4、神經網絡：一種模擬人腦信息處理機制的機器學習算法。通過對數值數據進行處理，并在處理過程中表現出一種思維、學習和記憶能力。

5、統計學習：一種預測方法，需要對數據進行深入分析，找出不能通過的規律，然后對所發現的規律進一步研究和分析，并結合實際情況對數據發展趨勢進行預測。

大數據挖掘的方法有很多，每一種方法都有其特定的使用場景和優勢。在實際應用中，需要根據具體的數據類型和問題來選擇合適的方法。