大数据挖掘技术有：
一、数据挖掘技术的主要方法：关联分析、聚类分析、分类与预测等。
关联分析是数据挖掘中最常用的一种方法，用于发现大数据集合中项之间的有趣关系或关联规则。通过关联分析，可以发现不同产品间的销售趋势、顾客行为模式等信息。这种技术能够识别不同事件之间的关联性，有助于预测未来的趋势和结果。
聚类分析是一种无监督学习方法，通过对大量数据的分组或聚类来识别数据中的模式和结构。聚类分析通常用于客户细分、市场细分等场景，有助于企业更好地理解客户群体特征，为制定营销策略提供依据。
分类与预测是数据挖掘中另一个重要方向。分类技术通过训练模型来预测数据对象的类别标签，如客户信用评估等；预测技术则通过模型预测未来的趋势或结果，如股票价格预测等。这些技术通常使用机器学习算法来实现，如决策树、神经网络等。
二、其他相关的大数据挖掘技术还包括文本挖掘、网络挖掘等。文本挖掘主要用于处理大量的文本数据，提取有用的信息和知识；网络挖掘则通过分析网络数据来发现数据间的关系和行为模式。这些技术可以帮助企业更有效地分析和利用大数据资源，提升业务价值。此外，可视化技术也是数据挖掘中的重要辅助工具，能够帮助用户更直观地理解数据和挖掘结果。通过对大数据进行可视化处理，可以更好地洞察数据的模式和趋势，从而做出更明智的决策和策略调整。总的来说，大数据挖掘技术涵盖了多种方法和技术手段，这些技术在不同领域和场景中发挥着重要作用，为企业决策提供了有力的支持。