資料可以分為明確資料與模糊資料，其中明確資料可以透過各種多變量分析方法進行分類與預測，也可以透過資料探勘的方式挖掘潛在知識或進行預測。若資料為模糊或不確定性時，可以使用模糊理論分析或建立模式來預測或分類。
第二部份：多準則決策 (Multiple Criteria Decision Making, MCDM)
多準則決策(MCDM)指的管理決策中需要同時考量多個功能/屬性/標準/目標以及與現實世界衝突問題，提供具有實務性質的解決問題架構並且從中選擇合適的科學方法，協助決策者能夠有效地解決各類問題。因此，多準則決策問題類型皆來自在現實社會中的常見現象，其問題類型有評估問題、規劃/設計問題、排序選擇問題、改善問題，因此我們如何基於科學方法論解決這些現實社會決策問題，是多準則決策主要的特色，其多準則決策問題大致可以分為兩類：規劃/設計/最佳化問題(多目標決策MODM)以及評估/選擇/改善問題(多屬性決策MADM)。
 |
| 【多目標決策 (MODM) 發展歷程】 |
多目標決策(MODM)主要解決重點放在多目標的資源規劃設計/最佳化問題基礎，提供具有實務性質的整體資源配套措施(整體考量下產生的妥協解方案)。因此，如何透過科學方法有效地解決現實社會中多個目標的問題，是多目標決策主要的特色。其中常見研究方法有數學規劃、De Nove法、軟性計算(SoftComputing)以及資料包絡分析法(DEA)等。
 |
| 【多屬性決策 (MADM) 發展歷程】 |
多屬性決策(Multiple Attribute Decision Making, MADM)
多屬性決策(MADM)主要關注重點是多屬性/特徵/因素的評估模型/選擇模型/改善模型問題基礎，建立具有專家經驗的因果影響關係評估模型，進而提供選擇功能與改善功能，增加解決決策問題的廣度與深度。甚至可以細分架構包括(1)模型屬性建立；(2)模型結構建立；(3)模型屬性權重建立；以及(4)模型評估。因此，常見研究方法有層級分析法(AHP)、網絡分析法(ANP)、銓敘結構模型(ISM)、決策試驗與評價實驗室法(DEMATEL)、VIKOR、TOPSIS、灰關聯法(Grey relation)以及模糊積分法(Fuzzy Integral)等。