根据提供的文件内容，该文主要涉及以下几个关键知识点：
1. 数据挖掘概念：数据挖掘是从大量的、不完全的、有噪声的、模糊的实际数据中，提取隐含在其中的、人们事先不知道的、但又是潜在有用的信息和知识的过程。文中通过数据挖掘技术，试图发现影响贵州医科大学学生成绩的各种潜在因素。
2. 数据挖掘工具的使用：文章中提到使用的Microsoft SQL Server Analysis Services (SSAS) 是一种用于数据挖掘和商业智能的数据分析工具。通过SSAS，研究人员能够利用决策树、关联规则、聚类等技术对教务信息管理数据库中的学生成绩数据进行分析。
3. 教务信息管理系统的应用：文中指出，学校教务信息管理系统存储着大量学生的基本信息和成绩数据，这些数据具备实时性和历史性。但是，这些数据的主要用途仅限于成绩查询和打印，未能充分利用这些数据的潜在价值。
4. 成绩分析方法的局限性：传统上，学生成绩分析主要采用统计分析方法，只能对事实进行验证，描述已经发生的情况，并取得均值、方差等统计指标，难以挖掘数据中隐藏的关系和规律，也难以进行趋势预测，更无法深入了解影响学生成绩的多方面因素。
5. 教育领域数据挖掘应用的现状：尽管数据挖掘技术在金融、保险、电信等行业有广泛应用，但在教育领域的应用相对较少。本研究则是在教育领域应用数据挖掘技术的一个例证。
6. 教育数据挖掘的具体应用：研究利用教务信息管理系统中的数据，分析了学生的个人属性（专业、性别、年龄、民族、省份、高考成绩）以及各学期各门课程的考试成绩，试图揭示影响学生成绩的相关因素。
7. 数据预处理的重要性：文中提到了数据采集、数据净化、数据去噪、数据去空、数据补遗等数据准备过程。数据预处理是数据挖掘流程中的重要一环，直接关系到挖掘结果的准确性和可靠性。
8. 数据挖掘的具体技术：具体使用了决策树、关联规则和分类技术等数据挖掘技术，这些技术在处理数据、发现数据间关系以及建立预测模型等方面具有重要作用。
9. 研究结果的应用：通过数据挖掘，研究发现学生成绩与入学成绩、性别、生源、专业、教学单位等因素相关，其中特别指出专业基础课程成绩与后期专业课程成绩之间的关联，这有助于教育工作者了解影响学生成绩的因素，并据此改进教学方法和教学策略。
10. 教育分析的深度与广度：与传统统计分析方法相比，数据挖掘技术为教育成绩分析提供了更深层次、更广角度的分析手段，有助于从大量、多维的教育数据中提取有价值的信息，为教育决策提供科学依据。
以上总结的知识点涵盖了数据挖掘的基本概念、操作工具、数据预处理、具体分析技术以及在教育领域的应用等方面，对于理解数据挖掘在教育行业中的应用具有重要的指导意义。
