在绍兴市的量化交易市场中，利用大数据分析提升策略效果的方法主要包括以下几个步骤：

数据获取与清洗：获取大量历史市场数据是首要步骤，这些数据可以来自交易所、金融数据提供商、新闻等多种渠道。数据清洗则是确保这些数据的准确性和完整性，去除噪声和异常值。

特征工程：对原始数据进行处理和转换，提取出有意义的特征。这些特征可以包括技术指标、市场情绪指标、宏观经济指标等，为后续的建模和分析提供基础。

模型选择与训练：选择合适的机器学习或深度学习模型，并进行训练。常见的模型包括线性回归、决策树、随机森林、神经网络等。通过交叉验证、超参数调优等方法提高模型的稳定性和泛化能力。

模型评估与优化：对模型进行评估，通过回测和模拟交易等方式了解模型在不同条件下的表现。根据评估结果，进行模型优化，调整参数或选择不同的模型。

市场需求与趋势分析：利用大数据分析市场需求和趋势，从中挖掘出潜在的市场机会。这可以包括对新闻、社交媒体数据的情感分析，市场热度指标的计算等，为制定更加精准的交易策略提供依据。

通过以上步骤，投资者可以更好地挖掘市场机会，提升量化交易策略的效果。在实际操作中，还需要不断迭代和优化策略，以适应市场的变化和复杂性。