Data mining-analys kan vara en användbar process som ger olika resultat beroende på den specifika algoritm som används för datautvärdering. Vanliga typer av datautvinningsanalys inkluderar utforskande dataanalys (EDA), beskrivande modellering, prediktiv modellering och att upptäcka mönster och regler. Användning av vart och ett av dessa datautvinningsverktyg ger ett annat perspektiv på insamlad information. Proffs som använder dessa tekniker kan få ytterligare insikt i ett problem eller problem baserat på det specifika analysverktyg som används.
På grund av de olika resultat som analysverktyg för datautvinning ger när de används, är det relevant att överväga en grundläggande översyn av var och en. Exploratory data analysis, eller EDA, innebär granskning av en datauppsättning utan några tydliga resultatmål för granskning. Variabler som definierar data används som en grund för att tillhandahålla visuella representationer till forskaren. När antalet variabler ökar kan detta analysverktyg bli mindre effektivt för att visualisera data.
Beskrivande modellering är ett analysverktyg för datautvinning som används för att kollektivt beskriva all data i en given datamängd. Specifikt syntetiserar detta tillvägagångssätt all data för att ge information om trender, segment och kluster som finns i den sökta informationen. Beskrivande datautvinningsanalys används ofta i reklam. Ett exempel på detta är marknadssegmentering där marknadsförare tar större kundgrupper och segmenterar dem efter homogena egenskaper.
Andra verktyg inkluderar också prediktiv modellering. Prediktiv modellering innebär utveckling av en modell baserad på befintliga data. Modellen används sedan som underlag för att förutsäga en annan variabel som är relevant för den granskade datan. Termen ”prediktiv” indikerar att detta datautvinningsverktyg kan göra det möjligt för användaren att förutsäga något värde baserat på vad som är känt i datamängden. Förutsägande analys kan användas av marknadsförare för att avgöra vilka produkter kunderna söker. Baserat på aktuella inköpstrender kan marknadsförare komma med förutsägelser om vilka nya produkter som kan bli populära i framtiden.
Att upptäcka mönster och regler skiljer sig från beskrivande och prediktiva datautvinningsverktyg. Medan beskrivande och prediktiva verktyg använder modellbyggande som en grund för analys, fokuserar upptäckten av mönster och regler på identifiering av mönster i data. Marknadsförare som arbetar för livsmedelsbutiker, till exempel, använder ofta detta datautvinningsanalysverktyg som ett sätt att fastställa köpmönster. Genom att bestämma vilka produkter kunder konsekvent köper i samma ordning, kan riktade kampanjer för varorna utvecklas.