แนวโน้มของการทำเหมืองข้อมูลมีดังนี้:
การสำรวจการประยุกต์ใช้ (Application exploration) — แอปพลิเคชันการทำเหมืองข้อมูลเริ่มต้นเน้นช่วยธุรกิจได้ข้อได้เปรียบทางการแข่งขัน การสำรวจการประยุกต์ใช้สำหรับธุรกิจยังคงขยายตัว เนื่องจาก e-commerce และ e-marketing กลายเป็นส่วนประกอบหลักของตลาดค้าปลีก การทำเหมืองข้อมูลใช้เพิ่มขึ้นสำหรับการสำรวจแอปพลิเคชันในหลายพื้นที่ รวมถึง การวิเคราะห์การเงิน, โทรคมนาคม, ชีวการแพทย์, และวิทยาศาสตร์ พื้นที่ซอฟต์แวร์ที่กำลังขึ้นมามี การทำเหมืองข้อมูลสำหรับต่อต้านการก่อการร้าย (รวมถึงและเกินการตรวจจับการบุกรุก) และ การทำเหมืองข้อมูลมือถือ (wireless) เนื่องจากระบบการทำเหมืองข้อมูลทั่วไปอาจมีข้อจำกัดในการจัดการปัญหาเฉพาะแอปพลิเคชัน สามารถมองเห็นแนวโน้มไปสู่การพัฒนาระบบการทำเหมืองข้อมูลเฉพาะแอปพลิเคชันมากขึ้น
วิธีการทำเหมืองข้อมูลที่ขยายตัวได้และโต้ตอบได้ (Scalable and interactive data mining methods) — ต่างจากวิธีการวิเคราะห์ข้อมูลแบบดั้งเดิม การทำเหมืองข้อมูลควรสามารถจัดการปริมาณข้อมูลมหาศาลได้อย่างมีประสิทธิภาพ และถ้าเป็นไปได้แบบโต้ตอบ เนื่องจากปริมาณข้อมูลที่รวบรวมเพิ่มขึ้นอย่างรวดเร็ว อัลกอริทึมที่ขยายตัวได้สำหรับบริการการทำเหมืองข้อมูลเดี่ยวและรวมจึงกลายเป็นสิ่งจำเป็น ทิศทางสำคัญหนึ่งสู่การปรับปรุงประสิทธิภาพการทำเหมืองโดยรวมขณะเพิ่มการโต้ตอบของลูกค้าคือ constraint-based mining ซึ่งสนับสนุนผู้ใช้ด้วยการควบคุมเพิ่มเติม โดยเปิดใช้งานการอธิบายและการใช้ข้อจำกัดเพื่อนำทางระบบการทำเหมืองข้อมูลในการค้นหารูปแบบน่าสนใจ
การรวมการทำเหมืองข้อมูลกับระบบฐานข้อมูล, ระบบคลังข้อมูล, และระบบฐานข้อมูลเว็บ (Integration of data mining with database systems, data warehouse systems, and Web database systems) — ระบบฐานข้อมูล, ระบบคลังข้อมูล, และเว็บกลายเป็นระบบประมวลผลข้อมูลหลัก จำเป็นต้องให้การทำเหมืองข้อมูลทำหน้าที่เป็นส่วนประกอบการวิเคราะห์ข้อมูลที่จำเป็น ที่สามารถรวมเข้ากับสภาพแวดล้อมการประมวลผลข้อมูลได้อย่างราบรื่น
การมาตรฐานภาษาการทำเหมืองข้อมูล (Standardization of data mining language) — ภาษาการทำเหมืองข้อมูลมาตรฐานหรือความพยายามมาตรฐานอื่นๆ จะสนับสนุนการพัฒนาโซลูชันการทำเหมืองข้อมูลอย่างเป็นระบบ ปรับปรุง interoperability ระหว่างระบบและบริการการทำเหมืองข้อมูลหลายระบบ และส่งเสริมการศึกษาและการใช้ระบบการทำเหมืองข้อมูลในตลาดและสังคม
การทำเหมืองข้อมูลแบบภาพ (Visual data mining) — การทำเหมืองข้อมูลแบบภาพเป็นวิธีที่มีประสิทธิภาพในการค้นพบความรู้จากปริมาณข้อมูลมหาศาล การศึกษาและพัฒนาวิธีการทำเหมืองข้อมูลแบบภาพอย่างเป็นระบบจะสนับสนุนการส่งเสริมและการใช้การทำเหมืองข้อมูลเป็นเครื่องมือสำหรับการวิเคราะห์ข้อมูล
การทำเหมืองข้อมูลและวิศวกรรมซอฟต์แวร์ (Data mining and software engineering) — เมื่อโปรแกรมซอฟต์แวร์กลายเป็นหนักขึ้นในขนาด, ซับซ้อนในความยาก และมักมาจากการรวมของหลายส่วนที่พัฒนาโดยทีมซอฟต์แวร์หลายทีม การให้ความแข็งแกร่งและความน่าเชื่อถือของซอฟต์แวร์เป็นงานที่ท้าทายมากขึ้น การวิเคราะห์การทำงานของโปรแกรมประยุกต์ที่มีบั๊ก เป็นกระบวนการทำเหมืองข้อมูลโดยพื้นฐาน การติดตามข้อมูลที่สร้างระหว่างการทำงานของโปรแกรมสามารถเปิดเผยรูปแบบสำคัญและค่าผิดปกติ ที่นำไปสู่การค้นพบบั๊กซอฟต์แวร์แบบอัตโนมัติในที่สุด
