การทำเหมืองข้อมูลเป็นกระบวนการในการค้นหาความสัมพันธ์ รูปแบบ และแนวโน้มใหม่ที่เป็นประโยชน์ โดยการถ่ายโอนข้อมูลจำนวนมากที่บันทึกไว้ในที่เก็บ โดยใช้เทคโนโลยีการจดจำรูปแบบ รวมทั้งเทคนิคทางสถิติและคณิตศาสตร์ เป็นการวิเคราะห์ชุดข้อมูลที่เป็นข้อเท็จจริงเพื่อค้นหาความสัมพันธ์ที่ไม่สงสัย และเพื่อสรุปบันทึกด้วยวิธีใหม่ที่มีทั้งเหตุผลและเป็นประโยชน์ต่อเจ้าของข้อมูล
เป็นขั้นตอนของการคัดเลือก สำรวจ และจำลองข้อมูลปริมาณมากเพื่อค้นหาความสม่ำเสมอหรือความสัมพันธ์ที่ไม่เคยทราบมาก่อนเพื่อให้ได้ผลลัพธ์ที่ชัดเจนและเป็นประโยชน์สำหรับเจ้าของฐานข้อมูล
การทำเหมืองข้อมูลคล้ายกับวิทยาศาสตร์ข้อมูล ดำเนินการโดยบุคคลในสถานการณ์เฉพาะในชุดข้อมูลเฉพาะโดยมีวัตถุประสงค์ เฟสนี้ประกอบด้วยบริการหลายประเภท เช่น การทำเหมืองข้อความ การทำเหมืองเว็บ การทำเหมืองเสียงและวิดีโอ การทำเหมืองข้อมูลด้วยภาพ และการทำเหมืองโซเชียลมีเดีย เสร็จสมบูรณ์ผ่านซอฟต์แวร์ที่เรียบง่ายหรือเฉพาะเจาะจงอย่างมาก
การทำเหมืองข้อมูลโดยเอาต์ซอร์ซ ทำให้งานทั้งหมดสามารถทำได้เร็วขึ้นด้วยต้นทุนการดำเนินงานที่ต่ำ บริษัทเฉพาะยังสามารถใช้เทคโนโลยีใหม่ในการบันทึกข้อมูลที่ไม่สามารถค้นหาด้วยตนเองได้ มีข้อมูลมากมายบนหลายแพลตฟอร์ม แต่เข้าถึงความรู้ที่จำกัดได้มาก
แนวทางในการค้นหารูปแบบที่เป็นประโยชน์ในข้อมูลมีชื่อเรียกหลายชื่อ ซึ่งประกอบด้วยการทำเหมืองข้อมูล การดึงความรู้ การค้นพบข้อมูล การเก็บเกี่ยวข้อมูล โบราณคดีข้อมูล และการประมวลผลรูปแบบข้อมูล การขุดข้อมูลถูกใช้โดยนักสถิติ นักวิเคราะห์ข้อมูล และชุมชนระบบข้อมูลการจัดการ (MIS)
นอกจากนี้ยังได้ปรับปรุงความนิยมในพื้นที่ฐานข้อมูล ในการทำเหมืองข้อมูล ฐานข้อมูลขนาดใหญ่จะถูกวิเคราะห์เพื่อแก้ปัญหาการตัดสินใจ พิจารณาเจ้าของร้านที่ต้องการรับข้อมูลเกี่ยวกับสินค้าใหม่ ข้อมูลที่ดำเนินการโดยกระบวนการขุดข้อมูลจะอยู่ในฐานข้อมูลในอดีตของการโต้ตอบกับลูกค้าครั้งก่อนและคุณลักษณะที่เกี่ยวข้องกับลูกค้า เช่น อายุ รายได้ และการตอบสนอง
ซอฟต์แวร์การทำเหมืองข้อมูลใช้ข้อมูลในอดีตเพื่อสร้างแบบจำลองพฤติกรรมของลูกค้าที่สามารถใช้เพื่อคาดการณ์ว่าลูกค้ารายใดมีแนวโน้มที่จะตอบสนองต่อผลิตภัณฑ์ใหม่ ข้อมูลในอดีตยังสามารถเป็นพื้นฐานของการค้นพบอาชญากรรมที่พบได้บ่อย เช่น การฉ้อโกงบัตรเครดิต
โดยการเปรียบเทียบรูปแบบในข้อมูลในอดีตและข้อมูลปัจจุบัน จะตรวจสอบว่าลูกค้าทำการเปลี่ยนแปลงหรือไม่ ข้อมูลในอดีตได้รับการยอมรับอย่างกว้างขวางในด้านเหล่านี้ว่าเป็นเครื่องมือในการค้นหารูปแบบ และลูกค้าจะได้รับประโยชน์ทางเศรษฐกิจจากกระบวนการเหล่านี้
