डेटा माइनिंग (Data mining), पैटर्न पहचान तकनीकों का उपयोग करके रिपॉजिटरी में सहेजे गए बड़ी मात्रा में डेटा के माध्यम से छान-बीन करके उपयोगी नए सहसंबंधों, पैटर्न और रुझानों को खोजने की प्रक्रिया है, जिसमें सांख्यिकीय और गणितीय तकनीकें शामिल हैं। यह तथ्यात्मक डेटासेट का विश्लेषण है ताकि अनपेक्षित संबंधों की खोज की जा सके और रिकॉर्ड को नवीन तरीकों से सारांशित किया जा सके जो डेटा मालिक के लिए दोनों तार्किक और सहायक हों।
यह बड़ी मात्रा में जानकारी के चयन, अन्वेषण और मॉडलिंग की प्रक्रिया है ताकि नियमितताओं या संबंधों को ढूंढा जा सके जो पहले अज्ञात थे ताकि डेटाबेस के मालिक के लिए स्पष्ट और लाभकारी परिणाम प्राप्त हो सकें।
यह कंप्यूटर एल्गोरिदम या सांख्यिकीय तकनीकों के उपयोग तक सीमित नहीं है। यह एक व्यावसायिक खुफिया प्रक्रिया (business intelligence process) है जिसे कंपनी के निर्णयों का समर्थन करने के लिए सूचना प्रौद्योगिकी के साथ मिलकर उपयोग किया जा सकता है।
डेटा माइनिंग डेटा साइंस (Data Science) के समान है। यह एक व्यक्ति द्वारा, एक विशेष स्थिति में, एक विशिष्ट डेटा सेट पर, एक उद्देश्य के साथ किया जाता है। इस चरण में टेक्स्ट माइनिंग, वेब माइनिंग, ऑडियो और वीडियो माइनिंग, चित्रात्मक डेटा माइनिंग, और सोशल मीडिया माइनिंग सहित कई प्रकार की सेवाएं शामिल हैं। यह सरल या अत्यधिक विशिष्ट सॉफ्टवेयर के माध्यम से पूरा किया जाता है।
डेटा माइनिंग ने हाल के वर्षों में सूचना बाजार और समाज में बड़े पैमाने पर ध्यान आकर्षित किया है, क्योंकि बड़ी मात्रा में डेटा की व्यापक उपलब्धता और ऐसे डेटा को लाभकारी डेटा और ज्ञान में बदलने की आसन्न आवश्यकता के कारण। प्राप्त जानकारी और ज्ञान का उपयोग उद्योग विश्लेषण, धोखाधड़ी का पता लगाने, उपयोगकर्ता प्रतिधारण, उत्पादन नियंत्रण और वैज्ञानिक अन्वेषण जैसे सॉफ्टवेयर के लिए किया जा सकता है।
डेटा माइनिंग को डेटा प्रौद्योगिकी की प्राकृतिक प्रगति के परिणाम के रूप में माना जा सकता है। डेटाबेस सिस्टम बाजार ने निम्नलिखित कार्यात्मकताओं के विकास में एक विकासवादी दिशा का समर्थन किया है जिसमें डेटा संग्रह और डेटाबेस निर्माण, डेटा प्रबंधन, और उन्नत डेटा विश्लेषण शामिल हैं।
उदाहरण के लिए, डेटा संग्रह और डेटाबेस निर्माण संरचना के हालिया विकास ने डेटा भंडारण और पुनर्प्राप्ति, और क्वेरी और लेनदेन प्रसंस्करण के लिए एक प्रभावी संरचना के बाद के विकास के लिए आवश्यक शर्त के रूप में कार्य किया। विभिन्न डेटाबेस सिस्टम क्वेरी और लेनदेन प्रसंस्करण को सामान्य अभ्यास के रूप में प्रदान करने के साथ, उन्नत डेटा विश्लेषण अगले उद्देश्य के रूप में विकसित हुआ है।
डेटा को कई प्रकार के डेटाबेस और डेटा रिपॉजिटरी में सहेजा जा सकता है। एक डेटा रिपॉजिटरी संरचना जो डेटा वेयरहाउस में दिखाई दी है, एक एकीकृत स्कीमा के तहत एक व्यक्तिगत साइट पर आयोजित कई विषम डेटा स्रोतों का एक भंडार है जो प्रबंधन निर्णय लेने का समर्थन करता है।
डेटा वेयरहाउस तकनीक में डेटा सफाई, डेटा एकीकरण, और ऑनलाइन विश्लेषणात्मक प्रसंस्करण (OLAP) शामिल हैं, विशेष रूप से, सारांशीकरण (summarization), समेकन (consolidation), और एकत्रीकरण (aggregation) जैसी कार्यात्मकताओं के साथ विश्लेषण तकनीकें, और कई कोणों से डेटा देखने की क्षमता।
