数据挖掘技术是经由自动或半自动的方法探勘及分析大量的资料，以创建有效的模型及规则，而企业通过数据挖掘可以更加了解他们的客户，进而改进他们的行销、业务及客服的运作。 数据挖掘是数据仓库的一种重要运用。基本上，它是用来将你的资料中隐藏的资讯挖掘出来，所以 Data Mining 其实是所谓的 Knowledge Discovery 的一部份，Data Mining 使用了许多统计分析与 Modeling 的方法，到资料中寻找有用的特征（Patterns）以及关连性（Relationships）。 Knowledge Discovery 的过程对 Data Mining 的应用成功与否有重要的影响，只有它才能确保 Data Mining 能获得有意义的结果。
数据挖掘和OLAP同为分析工具，其差别在于OLAP提供用户一便利的多维度观点和方法，以有效率的对数据进行复杂的查询动作，其预设查询条件由用户预先设定，而数据挖掘，则能由资讯系统主动发掘资料来源中未曾被查觉的隐藏资讯，和透过用户的认知以产生信息。
数据挖掘是计算机科学的一个分支，涉及从大型数据集的提取。这些过程会结合使用统计方法和人工智能。数据挖掘在现代企业把原始数据转换为人工智能的来源。对数据进行操纵，因此能够提供可靠的信息，可以用于决策。这给企业的竞争带来很大的优势，可以依靠他们的数据集提供情报。数据挖掘也被组织在分析实践包括营销、监测科学和检测欺诈行为等各个方面。
还有其他常见的术语与数据挖掘相关的可能，比如数据钓鱼、数据窥探等。所有这些指向不同的数据挖掘应用于抽样较小的数据集，用于生产统计和推断。
数据仓库可以作为数据挖掘和OLAP等分析工具的资料来源，由于存放于数据仓库中的资料，必需经过筛选与转换，因此可以避免分析工具使用错误的资料，而得到不正确的分析结果。
另一方面，数据仓库是一个术语，描述一个系统在一个组织中所使用的数据的集合。这些数据收集在数据仓库提供的是事务性系统，如发票，购买记录，甚至贷款记录。各个点的数据记录被创建然后集合在一起，就是数据仓库。该数据仓库给出的数据报告可以帮助用户业务信息，从而做出有效的决策。
总结：
数据挖掘就是从大量数据中提取数据的过程。
数据仓库是汇集所有相关数据的一个过程。
数据挖掘和数据仓库都是商业智能工具集合。
数据挖掘是特定的数据收集。
数据仓库是一个工具来节省时间和提高效率，将数据从不同的位置不同区域组织在一起。
数据仓库三层，即分段、集成和访问。
