Huvudskillnad: Data Mining är faktiskt analys av data. Det är den datorassisterade processen att gräva igenom och analysera enorma uppsättningar data som antingen har sammanställts av datorn eller har blivit inmatade i datorn. Datalagring är processen att sammanställa information eller data i ett datalager. Ett datalager är en databas som används för att lagra data.
Syftet med data mining, även känd som kunskapsupptäckt, är att tillåta företag att se dessa beteenden, trender och / eller relationer och att kunna faktorera dem inom sina beslut. Detta gör det möjligt för företagen att göra proaktiva, kunskapsbaserade beslut.
Uttrycket "data mining" härrör från det faktum att processen med data mining, dvs att söka efter relationer mellan data, liknar gruvdrift och sökning efter värdefulla material. Data mining verktyg använder artificiell intelligens, maskininlärning, statistik och databas system för att hitta korrelationer mellan data. Dessa verktyg kan hjälpa till att svara på affärsfrågor som traditionellt var för tidskrävande att lösa.
Data Mining innehåller olika steg, bland annat de råa analyssteg, databas- och datahanteringsaspekter, databearbetning, modell och inferens överväganden, intressenhetsmått, komplexitetshänsyn, efterbehandling av upptäckta strukturer, visualisering och uppdatering online.
Syftet med ett datalager är att tillhandahålla flexibel åtkomst till data till användaren. Datalagring refererar i allmänhet till kombinationen av många olika databaser över hela företaget.
Huvudskillnaden mellan datalagring och datautvinning är att datalagring är processen att sammanställa och organisera data i en gemensam databas, medan datautvinning är processen att extrahera meningsfulla data från den databasen. Data mining kan endast göras när data lagring är klar.