數據挖掘技術是經由自動或半自動的方法探勘及分析大量的資料，以創建有效的模型及規則，而企業通過數據挖掘可以更加了解他們的客戶，進而改進他們的行銷、業務及客服的運作。 數據挖掘是數據倉庫的一種重要運用。基本上，它是用來將你的資料中隱藏的資訊挖掘出來，所以 Data Mining 其實是所謂的 Knowledge Discovery 的一部份，Data Mining 使用了許多統計分析與 Modeling 的方法，到資料中尋找有用的特征（Patterns）以及關連性（Relationships）。 Knowledge Discovery 的過程對 Data Mining 的應用成功與否有重要的影響，只有它才能確保 Data Mining 能獲得有意義的結果。

數據挖掘和OLAP同為分析工具，其差別在于OLAP提供用戶一便利的多維度觀點和方法，以有效率的對數據進行復雜的查詢動作，其預設查詢條件由用戶預先設定，而數據挖掘，則能由資訊系統主動發掘資料來源中未曾被查覺的隱藏資訊，和透過用戶的認知以產生信息。

數據挖掘是計算機科學的一個分支，涉及從大型數據集的提取。這些過程會結合使用統計方法和人工智能。數據挖掘在現代企業把原始數據轉換為人工智能的來源。對數據進行操縱，因此能夠提供可靠的信息，可以用于決策。這給企業的競爭帶來很大的優勢，可以依靠他們的數據集提供情報。數據挖掘也被組織在分析實踐包括營銷、監測科學和檢測欺詐行為等各個方面。

還有其他常見的術語與數據挖掘相關的可能，比如數據釣魚、數據窺探等。所有這些指向不同的數據挖掘應用于抽樣較小的數據集，用于生產統計和推斷。

數據倉庫可以作為數據挖掘和OLAP等分析工具的資料來源，由于存放于數據倉庫中的資料，必需經過篩選與轉換，因此可以避免分析工具使用錯誤的資料，而得到不正確的分析結果。

另一方面，數據倉庫是一個術語，描述一個系統在一個組織中所使用的數據的集合。這些數據收集在數據倉庫提供的是事務性系統，如發票，購買記錄，甚至貸款記錄。各個點的數據記錄被創建然后集合在一起，就是數據倉庫。該數據倉庫給出的數據報告可以幫助用戶業務信息，從而做出有效的決策。

總結：

數據挖掘就是從大量數據中提取數據的過程。
數據倉庫是匯集所有相關數據的一個過程。
數據挖掘和數據倉庫都是商業智能工具集合。
數據挖掘是特定的數據收集。
數據倉庫是一個工具來節省時間和提高效率，將數據從不同的位置不同區域組織在一起。
數據倉庫三層，即分段、集成和訪問。