Andmekaeve on suurte andmehulkade süstemaatiline läbivaatamine mustrite, seoste ja anomaaliate leidmiseks. Selleks kasutatakse statistilisi võtteid ja masinõppemeetodeid, näiteks klasterdamist, klassifitseerimist või assotsiatsioonianalüüsi. Klassikaline näide on kaubandusliku ostukorvi analüüs, mis näitab, milliseid tooteid ostetakse sageli koos – see on aluseks sortimendile, paigutusele ja soovitustele.
Mustrituvastus on andmetes, näiteks piltides, helides, tekstides või mõõtmistulemustes, esinevate seaduspärasuste, struktuuride või korduvate tunnuste automaatne tuvastamine. Süsteemid määravad uued vaatlused tuntud kategooriatesse või avastavad rühmi ilma ette antud siltideta. Rakenduste hulka kuuluvad näo- ja käekirjatuvastus, tootmise kvaliteedikontroll ning ebatavaliste tehingute märkamine. See distsipliin on masinõppe oluline alus.
Klasterdamine on juhendamata õppe meetod, mis jagab andmepunktid nende sarnasuse põhjal rühmadesse ilma eelnevalt määratud kategooriateta. See toob esile mustrid, mida keegi pole varem nimetanud – näiteks sarnase ostukäitumisega kliendisegmendid. Tekstide puhul aitab klasterdamine sorteerida sadu kliendipäringuid teemadesse, nagu tarne, arveldamine või kaebused, ja näitab, kus on rõhuasetus.
Ennustav analüütika kasutab ajaloolisi andmeid, statistikat ja masinõpet, et hinnata tõenäolisi tulevasi sündmusi. See vastab küsimustele, nagu: millised kliendid on lepingut lõpetamas? Kui palju varu läheb järgmisel kuul vaja? Millal masin tõenäoliselt rikki läheb? Tulemused on tõenäosused, mitte kindlused. Nende väärtus sõltub suuresti andmete kvaliteedist ja sellest, kas ennustused jõuavad tegelikult otsustesse ja protsessidesse.
Uuriv andmeanalüüs (exploratory data analysis, EDA) on andmestiku esimene vaba pilk: arvutatakse kokkuvõtlikke näitajaid, uuritakse jaotusi ja diagramme ning otsitakse mustreid, kõrvalekaldeid ja puuduvaid väärtusi – ilma kindla hüpoteesita. See aitab hinnata andmekvaliteeti ja leida mõistlikke küsimusi edasiseks analüüsiks või modelleerimiseks. Näide: enne müügiprognoosi selgub EDA abil, et üks kuu on süsteemi üleviimise tõttu poolikult kirjendatud.
