Datu ieguve ir sistemātiska liela datu apjoma meklēšana, lai atrastu likumsakarības, saistības un anomālijas. Tā izmanto statistikas paņēmienus un mašīnmācīšanās metodes, piemēram, klasterizāciju, klasifikāciju vai asociāciju analīzi. Klasisks piemērs ir pirkumu groza analīze mazumtirdzniecībā, kas parāda, kuras preces bieži tiek pirktas kopā — tā ir pamats sortimentam, preču izvietojumam un ieteikumiem.
Likumsakarību atpazīšana ir automātiska regularitāšu, struktūru vai atkārtotu pazīmju noteikšana datos, piemēram, attēlos, skaņās, tekstos vai mērījumos. Sistēmas piešķir jaunus novērojumus zināmām kategorijām vai atklāj grupas bez iepriekš definētām etiķetēm. Pielietojumi ir sejas atpazīšana, rokraksta atpazīšana, kvalitātes kontrole ražošanā un neparastu darījumu atklāšana. Šī disciplīna ir svarīgs mašīnmācīšanās pamats.
Klasterizācija ir nepārraudzītas mācīšanās metode, kas sadala datu punktus grupās pēc to līdzības bez iepriekš noteiktām kategorijām. Tā atklāj modeļus, kurus neviens iepriekš nav nosaucis, – piemēram, klientu segmentus ar līdzīgu pirkšanas uzvedību. Tekstu gadījumā klasterizācija palīdz sakārtot simtiem klientu pieprasījumu tēmās, piemēram, piegāde, rēķini vai sūdzības, un parāda, kur ir uzsvars.
Prognozējošā analītika izmanto vēsturiskus datus, statistiku un mašīnmācīšanos, lai novērtētu iespējamus nākotnes notikumus. Tā atbild uz tādiem jautājumiem kā: kuri klienti drīz atteiksies? Cik daudz krājumu nākamajā mēnesī būs vajadzīgs? Kad iekārta, visticamāk, sabojāsies? Rezultāti ir varbūtības, nevis noteiktība. To vērtība lielā mērā atkarīga no datu kvalitātes un no tā, vai prognozes patiešām tiek izmantotas lēmumos un procesos.
Izpētes datu analīze (EDA) ir pirmais, atvērtais skatiens uz datu kopu: aprēķina kopsavilkuma rādītājus, aplūko sadalījumus un diagrammas un meklē likumsakarības, izņēmumus un trūkstošās vērtības — vēl bez noteiktas hipotēzes. Tā palīdz novērtēt datu kvalitāti un atrast jēgpilnus jautājumus tālākai analīzei vai modelēšanai. Piemērs: pirms pārdošanas prognozes EDA atklāj, ka kāds mēnesis sistēmas migrācijas dēļ ierakstīts nepilnīgi.
