1.模式跟踪
模式跟踪是数据挖掘的一项基本技术。它旨在通过识别和监视数据中的趋势或模式，以对业务成果形成智能推断。例如，企业可以用它来识别销售数据的发展趋势。如果发现某种产品在某些特定人群中的销售情况，要好于其他产品，那么该企业便可以据此来创建类似的产品或服务，甚至只是简单地为此类人群增加原始产品的库存。
2.数据清理和准备
作为数据挖掘过程中的一个重要环节，我们必须对原始数据进行清理和格式化，以用于各种后续的分析。具体而言，数据的清理和准备工作包含了：数据建模，转换，迁移，集成和聚合等各种元素。这是理解数据基本特征和属性，进而确定其最佳用途的必要步骤。
3.分类
基于分类的数据挖掘技术，主要涉及到分析各种类型数据之间的关联属性。一旦确定了数据类型的关键特征，企业便可以对它们进行分类。企业可以据此判定是该保护，还是该删除某些个人身份信息。
4.异常值(Outlier)检测
异常值检测可被用于识别数据集中的异常情况。企业在发现数据中异常值后，可以通过防范此类事件的发生，以顺利实现业务目标。例如，信用卡系统在某个特定时段出现使用和交易的高峰，那么企业便可以通过分析了解到，可能是由于“大促”所致，并为将来的此类活动做好资源上的事先部署与准备。
5.关联
关联是一种与统计学相关的数据挖掘技术。它旨在建立某些数据与其他数据、或数据驱动型事件的联系。它与机器学习中的“共现(co-occurrence)”概念相似，即：某个基于数据的事件的发生概率，是由另一个事件的存在性所标识的。例如，用户购买汉堡这一行为，往往会伴随着购买薯片的可能性。两者之间有着较强的关联性，却又不是绝对的伴生关系。
6.聚类
聚类是一种依靠可视化方法，来理解数据的分析技术。聚类机制使用图形或颜色，来显示数据在不同类别指标下的分布情况。通过图形式的聚类分析，用户可以直观地获悉数据随业务目标发展的趋势。
7.回归
作为一种简单的白盒技术，回归技术可被用于识别出，数据集中变量之间的因果关系、或相关性质。它在数据建模和预测等方面非常实用。
8.顺序模式
此类数据挖掘技术关注于发现和挖掘一系列顺序发生的事件，因此常被用于事务性的数据环境中。例如，它可以预测某个顾客在最初购买了某种样式的鞋后，最有可能去购买哪些相配的服装。顺序模式可以帮助企业向客户推荐并销售其他增值项产品。
9.预测
预测分析是指在当前或历史的数据中，对发现到的模式进行扩展，以便企业根据现有数据，洞察到即将发生的趋势。我们既可以使用简单的算法，又可以运用高级的机器学习和人工智能来实现预测分析。
10.决策树
作为一种特定类型的预测模型，决策树可以让企业有效地提取所需的数据。从技术上说，决策树属于一种极其简单的“白盒”类机器学习技术。而从效果上说，决策树能够使用户清楚地了解到，输入数据是如何影响结果的。当有多个决策树模型被组合在一起时，它们将创建所谓随机森林的预测分析模型。由于输入并不总能被轻易地猜测其输出结果，因此复杂的随机森林模型常被视为“黑盒”类机器学习技术。当然，在大多数情况下，相比单纯地使用决策树，集成建模的基本形式要更为准确一些。
11.神经网络
作为一种特定类型的机器学习模型，神经网络通常能够与AI、以及深度学习协同使用。由于该网络具有类似于人脑中神经元的不同功能层，因此它被誉为目前最精确的机器学习模型之一。
12.可视化
数据可视化可以在数据挖掘的过程中，为用户提供可查看到的数据视图。目前，数据可视化可用于实时数据流的传输场景中，以不同的颜色、动态地展示数据中的不同趋势和模式。企业不仅能够使用统计模型中的数值结果，还可以用基于不同指标的仪表板，来可视化地突显数据中的模式。
13.统计技术
作为数据挖掘过程的核心，统计技术基于统计的概念，利用不同的分析模型，产生适用于特定业务目标的数值。例如，神经网络可以使用基于不同权重和度量的复杂统计信息，来确定被输入到图像识别系统中的图片上，到底是狗、还是猫。
14.长时记忆处理(Long-term Memory Processing)
长时记忆处理是指能够长时间分析数据的能力。那些存储在数据仓库中的历史数据可被用于此目的。企业需要通过长时分析，来识别出原本难以检测到的模式。例如，通过分析过去几年的人员流失情况，企业可以找到可能导致账务恶化的蛛丝马迹。
15.数据仓库
从传统上说，数据仓库是将结构化的数据，存储在关系型数据库管理系统中，以便对其进行商业智能化分析、报告，并提供基本的仪表板显示。目前，业界有基于云端的数据仓库、以及半结构化和非结构化的数据仓库(如Hadoop)。过去，数据仓库主要处理的是历史数据。如今，它也能够利用各种现代化技术与方法，实时地提供对于数据的深入分析。
16.机器学习与人工智能
诸如深度学习之类的高级机器学习形式，在处理大规模的数据时，可以提供较高准确性的预测。因此，它们可以被用在实施AI过程中的数据处理，其中包括：计算机视觉、语音识别、以及使用自然语言处理的复杂文本分析等。此类数据挖掘技术有助于识别半结构化和非结构化的数据价值。