Tietojen louhinnan analyysi voi olla hyödyllinen prosessi, joka tuottaa erilaisia tuloksia riippuen tietojen arvioinnissa käytetystä algoritmista. Yleisiä tiedonlouhinta -analyysityyppejä ovat tutkiva tietoanalyysi (EDA), kuvaileva mallinnus, ennustava mallinnus sekä mallien ja sääntöjen löytäminen. Kunkin näiden tiedonlouhintatyökalujen hyödyntäminen tarjoaa erilaisen näkökulman kerättyihin tietoihin. Näitä tekniikoita käyttävät ammattilaiset voivat hankkia lisätietoa huolenaiheesta tai -ongelmasta käytetyn analyysityökalun perusteella.
Koska tiedonlouhinnan analysointityökalut tarjoavat erilaisia tuloksia, kun niitä käytetään, on syytä harkita kunkin perusarviointia. Tutkimusdata -analyysi eli EDA sisältää tietojoukon tarkistamisen ilman selkeitä tulostavoitteita tutkittavaksi. Tietoa määrittäviä muuttujia käytetään perustana visuaalisten esitysten tarjoamisessa tutkijalle. Muuttujien lukumäärän kasvaessa tämä analyysityökalu voi heikentyä tietojen visualisoinnissa.
Kuvaava mallinnus on tiedon louhinnan analyysityökalu, jota käytetään kuvaamaan kollektiivisesti kaikkia tietyn tietojoukon tietoja. Erityisesti tämä lähestymistapa syntetisoi kaikki tiedot tarjotakseen tietoja haetuissa tiedoissa olevista suuntauksista, segmenteistä ja klustereista. Kuvaavaa tiedonlouhinta -analyysiä käytetään yleisesti mainonnassa. Yksi esimerkki tästä on markkinoiden segmentointi, jossa markkinoijat ottavat suurempia asiakasryhmiä ja segmentoivat ne homogeenisten ominaisuuksien mukaan.
Muita työkaluja ovat myös ennustava mallinnus. Ennakoivaan mallintamiseen kuuluu olemassa olevaan tietoon perustuvan mallin kehittäminen. Mallia käytetään sitten perustana ennustettaessa toista muuttujaa, joka on merkityksellinen tarkastettujen tietojen kannalta. Termi “ennakoiva” osoittaa, että tämä tiedonlouhintatyökalu voi antaa käyttäjälle mahdollisuuden ennustaa jonkin arvon sen perusteella, mitä tiedetään tietojoukossa. Markkinoijat voivat käyttää ennakoivaa analyysiä määrittääkseen, mitä tuotteita asiakkaat etsivät. Nykyisten ostotrendien perusteella markkinoijat voivat ehkä ennustaa, mitkä uudet tuotteet voivat olla suosittuja tulevaisuudessa.
Kuvioiden ja sääntöjen löytäminen eroaa kuvaavista ja ennakoivista tiedonlouhintatyökaluista. Vaikka kuvaavat ja ennustavat työkalut käyttävät mallin rakentamista analyysin perustana, mallien ja sääntöjen löytäminen keskittyy tietojen mallien tunnistamiseen. Esimerkiksi päivittäistavarakaupoissa työskentelevät markkinoijat käyttävät usein tätä tiedon louhinnan analyysityökalua keinona määrittää ostotottumuksia. Määrittämällä, mitä tuotteita asiakkaat ostavat jatkuvasti samassa järjestyksessä, voidaan kehittää kohteisiin kohdistettuja tarjouksia.