1、分類：找出資料庫中一組資料物件的共同特點並按照分類模式將其劃分為不同的類，其目的是透過分類模型，將資料庫中的資料項對映到某個給定的類別。它可以應用到客戶的分類、客戶的屬性和特徵分析、客戶滿意度分析、客戶的購買趨勢預測等。

2、迴歸分析：反映的是事務資料庫中屬性值在時間上的特徵，產生一個將資料項對映到一個實值預測變數的函式，發現變數或屬性間的依賴關係，其主要研究問題包括資料序列的趨勢特徵、資料序列的預測以及資料間的相關關係等。

3、聚類分析：把一組資料按照相似性和差異性分為幾個類別，其目的是使得屬於同一類別的資料間的相似性儘可能大，不同類別中的資料間的相似性儘可能的小。

4、關聯規則：描述資料庫中資料項之間所存在的關係的規則，即根據一個事務中某些項的出現可到處另一些項在同一事物中也出現，即隱藏在資料間的關聯或相互關係。

5、特徵分析：從資料庫中的一組資料中提取出關於這些資料的特徵式，這些特徵式表達了該資料集的總體特徵。

6、變化和偏差分析：偏差包括很大一類潛在有趣的知識，如分類中的反常例項，模式的例外，觀察結果對期望的偏差等，其目的是尋找觀察結果與參照量之間有意義的差別。

7、Web頁挖掘：隨著Internet的迅速發展及Web的全球普及，使得Web上的資訊量無比豐富，透過對Web的挖掘，可以利用Web的海量資料進行分析，收集有關的資訊。