selama beberapa tahun terakhir ada peningkatan dramatis dalam jumlah catatan atau fakta yang disimpan secara elektronik. selama beberapa dekade terakhir telah terjadi pertumbuhan dramatis dalam jumlah informasi yang disimpan secara elektronik. Sebelumnya telah dibayangkan bahwa jumlah informasi di dunia internasional akan berlipat ganda setiap dua puluh bulan dan jumlah ukuran basis data akan berkembang lebih cepat dari itu.
era database saat ini memungkinkan untuk menyimpan sejumlah besar fakta dan mengumpulkannya. ini adalah di mana muncul masalah ledakan informasi . jumlah informasi yang tak terduga sangat besar. data yang ingin disimpan, namun yang lebih penting dari ini adalah metode penemuan statistik yang disimpan melalui database. akibatnya, informasi yang disimpan dalam gudang statistik yang dikenal sebagai warehouse perlu dianalisis.
Untuk mengendalikan ledakan informasi atau jumlah informasi yang begitu besar dibutuhkan sebuah teknik, di mana teknik ini disebut dengan teknik data mining.
Teknik data mining merupakan sebuah metode yang bisa diterapkan pada banyak bidang. Mak dari itu, teknik ini harus disesuaikan pada permasalahan atau sesuai kebutuhan pengguna. Terdapat tujuh klasifikasi dari teknik data mining yang dapat dibedakan dengan berdasarkan cara kerjanya, seperti berikut ini.
1. Tracking patterns
Tracking patterns adalah teknik  untuk mengisyaratkan pola atau kumpulan peristiwa. Pendekatan ini bekerja untuk menemukan suatu pola dalam kejadian-kejadian yang berurutan (sequence). teknik ini  dapat menemukan masalah pada jangka waktu tertentu, termasuk permintaan produk selama akhir pekan atau kisaran orang yang mengunjungi situs web Anda selama situasi iklim tertentu.
2. Classification
teknik classification merupakan tipe yang memerlukan strategi penambangan statistik yang lebih kompleks karena faktanya mereka mengharuskan Anda untuk mengumpulkan semua informasi dari kategori yang dipilih. Cara ini paling banyak digunakan. Anda dapat menggunakannya pada informasi organisasi sesuai dengan label yang Anda butuhkan. sebagai contoh, terutama berdasarkan catatan keuangan dan transaksi, Anda dapat mengklasifikasikan klien ke dalam risiko kredit rendah, sedang, atau berlebihan.
3. Association
kelas penambangan statistik berikut adalah association, analisis keranjang pasar yang terkait dengan iklan produk. Analisis keranjang bertujuan untuk menemukan atau mengetahui produk yang sering dibeli secara bersamaan dengan bantuan klien. misalnya, saat membeli camilan kentang positif, klien juga membeli minuman kemasan soda. dengan memahami kebiasaan klien seperti ini, organisasi juga dapat memberi label barang tertentu sebagai "manusia juga membeli ini" di pasar.
4. Outlier detection
