數據挖掘（Data Mining）是指通過大量數據集進行分類的自動化過程，以通過數據分析來識別趨勢和模式，建立關系來解決業務問題。換句話說，數據挖掘是從大量的、不完全的、有噪聲的、模糊的、隨機的數據中提取隱含在其中的、人們事先不知道的、但又是潛在有用的信息和知識的過程。
原則上講，數據挖掘可以應用於任何類型的信息存儲庫及瞬態數據（如數據流），如數據庫、數據倉庫、數據集市、事務數據庫、空間數據庫（如地圖等）、工程設計數據（如建築設計等）、多媒體數據（文本、圖像、視頻、音頻）、網絡、數據流、時間序列數據庫等。也正因如此，數據挖掘存在以下特點：
（1）數據集大且不完整
數據挖掘所需要的數據集是很大的，只有數據集越大，得到的規律才能越貼近於正確的實際的規律，結果也才越準確。除此以外，數據往往都是不完整的。
（2）不準確性
數據挖掘存在不準確性，主要是由噪聲數據造成的。比如在商業中用戶可能會提供假數據；在工廠環境中，正常的數據往往會收到電磁或者是輻射幹擾，而出現超出正常值的情況。這些不正常的絕對不可能出現的數據，就叫做噪聲，它們會導致數據挖掘存在不準確性。
（3）模糊的和隨機的
數據挖掘是模糊的和隨機的。這裏的模糊可以和不準確性相關聯。由於數據不準確導致只能在大體上對數據進行壹個整體的觀察，或者由於涉及到隱私信息無法獲知到具體的壹些內容，這個時候如果想要做相關的分析操作，就只能在大體上做壹些分析，無法精確進行判斷。
而數據的隨機性有兩個解釋，壹個是獲取的數據隨機；我們無法得知用戶填寫的到底是什麽內容。第二個是分析結果隨機。數據交給機器進行判斷和學習，那麽壹切的操作都屬於是灰箱操作。