Big data dan data mining adalah dua hal yang berbeda. Keduanya berhubungan dengan penggunaan set data besar untuk menangani pengumpulan atau pelaporan data yang melayani bisnis atau penerima lainnya. Namun, kedua istilah tersebut digunakan untuk dua elemen berbeda dari jenis operasi ini.

Data besar adalah istilah untuk kumpulan data besar. Kumpulan data besar adalah mereka yang melampaui jenis sederhana dari database dan arsitektur penanganan data yang digunakan pada masa sebelumnya, ketika data besar lebih mahal dan kurang layak. Misalnya, kumpulan data yang terlalu besar untuk ditangani dengan mudah dalam spreadsheet Microsoft Excel dapat disebut sebagai kumpulan data besar.

Penambangan data mengacu pada aktivitas melalui kumpulan data besar untuk mencari informasi yang relevan atau relevan. Jenis kegiatan ini benar-benar contoh yang baik dari aksioma lama "mencari jarum di tumpukan jerami." Idenya adalah bahwa bisnis mengumpulkan kumpulan data besar yang mungkin homogen atau secara otomatis dikumpulkan. Pembuat keputusan membutuhkan akses ke data yang lebih kecil dan lebih spesifik dari perangkat besar itu. Mereka menggunakan penambangan data untuk mengungkap informasi yang akan menginformasikan kepemimpinan dan membantu memetakan arah untuk bisnis. Penambangan data dapat melibatkan penggunaan berbagai jenis paket perangkat lunak seperti alat analisis. Ini dapat diotomatisasi, atau sebagian besar padat karya, di mana pekerja individu mengirimkan pertanyaan spesifik untuk informasi ke arsip atau database. Umumnya, penambangan data mengacu pada operasi yang melibatkan operasi pencarian yang relatif canggih yang mengembalikan hasil yang ditargetkan dan spesifik. Misalnya, alat penambangan data dapat melihat melalui puluhan tahun informasi akuntansi untuk menemukan kolom pengeluaran atau piutang yang spesifik untuk tahun operasi tertentu. Singkatnya, big data adalah aset dan data mining adalah "penangan" yang digunakan untuk memberikan hasil yang bermanfaat. Saat ini di dunia teknologi sedang diramaikan oleh machine learning dan kecerdasan buatan atau dalam bahasa Inggrisnya Artificial Intelligence (AI), teknologi machine learning dan artificial intelligent ini dapat membantu perkembangan bisnis dan menentukan arah bisnis di masa yang akan datang. Irisan ilmu pengetahuan dari artificial intelligent dan machine learning salah satunya adalah data mining. Data mining pada dasarnya memiliki keterkaitan yang panjang dari bidang ilmu seperti kecerdasan buatan, machine learning, statistika dan juga basis data. Data mining adalah istilah ataupun konsep yang digunakan untuk menemukan informasi baru yang tersembunyi di dalam suatu data yang besar, dalam proses ekstraksi dan mengidentifikasi informasi potensial dan bermanfaat yang tersimpan di dalam suatu data yang besar data mining menggunakan teknik statistika, matematika, kecerdasan buatan dan juga machine learning.

Data mining sekarang ini memiliki peran penting dalam memberikan informasi yang berguna untuk menentukan arah bisnis perusahaan di era digital bahkan dengan adanya permasalahan big data seperti sekarang ini. Pada era digital dan perkembangan teknologi semakin pesat perusahaan sebagai pelaku bisnis dituntut untuk selalu berinovasi dalam memperluas jangkauan bisnisnya dan juga mengatasi persaingan antar pelaku bisnis yang semakin kompetitif dan ketat untuk memasuki dan mempertahankan segmentasi pasar bisnisnya. Perusahaan sebagai pelaku bisnis tentunya menginginkan bisnisnya tumbuh dan berkembangan, namun tidak bisa dipungkiri juga ada perusahaan yang menutup perusahaanya karena tidak dapat bersaing dengan kompetitornya ataupun tidak mendapatkan pasar sebagai target bisnisnya. Oleh sebab itu keputusan bisnis berupa perencanaan yang strategis dan sistematis dengan tujuan membentuk dan berinovasi tentang usaha yang dilakukan dalam melaksanakan kegiatan bisnisnya.

Dalam mendukung keputusan bisnis peran teknologi terutama data mining seperti diungkit sebelumnya data mining memiliki peran penting apalagi dalam beberapa kurun waktu terakhir perkembangan data dalam bidang bisnis semakin membesar baik itu dari segi data kuantitas maupun penggunaanya. Data yang besar atau bisa disebut juga dengan data warehouse ini merupakan data yang disimpan dari hasil penggunaan sebelum-sebelumnya. Bisa dibayangkan berapa jumlah data yang tersimpan dari hasil penggunaan dari tahun-tahun sebelumnya tentunya pasti sangat banyak bukan. Untuk menangani dan mengekstraksi data dalam jumlah yang sangat besar tentunya sudah tidak relevan dengan menganalisa secara manual atau cara tradisional, maka dari itu data mining adalah solusi dari permasalahan big data ini. Data mining terbagi menjadi beberapa bagian atau teknik berdasarkan fungsi dan tugas yang dapat dilakukan ataupun tujuan yang dapat dihasilkan, secara garis besar data mining memiliki beberapa teknik atau bagian diantaranya sebagai berikut :

1. Classification

Klasifikasi merupakan teknik data mining dengan meninjau pada kelakuan dan atribut dari kelompok data yang telah didefinisikan. Teknik ini bisa memperoleh klasifikasi pada data baru dengan memanipulasi data yang ada dan menggunakan hasilnya untuk memberikan sejumlah aturan klasifikasi. Salah satu contoh metode klasifikasi yang cukup populer adalah Decision Tree dikarenakan mudah untuk diinterpretasi.

2. Association

Asosiasi merupakan teknik data mining yang digunakan dalam mengenali pola dari kejadian-kejadian atau peristiwa dimana hubungan asosiasi muncul pada setiap kejadian. Salah satu contoh metode asosiasi yang cukup populer adalah Apriori karena dapat menganalisa kemungkinan seseorang untuk membeli item atau produk secara bersamaan apabila dalam sebuah perniagaan.

3. Clustering

Pengklusteran merupaka teknik data mining yang digunakan dalam menganalisa pengelompokan terhadap data sehingga item bisa dibagi menjadi beberapa kelompok berdasarkan aturan yang ditemukan pada proses mining, mungkin terkesan mirip dengan klasifikasi, hanya saja pada pengklusteran pengelompokan belum didefinisikan. Salah satu contoh metode ckustering yang cukup populer seperti metode neural network, K-Means dan lain sebagainya.
Secara luas teknik data mining dalam menganalisa atau menggali data mempunyai beberapa teknik lain seperti estimasi, prediksi dan deskripsi. Teknik data mining dapat disesuaikan dengan tujuan apa yang ingin dicapai atau diraih pada saat proses data mining terhadap data yang berjumlah besar tersebut.

Tidak hanya bermanfaat untuk memberikan informasi atau insight bagi perusahaan sebagai pelaku bisnis, data mining juga bisa digunakan untuk kepentingan-kepentingan lain, seperti politik, misalnya PoliticaWave pernah melakukan analisa data di jejaring sosial Twitter, Facebok berkaitan dengan pemilihan gubernur di Jawa Barat. Untuk kepentingan kesehatan misalkan analisa data terhadap jenis makanan yang dimakan terhadap salah satu penyakit tertentu.