1. Deskriptif

Fungsi deskriptif dari data mining ini lebih berfokus pada pemahaman data sehingga pengolahan datanya bisa lebih teliti dan mendalam. Fungsi data mining ini bertujuan agar perusahaan bisa menemukan pola dan karakteristik dalam data. Melalui fungsi tersebut, perusahaan dapat mendeteksi data tertentu yang awalnya tidak terlihat. 

2. Prediktif

Prediktif merupakan fungsi data mining yang bermanfaat untuk menemukan pola khusus dari data yang digunakan. Atau, bisa memprediksi nilai dari atribut tertentu berdasarkan dari atribut-atribut lainnya. 

Berkaitan dengan hal tersebut, atribut yang diprediksi dikenal sebagai variabel tak bebas. Sementara, atribut yang dimanfaatkan dalam prediksi disebut variabel bebas atau explanatory.  

3. Asosiasi

Asosiasi adalah fungsi data mining yang tujuannya untuk mengidentifikasi hubungan atau relasi dari setiap data yang ada. Hal ini sejalan dengan istilahnya, asosiasi dipergunakan untuk mengenali dari setiap hubungan atau kejadian yang muncul pada data. 

Dalam pengaplikasiannya, teknik pemecahan masalah yang sering digunakan pada asosiasi ini contohnya adalah Algoritma Apriori. Contoh studi kasusnya, bisa ditemui dari aktivitas marketing seperti saat minimarket melakukan penataan produk yang dijual diurutkan berdasarkan produk terlaris. 

Asosiasi dalam data mining juga biasa dikenal sebagai market basket analysis (analisa keranjang pasar) sehingga penggunaannya erat dengan pemasaran. Sebab itu, asosiasi sering dimanfaatkan untuk mengidentifikasi produk terlaris. Dengan begitu, perusahaan dapat menemukan strategi yang tepat untuk meningkatkan atau mempertahankan penjualan dari produk tersebut. 

4. Klasifikasi

Sesuai namanya, fungsi data mining ini untuk mengelompokkan atau mengklasifikasikan objek-objek dalam data yang memiliki kemiripan. Klasifikasi ini akan membantu proses penemuan definisi dari tiap kesamaan dari suatu kelompok atau kelas. 

Klasifikasi termasuk fungsi data mining yang umum digunakan. Dari metode tersebut, dapat diketahui perkiraan kelas dari suatu objek yang secara label belum diketahui. 

5. Clustering

Jika klasifikasi lebih mengarah pada pengelompokkan, maka clustering fungsinya untuk mengidentifikasi kelompok atau produk yang mempunyai karakteristik khusus. Hal ini akan memudahkan perusahaan untuk mengetahui persebaran pada kelompok-kelompok tertentu. 

6. Forecasting

Peramalan atau forecasting bertujuan untuk memperkirakan data seputar peramalan dari bisnis, misalnya jumlah permintaan suatu produk pada masa mendatang. Teknik forecasting dalam data mining juga membantu untuk menggambarkan nilai dari suatu data kedepannya. Ini sangatlah membantu perusahaan sebagai sumber acuan dalam merancang strategi bisnis karena ditunjang oleh data prediksi penjualan. 

7. Sequencing

Fungsi data mining ini, yaitu menemukan pola dari serangkaian kejadian atau sequence. Melalui sequencing ini, dapat diketahui urutan pola dari sebuah bisnis. Informasi ini sangatlah berguna bagi perusahaan untuk menganalisis pola customer experience. 

Dengan teknik tersebut, perusahaan dapat meninjau langkah awal perjalanan konsumen dari mengenal produk hingga berhasil melakukan pembelian