Duomenų gavybos analizė gali būti naudingas procesas, suteikiantis skirtingus rezultatus, priklausomai nuo konkretaus duomenų vertinimo algoritmo. Įprasti duomenų gavybos analizės tipai apima tiriamąją duomenų analizę (EDA), aprašomąjį modeliavimą, nuspėjamąjį modeliavimą ir modelių bei taisyklių atradimą. Kiekvieno iš šių duomenų gavybos įrankių naudojimas suteikia skirtingą požiūrį į surinktą informaciją. Profesionalai, naudojantys šiuos metodus, gali įgyti papildomos įžvalgos apie rūpimą problemą arba problemą, remdamiesi konkrečia naudojama analizės priemone.
Dėl skirtingų rezultatų, kuriuos naudojant duomenų gavybos analizės įrankiai suteikia, tikslinga apsvarstyti kiekvieno iš jų pagrindinę apžvalgą. Tiriamoji duomenų analizė arba EDA apima duomenų rinkinio peržiūrą be jokių aiškių tyrimo rezultatų. Duomenis apibrėžiantys kintamieji naudojami kaip pagrindas tyrėjui pateikti vaizdinius vaizdus. Didėjant kintamųjų skaičiui, šis analizės įrankis gali tapti mažiau veiksmingas vizualizuoti duomenis.
Aprašomasis modeliavimas yra duomenų gavybos analizės įrankis, naudojamas bendrai apibūdinti visus tam tikro duomenų rinkinio duomenis. Tiksliau, šis metodas sintezuoja visus duomenis, kad pateiktų informaciją apie tendencijas, segmentus ir grupes, kurios yra ieškomoje informacijoje. Reklamoje dažniausiai naudojama aprašomoji duomenų gavybos analizė. Vienas iš pavyzdžių yra rinkos segmentavimas, kai rinkodaros specialistai paima didesnes klientų grupes ir segmentuoja jas pagal vienarūšes charakteristikas.
Kiti įrankiai taip pat apima nuspėjamąjį modeliavimą. Nuspėjamasis modeliavimas apima modelio kūrimą remiantis esamais duomenimis. Tada modelis naudojamas kaip pagrindas prognozuoti kitą kintamąjį, kuris yra susijęs su peržiūrimais duomenimis. Terminas „numatomas“ reiškia, kad šis duomenų gavybos įrankis gali leisti vartotojui numatyti tam tikrą vertę pagal tai, kas žinoma duomenų rinkinyje. Rinkodaros specialistai gali naudoti nuspėjamąją analizę, kad nustatytų, kokių produktų klientai ieško. Remdamiesi dabartinėmis pirkimo tendencijomis, rinkodaros specialistai gali numatyti, kurie nauji produktai gali būti populiarūs ateityje.
Modelių ir taisyklių atradimas skiriasi nuo aprašomųjų ir nuspėjamųjų duomenų gavybos įrankių. Nors aprašomieji ir nuspėjamieji įrankiai naudoja modelių kūrimą kaip analizės pagrindą, atrandant modelius ir taisykles daugiausia dėmesio skiriama duomenų modelių identifikavimui. Pavyzdžiui, maisto prekių parduotuvėse dirbantys rinkodaros specialistai dažnai naudoja šį duomenų gavybos analizės įrankį kaip priemonę pirkimo modeliams nustatyti. Nustačius, kokius produktus klientai nuolat perka ta pačia tvarka, galima sukurti tikslines prekių akcijas.