a:

I allmänhet kan verksamhetsgruva oavsett data datoriseras för analys och studeras för att förbättra operativ effektivitet, lägre kostnader och öka intäkter och vinstmarginaler. Bland de många olika datatyper som kan samlas är de vanligast studerade produktionskostnaderna, arbetskraftskostnaderna, marknadsföringseffektiviteten och detaljerade försäljningsdata avseende alla produkter och tjänster som företaget marknadsför.

Datautvinning är en metod för datadataanalys som används för att avslöja relationer mellan olika dataset, såsom förhållandet mellan arbetstider och produktionsnivåer för ett tillverkningsföretag. Andra exempel på att använda data miningstekniker inkluderar "shoppingkorganalys", som tar hänsyn till saker som det totala beloppet konsumenterna brukar spendera i någon shoppingresa eller vilka produkter konsumenterna gemensamt köper tillsammans under en shoppingresa.

Data mining varierar beroende på bransch eller typ av verksamhet. Till exempel kör banker historisk dataanalys för att avgöra vilka kunder eller typer av kunder som är mest benägna att betala tillbaka lån i tid. Försäkringsbolag mina stora mängder data för att utveckla aktuariella tabeller för riskbedömning och för att identifiera mönster av bedrägliga fordringar. Nästan alla stora företag som säljer produkter i detaljhandeln använder datautvinning för att analysera effektiviteten av reklamkampanjer.

Syftet med affärsintelligens är att göra det möjligt för ledningen att fatta välgrundade beslut om ett företags verksamhet, beslut som syftar till att öka effektiviteten och i sista hand öka bolagets lönsamhet. Därför kallas affärsinformationsverktyg ibland som "beslutsstödssystem".

För företagsunderrättelse använder vissa företag sina egna historiska data, men andra företag samlar data från externa källor som kallas datalager, som inkluderar stora mängder data som samlats in från företagets bransch i stället för bara företagets egna inhemska data.