У сховищах даних, нейронні мережі є лише одним із інструментів, що використовуються в інтелектуальному аналізі даних. ШНМ використовуються для пошуку закономірностей у даних і виведення з них правил. Нейронні мережі корисні для надання інформації про асоціації, класифікації, кластери та прогнозування.
Інтелектуальний аналіз даних найчастіше визначається як процес використання комп’ютерів і автоматизації для пошуку у великих наборах даних закономірностей і тенденцій, перетворення цих знахідок на бізнес-інсайти та прогнози.
Алгоритми глибокого навчання дозволили ідентифікувати різні компоненти даних (тобто мультимедійні дані) у самому процесі інтелектуального аналізу даних. Подібним чином алгоритми семантичного індексування та тегування дозволили прискорити процеси обробки великих даних.
Інтелектуальний аналіз даних використовується для наявного набору даних (наприклад, сховища даних) для пошуку шаблонів. Машинне навчання, з іншого боку, навчається на «навчальному» наборі даних, який навчає комп’ютер, як розуміти дані, а потім робити прогнози щодо нових наборів даних.
NLP (Natural Language Processing) в інтелектуальному аналізі даних відноситься до застосування обчислювальних методів для аналізу та інтерпретації даних людської мови.
Приклади інтелектуального аналізу даних Роздрібні торговці часто використовують методи інтелектуального аналізу даних, щоб проаналізувати історію покупок клієнтів і виявити закономірності чи асоціації. Наприклад, аналіз ринкового кошика може виявити, що клієнти, які купують підгузки, ймовірно також купуватимуть дитяче харчування, що веде до можливостей перехресних продажів.