Das Data Minning ist ein aufstrebender Bereich, der in der Bildung eingesetzt wird, um die Wahrnehmungs- und Lernmethoden der Schüler zu verbessern. Es konzentriert sich auf das Erkennen, Extrahieren und Berechnen von Daten im Zusammenhang mit der Lernmethode und der Verbesserung der Schülerleistungen. Mining in einem Lernbereich ist als pädagogisches Information Mining bekannt, das sich mit der Erforschung neuester Techniken befasst, um Wissen aus Bildungsbereichen herauszufinden. Der Zweck unserer Studie ist es, die Leistung der Schüler anhand verschiedener Attribute wie akademische Leistungen (CGPA), Geschlecht, Klassenprüfungsnote, Umfeld der Klasse, Fonds/Stipendien/Privat etc. zu bewerten. In unserer Untersuchung werden wir Klassifizierungs- und Clustering-Techniken verwenden, um die Leistungen der Schüler zu analysieren. Die in unserer Arbeit verwendeten Techniken sind Entscheidungsbäume, Bayes'sche Klassifizierungs-Mittelwert-Algorithmen, neuronale Netze, naive Bayes, webbasierte Systeme und Nearest Neighbour-Methoden.