多変量解析とSOMデータマイニング
SOMデータマイニングは、多変量解析の一種であると考えることもできますし、また従来の多変量解析よりも強力なので、SOMデータマイニングに置き換えられるような場合も多々あります。たとえば、アンケート分析によく使用されるコレスポンデンス分析とSOMデータマイニングを比較した場合、もはやコレスポンデンス分析に勝ち目はありません。コンシューマー市場で事業を行う大企業が行う大規模なアンケート調査の分析は、もはやSOMデータマイニングに切り替えるべきです。
しかしながら、実際のところ、SOMデータマイニングは、従来の統計・多変量解析と対比的に捉えるべきものではなくて、SOMと統計・多変量解析を組みわせたものが、SOMデータマイニングであります。たとえば、Viscoveryでは（すでに述べたように）SOMの学習を開始する前に学習データで主成分分析を自動的に行っています。また、Viscoveryオリジナルのクラスタリング手法であるSOM-Ward法は、SOMの上でWard法の改良版を実行するものです。これにより、従来の階層クラスタリングでは不可能だった大規模データのクラスタリングができるようになり、かつ非線形データの自然なクラスタリングを得ることができるようになりました。
さらに、多変量解析の結果を学習データとして（あるいは、元のデータと結合して）SOMのマップを作成することも有効なことがあります。1つには多変量解析の結果をより深く理解するために有効です。SOMの可視化は、多変量解析の結果のグラフよりも、格段に豊富な知見を提供します。
また、バイプロットの結果をSOMのマップにすると特別な効果が得られます。たとえば、競合製品や企業に対する消費者の関与度調査のデータから得られた主成分分析のバイプロットからのSOMは、競合製品や企業ごとのターゲット顧客を明らかにして、どれぐらいターゲット指向のマーケティング力があるかを分析することに役立ちます。