data mining si riferisce generalmente a un metodo utilizzato per analizzare i dati da una sorgente e di destinazione, che compongono i commenti di feedback in informazioni utili. Questa informazione è normalmente utilizzato per aiutare l'organizzazione di tagliare i costi in un settore particolare, aumentare le entrate, o entrambi. Spesso facilitata da un data-mining un'applicazione, il suo obiettivo primario è quello di identificare ed estrarre schemi contenuti in un determinato set di dati.

cosa più importante, tecniche di data mining lo scopo di fornire la comprensione che permette una migliore comprensione dei dati e le sue caratteristiche essenziali. Le aziende e le organizzazioni possono utilizzare diversi tipi di tecniche di data mining. Mentre possono adottare un approccio simile, di solito tutti si sforzano di soddisfare gli obiettivi differenti.

Lo scopo predittivo di tecniche di data mining, quasi sempre è quello di individuare modelli statistici o modelli che possono essere utilizzati per predire una risposta di interesse. Ad esempio, un istituto finanziario può utilizzare per identificare le transazioni che hanno la più alta probabilità di frode. Questo è il più comune dei dati tecnica di estrazione e di quello che è diventato un processo decisionale efficiente strumento per medie e grandi e medie imprese. Ha anche dimostrato efficace nel predire il comportamento dei clienti, categorizzare segmenti di clientela, e la previsione di eventi vari.

modelli Sintesi contare su tecniche di data mining che da rispondere a dati riepilogati. Ad esempio, un'organizzazione potrebbe assegnare i passeggeri delle compagnie aeree o transazioni con carta di credito in gruppi diversi in base alle loro caratteristiche estratte dal processo analitico. Questo modello può anche aiutare le aziende a ottenere una comprensione più profonda della loro base di clienti.

modelli di associazione tener conto del fatto che certi eventi si possono verificare insieme su base regolare. Questo potrebbe essere l'acquisto simultaneo di oggetti quali mouse e tastiera o una sequenza di eventi che hanno portato al fallimento di un particolare dispositivo hardware. Modelli di associazione rappresentano tecniche di data mining per identificare e caratterizzare questi eventi associati.

modelli di rete utilizzano tecniche di data mining a rivelare le strutture dati che sono in forma di nodi e link. Ad esempio, un anello di frode organizzata potrebbe compilare una lista di numeri di carte di credito rubate, e poi girare intorno e li usano per l'acquisto di oggetti on-line. In questo esempio, le carte di credito e venditori online rappresentano i nodi, mentre l'attuale operazioni di agire come i collegamenti.

Data mining ha molti scopi e può essere utilizzato per il guadagno sia positivo e dannoso. Altre organizzazioni sono venuta a scoprire i vantaggi della fusione tecniche di data mining per formare modelli ibridi. Queste combinazioni potenti spesso sfociano in applicazioni con prestazioni superiori. Integrando le principali caratteristiche dei diversi metodi in singole soluzioni ibride, le organizzazioni di solito in grado di superare i limiti dei sistemi di strategia individuale.