Il data mining si riferisce generalmente a un metodo utilizzato per analizzare i dati da una fonte di destinazione e comporre quel feedback in informazioni utili. Queste informazioni vengono in genere utilizzate per aiutare un’organizzazione a ridurre i costi in una particolare area, aumentare le entrate o entrambe le cose. Spesso facilitato da un’applicazione di data mining, il suo obiettivo principale è identificare ed estrarre modelli contenuti in un determinato set di dati.
Ancora più importante, le tecniche di data mining mirano a fornire informazioni che consentano una migliore comprensione dei dati e delle loro caratteristiche essenziali. Le aziende e le organizzazioni possono utilizzare diversi tipi di metodi di data mining. Sebbene possano adottare un approccio simile, di solito tutti si sforzano di raggiungere obiettivi diversi.
Lo scopo delle tecniche di data mining predittivo è quasi sempre identificare modelli o modelli statistici che possono essere utilizzati per prevedere una risposta di interesse. Ad esempio, un istituto finanziario potrebbe utilizzarlo per identificare quali transazioni hanno la più alta probabilità di frode. Questo è il metodo più comune di data mining ed è diventato uno strumento decisionale efficiente per le aziende di medie e grandi dimensioni. Si è anche dimostrato efficace nel prevedere il comportamento dei clienti, categorizzare i segmenti di clienti e prevedere vari eventi.
I modelli di riepilogo si basano su tecniche di data mining che rispondono di conseguenza ai dati riepilogati. Ad esempio, un’organizzazione potrebbe assegnare i passeggeri delle compagnie aeree o le transazioni con carta di credito a gruppi diversi in base alle loro caratteristiche estratte dal processo analitico. Questo modello può anche aiutare le aziende a comprendere più a fondo la propria base di clienti.
I modelli di associazione tengono conto del fatto che determinati eventi possono verificarsi insieme su base regolare. Questo potrebbe essere l’acquisto simultaneo di articoli come mouse e tastiera o una sequenza di eventi che hanno portato al guasto di un particolare dispositivo hardware. I modelli di associazione rappresentano le tecniche di data mining utilizzate per identificare e caratterizzare questi eventi associati.
I modelli di rete utilizzano il data mining per rivelare strutture di dati sotto forma di nodi e collegamenti. Ad esempio, un giro organizzato di frodi potrebbe compilare un elenco di numeri di carte di credito rubate, quindi girarsi e utilizzarli per acquistare articoli online. In questa illustrazione, le carte di credito e i commercianti online rappresentano i nodi mentre le transazioni effettive fungono da collegamenti.
Il data mining ha molti scopi e può essere utilizzato sia per guadagni positivi che dannosi. Sempre più organizzazioni stanno scoprendo i vantaggi dell’unione di tecniche di data mining per formare modelli ibridi. Queste potenti combinazioni spesso si traducono in applicazioni con prestazioni superiori. Integrando le caratteristiche chiave dei diversi metodi in singole soluzioni ibride, le organizzazioni di solito possono superare i limiti dei singoli sistemi di strategia.