L’analisi del data mining può essere un processo utile che fornisce risultati diversi a seconda dell’algoritmo specifico utilizzato per la valutazione dei dati. I tipi comuni di analisi di data mining includono l’analisi esplorativa dei dati (EDA), la modellazione descrittiva, la modellazione predittiva e la scoperta di modelli e regole. L’utilizzo di ciascuno di questi strumenti di data mining fornisce una prospettiva diversa sulle informazioni raccolte. I professionisti che utilizzano queste tecniche possono acquisire ulteriori informazioni su un problema o un problema preoccupante in base allo strumento di analisi specifico utilizzato.
A causa dei diversi risultati che gli strumenti di analisi del data mining forniscono quando utilizzati, è opportuno considerare una revisione di base di ciascuno. L’analisi esplorativa dei dati, o EDA, comporta la revisione di un set di dati senza obiettivi di risultato chiari per l’esame. Le variabili che definiscono i dati vengono utilizzate come base per fornire rappresentazioni visive al ricercatore. All’aumentare del numero di variabili, questo strumento di analisi può diventare meno efficace per la visualizzazione dei dati.
La modellazione descrittiva è uno strumento di analisi di data mining utilizzato per descrivere collettivamente tutti i dati in un determinato set di dati. Nello specifico, questo approccio sintetizza tutti i dati per fornire informazioni su trend, segmenti e cluster presenti nelle informazioni ricercate. L’analisi descrittiva del data mining è comunemente usata nella pubblicità. Un esempio di ciò è la segmentazione del mercato in cui i marketer prendono gruppi di clienti più grandi e li segmentano per caratteristiche omogenee.
Altri strumenti includono anche la modellazione predittiva. La modellazione predittiva prevede lo sviluppo di un modello basato sui dati esistenti. Il modello viene quindi utilizzato come base per la previsione di un’altra variabile rilevante per i dati esaminati. Il termine “predittivo” indica che questo strumento di data mining può consentire all’utente di prevedere un valore in base a ciò che è noto nel set di dati. L’analisi predittiva può essere utilizzata dai professionisti del marketing per determinare quali prodotti stanno cercando i clienti. Sulla base delle attuali tendenze di acquisto, i professionisti del marketing potrebbero essere in grado di fare previsioni su quali nuovi prodotti potrebbero essere popolari in futuro.
La scoperta di schemi e regole differisce dagli strumenti di data mining descrittivi e predittivi. Mentre gli strumenti descrittivi e predittivi utilizzano la creazione di modelli come base per l’analisi, la scoperta di modelli e regole si concentra sull’identificazione dei modelli nei dati. I marketer che lavorano per i negozi di alimentari, ad esempio, utilizzano spesso questo strumento di analisi di data mining come mezzo per determinare i modelli di acquisto. Determinando quali prodotti i clienti acquistano costantemente nello stesso ordine, è possibile sviluppare promozioni mirate per gli articoli.