Biclustering to technika eksploracji danych, która sortuje informacje w macierz, przypisując jednocześnie wiersze i kolumny macierzy. U podstaw tej techniki leży wydajność, pozwalająca komputerowi na przesiewanie i sortowanie dużej ilości danych w krótszym czasie w porównaniu z pojedynczymi metodami klastrowania. Biclustering to po prostu ogólny nagłówek jednej konkretnej klasy technik eksploracji danych; istnieje wiele różnych algorytmów, które mogą należeć do tej kategorii, w tym grupowanie bloków, model Plaid, sprzężone grupowanie dwukierunkowe i powiązane grupowanie dwukierunkowe.
Aby zrozumieć znaczenie biklastrowania, należy najpierw zrozumieć ogólną koncepcję eksploracji danych. Eksploracja danych polega na zbieraniu dużej ilości danych — takich jak informacje zrzucone z głównej bazy danych firmy — i sortowaniu ich w celu zidentyfikowania trendów i innych przydatnych wzorców. Tego typu analizy można wykorzystać do określenia wzorców, które w innym przypadku nie stałyby się oczywiste w przypadku zwykłych badań, takich jak trendy zakupowe konsumentów i wahania na giełdzie. Eksploracja danych może być prowadzona ręcznie przez analityka lub elektronicznie przy użyciu pewnego rodzaju algorytmu eksploracji danych; w tym momencie w grę wchodzi biklasterstwo.
Podczas procesu eksploracji danych komputer przeprowadzający analizę będzie próbował posortować ze sobą powiązane informacje. Ten proces jest znany jako „klastrowanie”. Klastrowanie pozwala komputerowi na wyginanie sztucznej inteligencji poprzez rozpoznawanie, kiedy dwie lub więcej informacji jest ze sobą powiązanych, i umieszczanie ich razem w macierzy. Zwykle wypełniane są albo wiersze, albo kolumny macierzy, ale tylko po jednym na raz.
Biclustering eliminuje to poprzez ograniczenie, umożliwiając komputerowi jednoczesne wypełnianie zarówno wierszy, jak i kolumn. Poprawia to wydajność procesu klastrowania, ale może skutkować różnie ułożonymi macierzami w zależności od konkretnego używanego algorytmu. Na przykład komputer porządkujący rzeczy ze stałymi dopasowanymi wartościami w wierszach w porównaniu z komputerem porządkującym rzeczy ze stałymi dopasowanymi wartościami umieszczonymi w kolumnach wygeneruje różnie wyglądające macierze przy użyciu dokładnie tych samych wartości. Nie ma jednego „właściwego” sposobu grupowania danych; wszystko zależy od konkretnej sytuacji i preferencji osoby prowadzącej eksplorację danych.