Exploatarea datelor se referă, în general, la o metodă utilizată pentru a analiza datele dintr-o sursă țintă și pentru a compune acel feedback în informații utile. Aceste informații sunt de obicei folosite pentru a ajuta o organizație să reducă costurile într-un anumit domeniu, să crească veniturile sau ambele. Adesea facilitat de o aplicație de extragere a datelor, obiectivul său principal este de a identifica și extrage modele conținute într-un anumit set de date.
Cel mai important, tehnicile de extragere a datelor urmăresc să ofere o perspectivă care să permită o mai bună înțelegere a datelor și a caracteristicilor lor esențiale. Companiile și organizațiile pot folosi multe tipuri diferite de metode de extragere a datelor. Deși pot adopta o abordare similară, toți se străduiesc de obicei să atingă obiective diferite.
Scopul tehnicilor de extragere a datelor predictive este aproape întotdeauna de a identifica modele sau modele statistice care pot fi utilizate pentru a prezice un răspuns de interes. De exemplu, o instituție financiară l-ar putea folosi pentru a identifica tranzacțiile care au cea mai mare probabilitate de fraudă. Aceasta este cea mai comună metodă de extragere a datelor și una care a devenit un instrument eficient de luare a deciziilor pentru companiile mijlocii și mari. De asemenea, sa dovedit eficient în prezicerea comportamentului clienților, clasificarea segmentelor de clienți și prognozarea diferitelor evenimente.
Modelele rezumative se bazează pe tehnici de extragere a datelor care răspund în mod corespunzător la datele rezumate. De exemplu, o organizație poate repartiza pasagerii companiilor aeriene sau tranzacțiile cu cardul de credit în diferite grupuri pe baza caracteristicilor acestora extrase din procesul analitic. Acest model poate ajuta, de asemenea, companiile să obțină o înțelegere mai profundă a bazei lor de clienți.
Modelele de asociere iau în considerare faptul că anumite evenimente pot avea loc împreună în mod regulat. Aceasta ar putea fi achiziționarea simultană de articole precum mouse și tastatură sau o secvență de evenimente care au dus la defecțiunea unui anumit dispozitiv hardware. Modelele de asociere reprezintă tehnici de extragere a datelor utilizate pentru a identifica și caracteriza aceste apariții asociate.
Modelele de rețea folosesc data mining pentru a dezvălui structuri de date care sunt sub formă de noduri și legături. De exemplu, un grup organizat de fraude ar putea compila o listă de numere de carduri de credit furate, apoi se poate întoarce și le poate folosi pentru a cumpăra articole online. În această ilustrație, cardurile de credit și comercianții online reprezintă nodurile, în timp ce tranzacțiile reale acționează ca link-uri.
Exploatarea datelor are multe scopuri și poate fi folosită atât pentru câștiguri pozitive, cât și rău intenționate. Mai multe organizații vin să descopere beneficiile îmbinării tehnicilor de extragere a datelor pentru a forma modele hibride. Aceste combinații puternice duc adesea la aplicații cu performanțe superioare. Prin integrarea caracteristicilor cheie ale diferitelor metode în soluții hibride unice, organizațiile pot depăși, de obicei, limitările sistemelor de strategie individuale.