Khai thác dữ liệu áp dụng cho dữ liệu được chọn trong cơ sở dữ liệu lớn. Khi phân tích và khai thác trên lượng dữ liệu khổng lồ, thời gian xử lý rất dài, không thực tế. Để giảm thời gian xử lý, kỹ thuật giảm dữ liệu dùng để có biểu diễn giảm của tập dữ liệu, nhỏ hơn nhiều về thể tích nhưng giữ toàn vẹn dữ liệu gốc. Bằng cách giảm dữ liệu, hiệu quả quá trình khai thác được cải thiện, tạo ra cùng kết quả phân tích.
Giảm dữ liệu nhằm biểu diễn dữ liệu gọn gàng hơn. Khi kích thước dữ liệu nhỏ hơn, dễ dàng áp dụng thuật toán phức tạp và tốn kém tính toán. Giảm dữ liệu có thể về số hàng (bản ghi) hoặc số cột (chiều).
Các chiến lược giảm dữ liệu:
Tổng Hợp Khối Dữ Liệu (Data Cube Aggregation) − Áp dụng phép tổng hợp cho dữ liệu trong xây dựng khối dữ liệu. Ví dụ: doanh số All Electronics theo quý năm 2002-2004. Muốn doanh số hàng năm (tổng mỗi năm) thay vì theo quý. Dữ liệu được tổng hợp để tóm tắt doanh số hàng năm. Tập dữ liệu kết quả nhỏ hơn, không mất thông tin cần thiết cho phân tích.
Chọn Tập Con Thuộc Tính (Attribute Subset Selection) − Tìm và xóa thuộc tính không liên quan, yếu liên quan hoặc dư thừa. Tập dữ liệu phân tích có thể có hàng trăm thuộc tính, một số không liên quan đến nhiệm vụ khai thác hoặc dư thừa. Ví dụ: nhiệm vụ phân loại khách hàng có mua CD mới không, số điện thoại không liên quan, nhưng độ tuổi hoặc sở thích âm nhạc thì liên quan.
Giảm Chiều (Dimensionality Reduction) − Cơ chế mã hóa giảm kích thước tập dữ liệu. Áp dụng mã hóa/biến đổi để có biểu diễn giảm/"nén". Nếu tái tạo dữ liệu gốc từ dữ liệu nén không mất thông tin, gọi là giảm không mất mát.
Giảm Số Lượng (Numerosity Reduction) − Dữ liệu được khôi phục hoặc dự đoán bằng biểu diễn thay thế nhỏ hơn: mô hình tham số (chỉ lưu tham số mô hình thay vì dữ liệu thực tế) hoặc phương pháp không tham số (cụm, lấy mẫu, histogram).
Rời Rạc Hóa và Tạo Hệ Thống Khái Niệm (Discretization and Concept Hierarchy Generation) − Thay thế giá trị thô của thuộc tính bằng khoảng hoặc mức khái niệm cao hơn. Rời rạc hóa là dạng giảm số lượng rất hữu ích cho tự động tạo hệ thống khái niệm. Rời rạc hóa và tạo hệ thống khái niệm là công cụ động cho khai thác dữ liệu, cho phép khai thác ở nhiều mức trừu tượng.