Khai thác dữ liệu là quá trình khám phá tương quan, mẫu, xu hướng mới có ý nghĩa bằng cách lọc qua lượng lớn dữ liệu lưu trong kho, sử dụng công nghệ nhận diện mẫu cũng như kỹ thuật thống kê và toán học. Là phân tích tập dữ liệu quan sát để tìm mối quan hệ không ngờ và tóm tắt dữ liệu theo cách mới vừa hiểu được vừa hữu ích cho chủ sở hữu dữ liệu.
Là thủ tục chọn lọc, khám phá, và mô hình hóa lượng lớn thông tin để tìm sự quy luật hoặc quan hệ ban đầu không biết để có kết quả rõ ràng, hữu ích cho chủ sở hữu CSDL. Khai thác dữ liệu là giai đoạn khám phá và phân tích bằng phương tiện tự động hoặc bán tự động lượng lớn dữ liệu để tìm mẫu và phương pháp có ý nghĩa.
Khai thác dữ liệu là phương pháp quan trọng trích xuất dữ liệu chưa biết trước và có thể hữu ích từ lượng lớn thông tin. Quy trình khai thác dữ liệu chứa nhiều thành phần, các thành phần này cấu thành cấu trúc hệ thống khai thác dữ liệu. Các thành phần chính:
Kho Thông Tin (Information Repository) − Một hoặc tập hợp CSDL, kho dữ liệu, spreadsheet, hoặc nhiều loại kho dữ liệu. Kỹ thuật làm sạch và tích hợp dữ liệu có thể áp dụng trên dữ liệu.
Server CSDL Hoặc Kho Dữ Liệu (Database or Data Warehouse Server) − Chịu trách nhiệm lấy dữ liệu liên quan, dựa trên yêu cầu khai thác dữ liệu của người dùng.
Cơ Sở Tri Thức (Knowledge Base) − Kiến thức miền hướng dẫn tìm kiếm hoặc tính độ thú vị của mẫu kết quả.
Động Cơ Khai Thác Dữ Liệu (Data Mining Engine) − Quan trọng cho hệ thống, chứa tập module chức năng cho nhiệm vụ: đặc trưng hóa, phân tích liên kết và tương quan, phân loại, dự đoán, phân tích cụm, phân tích giá trị ngoại lai, phân tích tiến hóa.
Module Đánh Giá Mẫu (Pattern Evaluation Module) − Thường dùng thước đo độ thú vị và giao tiếp với cấu trúc khai thác để tập trung tìm kiếm về mẫu thú vị. Sử dụng ngưỡng độ thú vị để lọc mẫu khám phá.
Đoạn này thường dùng thước độ cổ cắm hợp tác với module khai thác để nhắm tìm kiếm chỉ mẫu thú vị. Theo thuật ngữ khác, module đánh giá mẫu có thể phối hợp với module khai thác, dựa trên thực thi kỹ thuật khai thác dữ liệu dùng. Để khai thác hiệu quả, khuyến khích đẩy đánh giá độ thú vị mẫu sâu vào quá trình khai thác để giới hạn tìm kiếm chỉ mẫu thú vị.
Giao Diện Người Dùng (User Interface) − Module kết nối người dùng và hệ thống khai thác, cho phép tương tác bằng cách định nghĩa truy vấn/nhiệm vụ khai thác, cung cấp dữ liệu tập trung tìm kiếm, và thực hiện khai thác khám phá dựa trên kết quả trung gian.
Hơn nữa, thành phần này cho phép người dùng duyệt thiết kế CSDL/kho dữ liệu hoặc cấu trúc dữ liệu, đánh giá mẫu khai thác, và trực quan hóa mẫu dưới nhiều dạng.