Khai thác dữ liệu (Data Mining)
Khai thác dữ liệu là kỹ thuật khám phá và phân tích qua phương pháp tự động hoặc bán tự động của lượng lớn sự kiện để khám phá các mẫu và chính sách có ý nghĩa. Đây là quá trình lựa chọn, khám phá và mô hình hóa lượng lớn dữ liệu để khám phá các quy luật hoặc quan hệ ban đầu chưa biết để đạt kết quả rõ ràng và hữu ích cho chủ sở hữu cơ sở dữ liệu.
Khai thác dữ liệu là quy trình khám phá và phân tích bằng phương tiện tự động hoặc bán tự động của lượng lớn dữ liệu để tìm mẫu và quy tắc có ý nghĩa. Nó không giới hạn bằng việc sử dụng thuật toán máy tính hoặc kỹ thuật thống kê. Đây là quy trình trí tuệ kinh doanh có thể dùng cùng với công nghệ thông tin để hỗ trợ quyết định công ty.
Khai thác dữ liệu tương tự Khoa học dữ liệu. Được thực hiện bởi một người, trong tình huống cụ thể, trên tập dữ liệu cụ thể, với mục tiêu. Quy trình này bao gồm nhiều loại dịch vụ như khai thác văn bản, khai thác web, khai thác âm thanh và video, khai thác dữ liệu hình ảnh, và khai thác mạng xã hội. Được thực hiện qua phần mềm đơn giản hoặc chuyên biệt cao.
Bằng cách outsourcing khai thác dữ liệu, tất cả công việc có thể hoàn thành nhanh hơn với chi phí vận hành thấp. Các công ty chuyên biệt cũng có thể sử dụng công nghệ mới để thu thập dữ liệu không thể đặt thủ công. Có hàng tấn thông tin trên nhiều nền tảng, nhưng rất ít kiến thức có thể truy cập.
Thống kê (Statistics)
Thống kê đề cập đến phân tích và trình bày dữ liệu số, là phần chính của tất cả thuật toán khai thác dữ liệu. Nó cung cấp công cụ và phương pháp phân tích để xử lý lượng lớn dữ liệu. Thống kê bao gồm lập kế hoạch, thiết kế, thu thập thông tin, phân tích và báo cáo kết quả nghiên cứu. Do đó thống kê không chỉ giới hạn ở toán học, mà nhà phân tích kinh doanh cũng dùng thống kê để giải quyết vấn đề kinh doanh.
Thống kê suy luận dùng cho mẫu để ước lượng tham số của dân số. Có thể thực hiện kiểm định giả thuyết để xem hai tập dữ liệu có tương tự hay khác biệt. Dùng để thực hiện phân tích hồi quy tuyến tính hoặc đa biến để giải thích nhân quả.
Kiểm định giả thuyết có thể so sánh số học hai tập dữ liệu. Ví dụ: có thể giả định (hypothesize) rằng khối lượng bán hàng này tương tự hoặc tốt hơn đối thủ chính. Có thể dùng kiểm định giả thuyết để xác nhận hoặc bác bỏ giả định này toán học. Phân tích tương quan là công cụ đơn giản để tách biến số quan tâm từ nhiều biến ngẫu nhiên, thường quan sát trong tập dữ liệu lớn, để xem biến kinh doanh nào ảnh hưởng đáng kể đến kết quả kinh doanh mong muốn.