Khai thác dữ liệu (Data mining) là quá trình tìm các tương quan, mẫu (patterns) và xu hướng (trends) mới hữu ích bằng cách duyệt qua lượng lớn dữ liệu lưu trữ trong các kho, sử dụng công nghệ nhận dạng mẫu bao gồm các kỹ thuật thống kê và toán học. Nó là phân tích các tập dữ liệu thực tế để khám phá các mối quan hệ không ngờ tới và tóm tắt bản ghi theo các phương pháp mới vừa hợp lý vừa hữu ích cho chủ sở hữu dữ liệu.
Các kỹ thuật khai thác dữ liệu có thể được dùng để tạo ba loại mô hình cho ba loại nhiệm vụ như: hồ sơ mô tả (descriptive profiling), hồ sơ định hướng (directed profiling) và dự đoán (prediction).
Hồ sơ mô tả (Descriptive Profiling)
Các mô hình mô tả định nghĩa những gì có trong bản ghi. Đầu ra là nhiều biểu đồ, số hoặc đồ họa định nghĩa những gì đang diễn ra. Kiểm định giả thuyết (Hypothesis testing) tạo ra các mô hình mô tả. Nói cách khác, cả hồ sơ định hướng và dự đoán đều có mục tiêu trong tâm trí khi mô hình đang được xây dựng.
Trong các mô hình hồ sơ, trọng tâm là từ cùng khung thời gian như đầu vào. Trong mô hình dự đoán, trọng tâm là từ khung thời gian tiếp theo. Dự đoán định nghĩa việc khám phá các thiết kế trong dữ liệu từ một giai đoạn có khả năng xác định kết quả trong giai đoạn tiếp theo. Lý do làm rõ sự phân biệt giữa hồ sơ mô tả và dự đoán là nó có liên quan đến phương pháp luận mô hình hóa, đặc biệt là phân tích thời gian trong việc hình thành tập mô hình.
Hồ sơ định hướng (Directed Profiling)
Hồ sơ là một phương pháp phổ biến cho nhiều vấn đề. Nó không cần phân tích dữ liệu tinh vi. Khảo sát (Surveys), ví dụ, là một phương pháp phổ biến xây dựng hồ sơ khách hàng. Khảo sát tiết lộ khách hàng và triển vọng trông như thế nào, hoặc ít nhất là cách người trả lời khảo sát trả lời câu hỏi.
Hồ sơ thường dựa trên biến nhân khẩu học (demographic variables), như vị trí địa lý, giới tính và tuổi. Vì quảng cáo được bán theo cùng các biến này, hồ sơ nhân khẩu học có thể chuyển trực tiếp thành chiến lược truyền thông.
Dự đoán (Prediction)
Hồ sơ mô tả dùng dữ liệu từ quá khứ để mô tả những gì xảy ra trong quá khứ. Dự đoán đi xa hơn một bước. Dự đoán dùng dữ liệu từ quá khứ để dự đoán những gì có khả năng xảy ra trong tương lai. Đây là một việc sử dụng thông tin động.
Mặc dù tương quan giữa số dư lưu ký thấp và sở hữu CD không thể hữu ích trong hồ sơ người nắm CD, việc có số dư lưu ký cao có khả năng (kết hợp với các chỉ báo khác) là một biến dự báo cho việc mua CD trong tương lai.
Việc xây dựng mô hình dự đoán yêu cầu sự tách biệt về thời gian giữa đầu vào mô hình hoặc biến dự báo và đầu ra mô hình, điều cần được dự đoán. Nếu sự phân chia này không được hỗ trợ, mô hình sẽ không hoạt động.