Khai thác dữ liệu là quy trình lựa chọn, khám phá, và mô hình hóa lượng lớn thông tin để tìm sự quy luật hoặc mối quan hệ mà ban đầu không biết để đạt kết quả rõ ràng và hữu ích cho chủ sở hữu cơ sở dữ liệu.
Khai thác dữ liệu là lĩnh vực liên ngành, sự tổng hợp của một tập các kỷ luật, như hệ thống cơ sở dữ liệu, thống kê, học máy, trực quan hóa, và khoa học dữ liệu. Tùy thuộc vào phương pháp khai thác dữ liệu dùng, phương pháp từ các kỷ luật khác có thể được áp dụng, bao gồm mạng nơ-ron, lý thuyết tập mờ và thô, biểu diễn tri thức, lập trình logic quy nạp, hoặc tính toán hiệu năng cao.
Dựa trên loại dữ liệu cần khai thác hoặc ứng dụng khai thác dữ liệu cho trước, hệ thống khai thác dữ liệu cũng có thể tích hợp phương pháp từ phân tích dữ liệu không gian, truy xuất dữ liệu, nhận diện mẫu, phân tích hình ảnh, xử lý tín hiệu, đồ họa máy tính, công nghệ mạng, kinh tế, kinh doanh, sinh trắc học, hoặc tâm理学.
Ngôn ngữ truy vấn khai thác dữ liệu có thể được thiết kế để tích hợp các nguyên thủy này, cho phép người dùng linh hoạt kết nối với hệ thống khai thác dữ liệu. Ngôn ngữ truy vấn khai thác dữ liệu hỗ trợ quyền lực mà trên đó giao diện đồ họa thân thiện người dùng có thể được xây dựng. Điều này thúc đẩy giao tiếp của hệ thống khai thác dữ liệu với các hệ thống dữ liệu khác và sự tích hợp với môi trường xử lý dữ liệu hoàn chỉnh.
Việc thiết kế ngôn ngữ khai thác dữ liệu toàn diện là thách thức vì khai thác dữ liệu bảo vệ phổ rộng các chức năng, từ đặc trưng hóa dữ liệu đến phân tích tiến hóa. Mỗi nhiệm vụ có nhiều yêu cầu. Thiết kế ngôn ngữ truy vấn khai thác dữ liệu hiệu quả cần học rộng rãi về sức mạnh, hạn chế, và cấu trúc cơ bản của các loại nhiệm vụ khai thác dữ liệu khác nhau.
Chức năng khai thác dữ liệu được dùng để định nghĩa loại mẫu cần được khám phá trong nhiệm vụ khai thác dữ liệu. Nói chung, nhiệm vụ khai thác dữ liệu có thể được phân loại thành hai loại bao gồm mô tả (descriptive) và dự báo (predictive). Nhiệm vụ khai thác mô tả định nghĩa đặc điểm chung của dữ liệu trong cơ sở dữ liệu và nhiệm vụ khai thác dự báo thực hiện suy luận trên thông tin hiện tại để phát triển dự đoán.
Các thành phần chính của khai thác dữ liệu như sau:
- Cơ sở dữ liệu (Databases) – Đây là một hoặc tập hợp cơ sở dữ liệu, kho dữ liệu, bảng tính, và loại kho dữ liệu khác nơi kỹ thuật làm sạch và tích hợp dữ liệu có thể được thực hiện.
- Máy chủ kho dữ liệu (Data warehouse server) – Thành phần này lấy bản ghi liên quan dựa trên yêu cầu người dùng từ kho dữ liệu.
- Cơ sở tri thức (Knowledge base) – Đây là miền tri thức được dùng để khám phá mẫu thú vị.
- Động cơ khai thác dữ liệu (Data mining engine) – Nó dùng mô-đun chức năng được dùng để thực hiện nhiệm vụ bao gồm phân loại, liên kết, phân tích cụm, v.v.
- Mô-đun đánh giá mẫu (Pattern evaluation module) – Thành phần này dùng các thước đo thú vị giao tiếp với cấu trúc khai thác dữ liệu để nhắm tìm kiếm về phía mẫu thú vị.
- Giao diện người dùng (User interface) – Giao diện này cho phép người dùng tương tác với hệ thống bằng cách mô tả chức năng khai thác dữ liệu hoặc truy vấn qua giao diện người dùng đồ họa.