Khai thác dữ liệu là quá trình tìm các mối tương quan, mẫu hình và xu hướng mới hữu ích bằng cách duyệt qua lượng lớn dữ liệu lưu trữ, sử dụng công nghệ nhận diện mẫu bao gồm kỹ thuật thống kê và toán học. Là phân tích tập dữ liệu thực tế để phát hiện mối quan hệ chưa ngờ và tóm tắt dữ liệu theo cách mới, hợp lý và hữu ích.
Thách thức lớn nhất là phân tích dữ liệu để trích xuất thông tin thiết yếu giải quyết vấn đề hoặc phát triển doanh nghiệp. Có nhiều công cụ và kỹ thuật động để khai thác dữ liệu và ra quyết định tốt hơn.
Các kỹ thuật khai thác dữ liệu chính bao gồm:
Phân loại (Classification) – Kỹ thuật gán nhãn lớp định nghĩa trước cho các thực thể dựa trên thuộc tính của chúng. Một trong những nhiệm vụ quan trọng nhất trong khai thác dữ liệu. Có sự tương đồng với phân cụm nhưng khác biệt: phân loại gán nhãn theo thành viên trong các nhóm định nghĩa trước, trong khi phân cụm không có nhãn trước.
Phân cụm (Clustering) – Quá trình gom nhóm các đối tượng vật lý hoặc trừu tượng thành các lớp đối tượng tương tự. Cụm là tập đối tượng dữ liệu giống nhau trong cùng cụm và khác với đối tượng trong các cụm khác. Phân tích cụm là hoạt động thiết yếu của con người.
Hồi quy (Regression) – Dùng để dự đoán giá trị biến phản hồi (phụ thuộc) từ một hoặc nhiều biến dự báo (độc lập) nơi các biến là số. Có nhiều dạng: tuyến tính, đa biến, trọng số, đa thức, phi tham số, và mạnh mẽ (robust – hữu ích khi sai số không thỏa mãn điều kiện chuẩn tắc hoặc dữ liệu có giá trị ngoại lai đáng kể).
Phát hiện ngoại lai (Outlier Detection) – Kỹ thuật liên quan đến quan sát các mục dữ liệu không khớp với mẫu hoặc hành vi kỳ vọng. Dùng trong nhiều lĩnh vực như xâm nhập, phát hiện gian lận. Còn gọi là Phân tích ngoại lai (Outlier Analysis) hoặc Khai thác ngoại lai (Outlier Mining).
Mẫu tuần tự (Sequential Patterns) – Kỹ thuật chuyên biệt cho dữ liệu tuần tự để tìm mẫu tuần tự. Bao gồm tìm các chuỗi con thú vị trong tập hợp các chuỗi, nơi giá trị của chuỗi đo bằng độ dài, tần suất xuất hiện, v.v.