امروزه با حجم عظیمی از داده ها روبرو هستیم. برای استفاده از آنها به ابزارهای کشف دانش نیاز داریم. داده کاوی به عنوان یک توانایی پیشرفته در تحلیل داده و کشف دانش مورد استفاده قرار می گیرد. داده کاوی در علوم، در تجارت، در وب، در مسائل دولتی، کاربرد دارد. عبارت داده کاوی شباهت به استخراج زغال سنگ و طلا دارد. داده کاوی نیز اطلاعات را که در انبارهای داده مدفون شده است، استخراج می کند.
در واقع هدف از داده کاوی ایجاد مدل هایی برای تصمیم گیری است. این مدل ها و رفتارهای آینده را براساس تحلیل های گذشته پیش بینی می کنند. به کار بردن داده کاوی به عنوان اهرمی برای آماده سازی داده ها و تکمیل قابلیت های انباره داده، بهترین موقعیت را برای به دست آوردن برتری های رقابتی ایجاد می کند. سیستم های بانکی داده، بازی می کنند یک سیستم بانک داده و سیستم های مدیریت بانک داده است.
اغلب تجارت ها به تصمیم گیری های استراتژیک و یا اتخاذ خط مشی های جدید برای خدمت رسانی بهتر به مشتریان نیاز دارند. به عنوان مثال فروشگاههای آرایش مغازه خود را برای ایجاد میل بیشتر به خرید مجددا طراحی می کنند و یا خطوط هوایی تسهیلات خاصی را برای مشتریان جهت پروازهای مکرر آنها در نظر می گیرند، این دو مثال به داده هایی در مورد رفتار مصرفی گذشته مشتریان برای تعیین الگوهایی به وسیله داده کاوی، نیاز دارد. براساس این الگوها تصمیمات لازم اتخاذ می شود. در واقع ابزار داده کاوی، داده را می گیرد و یک تصویر از واقعیت به شکل مدل می سازد. این مدل روابط موجود در داده ها را شرح می دهد.
از نظر فرایندهای فعالیت های داده کاوی به سه طبقه عمومی تقسیم می شود:
- اکتشاف: فرایند جست و جو در یک بانک داده برای یافتن الگوهای پنهان، بدون داشتن یک فرضیه از پیش تعیین شده درباره اینکه این الگو ممکن است چه باشد.
- مانند تحلیل هایی که برحسب کالاهای خریداری شده صورت می گیرد. اینگونه تحلیل های سبدی نشانگر مواردیست که مشتری تمایل به خرید آنها دارند. این اطلاعات می تواند به بهبود موجودی، استراتژی طراحی، آرایش فروشگاه و تبیلغات منجر گردد.
- مدل پیش بینی: فرآیندی که الگوهای کشف شده از بانک داده را می گیرد و آنها را برای پیش بینی اینده به کار می برد. مانند پیش بینی فروش در خرده فروشی، الگوهای کشف شده برای فروش به آنها کمک می کند تا تصمیماتی را در رابطه با موجودی اتخاذ کنند.
- تحلیل های دادگاهی: به فرایند به کارگیری الگوهای استخراج شده برای یافتن عوامل داده ای نامعقول و متناقض مربوط می شود. مانند شناسایی و تشخیص کلاهبرداری در موسسات مالی، کلاهبرداری به میزان زیادی پرهزینه و زیان آور است. بانک ها می توانند با تحلیل داد و ستدهای جعلی گذشته الگوهایی را برای تشخیص و کشف کلاهبرداری به دست آوند.