Data mining är analys av stora mängder data för att upptäcka mönster och kunskaper. I själva verket är datautvinning också känd som upptäckt av data eller kunskapsupptäckt.
Data mining använder statistik, principer för maskininlärning (ML), artificiell intelligens (AI) och stora mängder data (ofta från databaser eller dataset) för att identifiera mönster på ett sätt som är så automatiserat och användbart som möjligt.
Vad gör Data Mining?
Data mining har två huvudmål: beskrivning och förutsägelse. För det första beskriver data mining insikten och kunskapen som erhållits genom att analysera mönster i data. För det andra använder data mining beskrivningarna av erkända datamönster för att förutsäga framtida mönster.
Om du till exempel har spenderat tid på att bläddra på en shoppingwebbplats för böcker om hur man identifierar olika typer av växter, loggar de datutjänster som bakom scenerna på webbplatsen en beskrivning av dina sökningar i samband med din profil. När du loggar in igen två veckor senare använder webbplatsens datautvinningstjänster beskrivningarna av dina tidigare sökningar för att förutsäga dina nuvarande intressen och erbjuda personliga shoppingrekommendationer som innehåller böcker om identifiering av växter.
Hur Data Mining fungerar
Data mining fungerar med hjälp av algoritmer, uppsättningar av instruktioner som berättar för en dator eller hur man gör en uppgift, för att upptäcka olika typer av mönster inom data. Några av de olika mönsterigenkänningsmetoderna som används vid datautvinning innefattar klusteranalys, anomalitetsdetektering, associeringsinlärning, dataförlängningar, beslutsträd, regressionsmodeller, klassificeringar, outlierdetektering och neurala nätverk.
Medan data mining kan användas för att beskriva och förutsäga mönster i alla olika typer av data, brukar många människor möta oftast, även om de inte inser det, att beskriva mönster i dina inköpsval och beteenden för att förutsäga sannolik inköp beslut.
Har du någonsin undrat hur Facebook alltid verkar veta vad du har tittat på online och visar annonser i din newsfeed i samband med andra webbplatser du har besökt eller dina webbsökningar? Facebook-gruvbrytning använder information som är lagrad i din webbläsare som spårar dina aktiviteter, till exempel cookies, tillsammans med sin egen kunskap om dina mönster baserat på din tidigare användning av Facebooks tjänst för att upptäcka och förutsäga produkter eller erbjudanden du kanske är intresserade av.
Vilken typ av data kan minas?
Beroende på tjänst eller butik (fysiska butiker använder data mining också), kan en överraskande mängd data om dig och dina mönster minas. Uppgifter som samlas in om dig kan innehålla vilken typ av fordon du kör, var du bor, platser du har rest, tidningar och tidningar som du prenumererar på och om du är gift eller inte. Det kan också avgöra huruvida du har barn, vad dina hobbyer är, vilket band du gillar, dina politiska leaningar, vad du köper online, vad du köper i fysiska butiker (ofta genom kundlojalitetsbelöningskort) och alla detaljer du delar om ditt liv på sociala medier.
Till exempel, detaljister och modebaserade publikationer riktade mot tonåringar använder insikter från data mining bilder på sociala medier tjänster som Instagram och Facebook för att förutsäga modetrender som kommer att locka i tonårshandlare eller läsare. Insikten som upptäcks genom data mining kan vara så exakt att vissa återförsäljare även kan förutsäga om en kvinna kan vara gravid, baserat på mycket specifika förändringar i köpoptionerna. Återförsäljaren Target är rapporterad för att vara så exakt med att förutsäga graviditet baserat på mönster i att köpa historia som det skickade kuponger för babyprodukter till en ung dam, vilket gav bort hennes graviditetshemlighet innan hon berättade för familjen.
Data mining är överallt, men mycket av den information som upptäckts och analyseras om våra köpvanor, personliga preferenser, valmöjligheter, ekonomi och onlineaktiviteter används av butiker och tjänster i syfte att förbättra kundupplevelsen.
