डेटा इंटीग्रेशन कई असमान स्रोतों से डेटा को संयोजित करने का चरण है। डेटा इंटीग्रेशन लागू करते समय, डेटा अतिरेक, असंगति, डुप्लीकेशन आदि पर काम करना चाहिए। डेटा माइनिंग में, डेटा इंटीग्रेशन एक डेटा प्री-प्रोसेसिंग तकनीक है जिसमें कई विषम डेटा स्रोतों से डेटा को सुसंगत डेटा में मर्ज करना शामिल है ताकि जानकारी का एक समेकित दृष्टिकोण बनाए रखा जा सके और समर्थन किया जा सके।
यह विभिन्न स्रोतों से डेटा को एक सुसंगत डेटा स्टोर में संयोजित करता है, जिसमें डेटा वेयरहाउसिंग शामिल है। इन स्रोतों में कई डेटाबेस, डेटा क्यूब, या फ्लैट फाइलें आदि शामिल हो सकते हैं। डेटा इंटीग्रेशन के दौरान कई मुद्दों पर विचार करना होता है।
स्कीमा इंटीग्रेशन और ऑब्जेक्ट मिलान: यह जटिल हो सकता है। उदाहरण के लिए, एंटिटी आइडेंटिफिकेशन का मिलान (एक डेटाबेस में emp_id और दूसरे में emp_no), ऐसे मुद्दों को मेटाडेटा का उपयोग करके रोका जा सकता है।
अतिरेक (Redundancy): एक विशेषता जैसे वार्षिक राजस्व, अनावश्यक हो सकती है यदि इसे किसी अन्य विशेषता या विशेषताओं के सेट से प्राप्त किया जा सकता है। विशेषता या आयाम नामकरण में असंगतियां भी परिणामी डेटा सेट में अतिरेक उत्पन्न कर सकती हैं।
सहसंबंध विश्लेषण: कुछ अतिरेक सहसंबंध विश्लेषण द्वारा खोजे जा सकते हैं। दो विशेषताओं को देखते हुए, ऐसा विश्लेषण यह गणना कर सकता है कि उपलब्ध डेटा के आधार पर एक विशेषता दूसरी को कितनी दृढ़ता से दर्शाती है। संख्यात्मक विशेषताओं के लिए, सहसंबंध गुणांक (पियर्सन का गुणन-क्षण गुणांक भी कहा जाता है) की गणना करके दो विशेषताओं A और B के बीच सहसंबंध का मूल्यांकन किया जा सकता है:
$$r_{A,B} = \frac{\sum_{i=1}^{n}(a_i - \bar{A})(b_i - \bar{B})}{N\sigma_A\sigma_B} = \frac{\sum_{i=1}^{n}(a_i b_i) - N\bar{A}\bar{B}}{N\sigma_A\sigma_B}$$
जहां N टुपल्स की संख्या है, aᵢ और bᵢ टुपल i में A और B के संबंधित मान हैं, \(\bar{A}\) और \(\bar{B}\) क्रमशः A और B के माध्य मान हैं, \(\sigma_A\) और \(\sigma_B\) क्रमशः A और B के मानक विचलन हैं, और Σ(aᵢbᵢ) AB क्रॉस-उत्पाद का योग है।
सहसंबंध कारणता नहीं दर्शाता। अर्थात, यदि A और B सहसंबद्ध हैं, तो इसका अर्थ यह नहीं है कि A, B का कारण है या B, A का कारण है। उदाहरण के लिए, जनसांख्यिकीय डेटाबेस का विश्लेषण करते समय, एक क्षेत्र में कई अस्पतालों और कई कार चोरियों को परिभाषित करने वाली विशेषताएं सहसंबद्ध हो सकती हैं। यह नहीं दर्शाता कि एक दूसरे का कारण है। दोनों आमतौर पर तीसरी विशेषता से जुड़े होते हैं, जैसे जनसंख्या।
डेटा इंटीग्रेशन में तीसरा महत्वपूर्ण मुद्दा डेटा मान संघर्षों का पता लगाना और समाधान है। उदाहरण के लिए, एक ही वास्तविक दुनिया की इकाई के लिए, कई स्रोतों से विशेषता मान भिन्न हो सकते हैं। यह प्रतिनिधित्व, स्केलिंग, या एन्कोडिंग में अंतर के कारण हो सकता है।
