परिकल्पना परीक्षण डेटा को कंपनी की निर्णय लेने की प्रक्रियाओं में एकीकृत करने का सबसे सरल दृष्टिकोण है। परिकल्पना परीक्षण का उद्देश्य पूर्वकल्पित विचारों को साबित या खंडन करना है, और यह लगभग सभी डेटा माइनिंग प्रयासों का एक हिस्सा है।
डेटा माइनर्स तरीकों के बीच आगे-पीछे उछलते हैं, पहले देखे गए व्यवहार के लिए संभावित विवरण सोचते हैं और उन परिकल्पनाओं को डेटा की गणना करने देते हैं।
परिकल्पना परीक्षण वही है जो वैज्ञानिक और सांख्यिकीविद पारंपरिक रूप से अपना जीवन करते हुए बिताते हैं। एक परिकल्पना एक प्रस्तावित व्याख्या है जिसकी वैधता डेटा का विश्लेषण करके परीक्षण की जा सकती है। ऐसी जानकारी अवलोकन द्वारा आसानी से एकत्र की जा सकती है या एक प्रयोग के माध्यम से बनाई जा सकती है, जिसमें एक टेस्ट मेलिंग शामिल है।
परिकल्पना परीक्षण सबसे मूल्यवान होता है जब यह खुलासा करता है कि वे मान्यताएं जो किसी संगठन के उद्योग क्षेत्र में कार्यों का मार्गदर्शन कर रही हैं, गलत हैं। उदाहरण के लिए, मान लें कि किसी संगठन का विज्ञापन किसी उत्पाद या सेवा के लक्ष्य बाजार और प्रतिक्रियाओं की विशेषता के बारे में कई परिकल्पनाओं पर निर्भर करता है। यह परीक्षण करने योग्य है कि क्या ये परिकल्पनाएं वास्तविक प्रतिक्रियाओं द्वारा समर्थित हैं।
एक दृष्टिकोण विभिन्न विज्ञापनों में अलग-अलग कॉल-इन नंबरों का उपयोग करना और प्रत्येक प्रतिक्रियाकर्ता द्वारा डायल किए गए नंबर को रिकॉर्ड करना है। कॉल के दौरान एकत्र की गई जानकारी की तुलना उस जनसंख्या के प्रोफाइल से की जा सकती है जिसे विज्ञापन तक पहुंचने के लिए डिज़ाइन किया गया था।
परिकल्पनाएं उत्पन्न करने की कुंजी संगठन भर से विविध इनपुट प्राप्त करना है, और जहां उपयुक्त हो, बाहर से भी। अक्सर, समस्या का एक स्पष्ट कथन ही विचारों को प्रवाहित करने के लिए आवश्यक होता है - विशेष रूप से यदि यह कुछ ऐसा है जिसे पहले समस्या के रूप में मान्यता नहीं दी गई है।
यह जितना कोई मान सकता है उससे अधिक बार होता है कि समस्याएं अनजानी रह जाती हैं क्योंकि उन्हें संगठन के प्रदर्शन का मूल्यांकन करने के लिए उपयोग किए जाने वाले मेट्रिक्स द्वारा नहीं पकड़ा जाता है।
यदि कोई संगठन हमेशा अपने सेल्स फोर्स की गणना प्रत्येक महीने की गई नई बिक्री की संख्या पर करता है, तो सेल्सपर्सन ने कभी भी इस सवाल पर ज्यादा विचार नहीं दिया होगा कि नए उपयोगकर्ता कितने समय तक सक्रिय रहते हैं या वे संगठन के साथ अपने जुड़ाव के दौरान कितना खर्च करते हैं।
परिकल्पना परीक्षण निश्चित रूप से उपयोगी है, लेकिन एक समय आता है जब यह पर्याप्त नहीं है। इस पुस्तक के बाकी हिस्सों में वर्णित डेटा माइनिंग तकनीकें सभी डेटा पर आधारित मॉडल बनाकर नई चीजें सीखने के लिए डिज़ाइन की गई हैं।
सबसे सामान्य अर्थ में, एक मॉडल यह व्याख्या या विवरण है कि कुछ कैसे काम करता है जो वास्तविकता को इतनी अच्छी तरह से दर्शाता है कि इसका उपयोग वास्तविक दुनिया के बारे में निष्कर्ष निकालने के लिए किया जा सकता है।
