डेटा माइनिंग रिपॉजिटरी में संग्रहीत बड़ी मात्रा में डेटा के माध्यम से उपयोगी नए सहसंबंधों, पैटर्न और रुझानों को खोजने की प्रक्रिया है, जिसमें सांख्यिकीय और गणितीय तकनीकों सहित पैटर्न पहचान तकनीकों का उपयोग किया जाता है। यह तथ्यात्मक डेटासेट का विश्लेषण करके अनपेक्षित संबंधों की खोज करना और डेटा मालिक के लिए तार्किक और सहायक दोनों तरीकों से रिकॉर्ड्स को नए तरीकों से सारांशित करना है।
यह डेटाबेस के मालिक के लिए स्पष्ट और लाभकारी परिणाम प्राप्त करने के लिए, पहले अज्ञात नियमितताओं या संबंधों को खोजने के लिए उच्च मात्रा में जानकारी के चयन, अन्वेषण और मॉडलिंग की प्रक्रिया है।
डेटा माइनिंग डेटा साइंस के समान है। यह एक व्यक्ति द्वारा, एक विशेष स्थिति में, एक विशिष्ट डेटा सेट पर, एक उद्देश्य के साथ किया जाता है। इस चरण में टेक्स्ट माइनिंग, वेब माइनिंग, ऑडियो और वीडियो माइनिंग, चित्रात्मक डेटा माइनिंग और सोशल मीडिया माइनिंग सहित कई प्रकार की सेवाएं शामिल हैं। यह सरल या अत्यधिक विशिष्ट सॉफ्टवेयर के माध्यम से पूरा किया जाता है।
डेटा माइनिंग को आउटसोर्स करके, कम परिचालन लागत के साथ सभी काम तेजी से किए जा सकते हैं। विशिष्ट फर्म नई तकनीकों का उपयोग करके उस डेटा को सहेज सकती हैं जिसे मैन्युअल रूप से ढूंढना असंभव है। कई प्लेटफॉर्म पर टन डेटा उपलब्ध है, लेकिन बहुत सीमित ज्ञान सुलभ है।
डेटा माइनिंग के ऐतिहासिक नाम
डेटा में उपयोगी पैटर्न खोजने के दृष्टिकोण को कई नाम दिए गए हैं, जिनमें डेटा माइनिंग, ज्ञान निष्कर्षण, डेटा खोज, डेटा हार्वेस्टिंग, डेटा पुरातत्व, और डेटा पैटर्न प्रसंस्करण शामिल हैं। डेटा माइनिंग का उपयोग सांख्यिकीविदों, डेटा विश्लेषकों, और प्रबंधन सूचना प्रणाली (MIS) समुदायों द्वारा किया गया है।
इसने डेटाबेस क्षेत्र में भी लोकप्रियता हासिल की है। डेटा माइनिंग में, निर्णय समस्याओं को हल करने के लिए बड़े डेटाबेस का विश्लेषण किया जाता है। एक दुकान मालिक पर विचार करें जो एक नए उत्पाद के बारे में जानकारी प्राप्त करना चाहता है। डेटा माइनिंग प्रक्रिया द्वारा संचालित जानकारी ग्राहकों के साथ पिछली बातचीत के ऐतिहासिक डेटाबेस और ग्राहकों से जुड़ी विशेषताओं जैसे आयु, आय, और उनकी प्रतिक्रियाओं में निहित है।
ऐतिहासिक जानकारी का उपयोग
डेटा माइनिंग सॉफ्टवेयर ग्राहक व्यवहार का एक मॉडल बनाने के लिए ऐतिहासिक जानकारी का उपयोग करता है जिसका उपयोग यह अनुमान लगाने के लिए किया जा सकता है कि कौन सा ग्राहक नए उत्पाद का जवाब देने की संभावना रखता है। ऐतिहासिक जानकारी अपेक्षाकृत सामान्य अपराधों जैसे क्रेडिट कार्ड धोखाधड़ी की खोज का आधार भी बन सकती है।
ऐतिहासिक डेटा और वर्तमान डेटा में पैटर्न की तुलना करके, यह जांचा जाता है कि क्या परिवर्तन ग्राहकों द्वारा किए गए हैं। ऐतिहासिक जानकारी इन क्षेत्रों में पैटर्न खोजने के लिए एक उपकरण के रूप में व्यापक रूप से स्वीकार की जाती है, और ग्राहक इन प्रक्रियाओं से आर्थिक लाभ का आनंद लेते हैं।
