Data Mining เป็นกระบวนการค้นพบความสัมพันธ์ (Correlations), รูปแบบ (Patterns), และแนวโน้ม (Trends) ที่มีความหมายและใหม่ โดยการคัดลอกผ่านปริมาณข้อมูลมหาศาลที่เก็บในที่เก็บข้อมูล (Repositories) ใช้เทคโนโลยี Pattern Recognition รวมถึงเทคนิคทางสถิติและคณิตศาสตร์ เป็นการวิเคราะห์ชุดข้อมูลสังเกตการณ์ (Observational Datasets) เพื่อหาความสัมพันธ์ที่ไม่คาดคิด และสรุปข้อมูลในวิธีใหม่ที่เข้าใจง่ายและมีประโยชน์ต่อเจ้าของข้อมูล
เป็นกระบวนการเลือก (Selection), สำรวจ (Exploration), และสร้างแบบจำลอง (Modeling) ของข้อมูลปริมาณมาก เพื่อหาความสม่ำเสมอหรือความสัมพันธ์ที่ไม่รู้จักก่อน เพื่อให้ผลลัพธ์ที่ชัดเจนและมีประโยชน์สำหรับเจ้าของฐานข้อมูล Data Mining เป็นขั้นตอนการสำรวจและวิเคราะห์ด้วยวิธีอัตโนมัติหรือครึ่งอัตโนมัติ (Automatic/Semi-automatic) ของข้อมูลปริมาณมาก เพื่อหา Patterns และ Methods ที่มีความหมาย
Data Mining เป็นวิธีสำคัญที่ข้อมูลที่ไม่รู้จักก่อนและมีประโยชน์อาจมีอยู่ ถูกสกัด (Extracted) จากปริมาณข้อมูลมหาศาล กระบวนการ Data Mining ประกอบด้วยหลายส่วนประกอบ และส่วนประกอบเหล่านี้เป็นโครงสร้างระบบ Data Mining ส่วนประกอบหลักมีดังนี้:
- Information Repository (ที่เก็บข้อมูลสารสนเทศ): หนึ่งหรือชุดของ Databases, Data Warehouses, Spreadsheets, หรือที่เก็บข้อมูลประเภทอื่นๆ สามารถนำ Data Cleaning และ Data Integration ไปใช้กับข้อมูลได้
- Database หรือ Data Warehouse Server: รับผิดชอบดึงข้อมูลที่เกี่ยวข้อง ตามคำขอ Data Mining ของผู้ใช้
- Knowledge Base (ฐานความรู้): ความรู้เฉพาะโดเมน (Domain Knowledge) ที่สามารถนำทางการค้นหา (Guide the Search) หรือประเมินความน่าสนใจ (Interestingness) ของรูปแบบที่ได้
- Data Mining Engine (เครื่องยนต์ Data Mining): สำคัญต่อระบบ Data Mining ประกอบด้วยโมดูลฟังก์ชันสำหรับงาน: Characterization, Association & Correlation Analysis, Classification, Prediction, Cluster Analysis, Outlier Analysis, Evolution Analysis
- Pattern Evaluation Module (โมดูลประเมินรูปแบบ): ส่วนประกอบนี้โดยทั่วไปใช้ Interestingness Measures และสื่อสารกับโครงสร้าง Data Mining เพื่อโฟกัสการค้นหาไปที่ Patterns ที่น่าสนใจ
ส่วนนี้โดยทั่วไปใช้ Stake Measures ที่ทำงานร่วมกับ Data Mining Modules เพื่อเป้าหมายการค้นหาไปที่ Patterns ที่น่าสนใจ สามารถใช้ Stake Threshold กรอง Patterns ที่ค้นพบออก
อีกนัยหนึ่ง Pattern Evaluation Module สามารถประสานงานกับ Mining Module ได้ ขึ้นอยู่กับการดำเนินการของ Data Mining Techniques ที่ใช้ สำหรับ Data Mining ที่มีประสิทธิภาพ ควรผลักดันการประเมิน Pattern Interestingness ให้มากที่สุดเท่าที่เป็นไปได้เข้าไปในกระบวนการ Mining เพื่อจำกัดการค้นหาเฉพาะ Patterns ที่น่าสนใจ
- User Interface (ส่วนต่อประสานผู้ใช้): โมดูลนี้เชื่อมต่อผู้ใช้และระบบ Data Mining ช่วยให้ผู้ใช้โต้ตอบกับระบบได้โดย: กำหนด Data Mining Query/Task, ให้ข้อมูลช่วยโฟกัสการค้นหา, และทำ Exploratory Data Mining จากผลลัพธ์ระหว่างทาง
นอกจากนี้ องค์ประกอบนี้อนุญาตให้ผู้ใช้: Browse โครงสร้าง Database/Data Warehouse หรือ Data Structures, ประเมิน Patterns ที่ทำเหมืองได้, และ Visualize Patterns ในรูปแบบต่างๆ
