ความท้าทายของ Data Mining มีอะไรบ้าง?

มีความท้าทายของ Data Mining หลายประการ ดังนี้:

1. Efficiency และ Scalability ของ Data Mining Algorithms

เพื่อ Extract Knowledge จาก Large Amount of Data ใน Databases อย่างมีประสิทธิภาพ Knowledge Discovery Algorithms ต้อง Efficient และ Scalable ไปยัง Huge Databases โดยเฉพาะ Running Time ของ Data Mining Algorithm ควร Predictable และ Acceptable ใน Huge Databases Algorithms ที่มี Exponential หรือ High-order Polynomial Complexity จะไม่ Efficient

2. Usefulness, Certainty, และ Expressiveness ของ Data Mining Results

Discovered Knowledge ควร Portray เนื้อหา Database อย่างถูกต้อง และ Useful สำหรับ Specific Applications Imperfectness ต้องระบุด้วย Measures of Uncertainty ในรูป Approximate Rules หรือ Quantitative Rules

Noise และ Exceptional Data ต้องจัดการอย่างสง่างามใน Data Mining Systems นี่ยังกระตุ้น Systematic Study ของการวัด Quality ของ Discovered Knowledge เช่น Interestingness และ Reliability โดยการพัฒนา Statistical, Analytical, และ Simulative Models และ Tools

3. Expression ของ Various Kinds ของ Data Mining Results

หลายชนิดของ Knowledge สามารถ Discovered จาก Large Amount of Data อาจต้องการ Examine Discovered Knowledge จาก Multiple Views และ Display ในรูปแบบต่างๆ

ต้อง Define Data Mining Requests และ Discovered Knowledge ใน High-level Languages หรือ GUIs เพื่อ Non-experts กำหนด Data Mining Task ได้ และ Discovered Knowledge เข้าใจได้และ Available อย่างแม่นยำ ต้องการ Discovery System ที่เลือก Expressive Knowledge Representation Techniques

4. Interactive Mining Knowledge at Multiple Abstraction Levels

เพราะยากที่จะ Predict 何が Discover ได้จาก Database แน่นอน High-level Data Mining Query ต้องถือเป็น Probe ที่ Disclose Interesting Traces สำหรับ Further Exploration

Interactive Discovery ต้อง Encourage ให้ User Interactively Refine Data Mining Request, Dynamically Change Data Focusing, Progressively Deepen Data Mining Process, และ Flexibly View Results ที่ Multiple Abstraction Levels และ Multiple Angles

5. Mining Information จาก Different Sources ของ Data

Local และ Wide-area Computer Networks ที่พร้อมใช้งานกว้างขวาง เช่น Internet เชื่อมต่อ Various Sources ของ Data และสร้าง Huge Distributed, Heterogeneous Databases Mining Knowledge จาก Multiple Sources ของ Formatted/Unformatted Information ที่มี Diverse Data Semantics สร้าง New Challenge ให้ Data Mining

Data Mining ช่วย Disclose High-level Data Regularities ใน Heterogeneous Databases ที่ Simple Query Systems ค้นพบได้ยาก อีกทั้ง Huge Database Size, Broad Data Distribution, และ Computational Complexity ของ Data Mining Methods หลายอย่าง กระตุ้น Parallel และ Distributed Data Mining Algorithms