การทดสอบสมมติฐาน (Hypothesis Testing) เป็นแนวทางที่เรียบง่ายที่สุดในการบูรณาการข้อมูลเข้าสู่กระบวนการตัดสินใจของบริษัท วัตถุประสงค์ของการทดสอบสมมติฐานคือการยืนยันหรือโป้งพังแนวคิดที่มีอยู่ล่วงหน้า (Preconceived Ideas) และเป็นส่วนหนึ่งของการทำเหมืองข้อมูลเกือบทุกครั้ง
นักเหมืองข้อมูล (Data Miners) ข้ามไปมาระหว่างวิธีต่างๆ ก่อนคิดค้นคำอธิบายที่เป็นไปได้สำหรับพฤติกรรมที่สังเกตเห็น และให้สมมติฐานเหล่านั้นบังคับให้ข้อมูลถูกคำนวณ
การทดสอบสมมติฐานคือสิ่งที่นักวิทยาศาสตร์และนักสถิติใช้ชีวิตทำอยู่เสมอ สมมติฐาน (Hypothesis) เป็นคำอธิบายที่เสนอขึ้นซึ่งความถูกต้องสามารถทดสอบได้โดยการวิเคราะห์ข้อมูล ข้อมูลเช่นนี้สามารถรวบรวมได้ง่ายโดยการสังเกตหรือสร้างผ่านการทดลอง รวมถึงการส่งจดหมายทดสอบ (Test Mailing)
การทดสอบสมมติฐานมีคุณค่ามากที่สุดเมื่อมันเปิดเผยว่าสมมติฐานที่นำการกระทำขององค์กรในพื้นที่อุตสาหกรรมมานั้นผิด ตัวอย่างเช่น พิจารณาว่าการโฆษณาขององค์กรขึ้นอยู่กับสมมติฐานหลายอย่างเกี่ยวกับตลาดเป้าหมาย (Target Market) สำหรับผลิตภัณฑ์หรือบริการ และลักษณะของการตอบสนอง คุ้มค่าที่จะทดสอบว่าสมมติฐานเหล่านี้ได้รับการสนับสนุนจากคำตอบจริงหรือไม่
แนวทางหนึ่งคือใช้เบอร์โทรรับสายต่างกันในโฆษณาต่างกัน และบันทึกเบอร์ที่แต่ละผู้ตอบโทร ข้อมูลที่รวบรวมระหว่างการโทรสามารถเปรียบเทียบกับโปรไฟล์ของประชากรที่โฆษณาถูกออกแบบมาเพื่อเข้าถึง
กุญแจสำคัญในการสร้างสมมติฐานคือการได้รับอินพุตที่หลากหลายจากทั่วทั้งองค์กร และที่เหมาะสม นอกจากนั้นด้วย บ่อยครั้ง ทั้งหมดที่ต้องการเพื่อเริ่มให้ไอเดียไหลคือการระบุปัญหาอย่างชัดเจน — โดยเฉพาะหากเป็นสิ่งที่ไม่เคยถูกจับต้องเป็นปัญหาก่อนหน้านี้
สิ่งนี้เกิดขึ้นบ่อยกว่าที่คาดไว้ ที่ปัญหาไม่ได้รับการรับรู้ เพราะพวกมันไม่ถูกจับได้โดยเมตริกที่ใช้ประเมินประสิทธิภาพขององค์กร
หากองค์กรวัดทีมขายจากจำนวนการขายใหม่ (Fresh Sales) ทุกเดือน พนักงานขายอาจไม่เคยคิดมากนักเกี่ยวกับคำถามว่าผู้ใช้ใหม่อยู่ใช้งานนานแค่ไหน หรือใช้จ่ายเท่าไหร่ตลอดความสัมพันธ์กับองค์กร
การทดสอบสมมติฐานแน่นอนว่ามีประโยชน์ แต่มีเวลาที่มันไม่เพียงพอ เทคนิคการเหมืองข้อมูลที่อธิบายในส่วนที่เหลือของหนังสือเล่มนี้ ทั้งหมดถูกออกแบบมาเพื่อเรียนรู้สิ่งใหม่ๆ โดยการสร้างโมเดลบนพื้นฐานข้อมูล
ในความหมายทั่วไปที่สุด โมเดล (Model) เป็นคำอธิบายหรือคำอธิบายว่าสิ่งหนึ่งทำงานอย่างไร ที่สะท้อนความเป็นจริงพอที่จะนำไปใช้สร้างข้อสรุปเกี่ยวกับโลกแห่งความเป็นจริง
ทำความเข้าใจ Hypothesis Testing: ยืนยัน/โป้งพัง Preconceived Ideas, กระบวนการ Data Miners, ตัวอย่าง Test Mailing/Call-in Numbers, ข้อจำกัดนำไปสู่ Predictive Modeling
