一般而言， “采矿”是从地球上提取一些有价值的材料的过程，例如煤炭开采，钻石开采等。在计算机科学的上下文中， “数据挖掘”是指从大量数据中提取有用的信息或数据仓库。可以看到，该术语本身有点令人困惑。在煤炭或钻石开采的情况下，提取过程的结果是煤炭或钻石。但是在数据挖掘的情况下，提取过程的结果不是数据！！相反，数据挖掘的结果是我们在提取过程结束时获得的模式和知识。从这种意义上讲，数据挖掘也称为知识发现或知识提取。 Gregory Piatetsky-Shapiro于1989年提出了“数据库中的知识发现”一词。但是，“数据挖掘”一词在商业和新闻界变得越来越流行。当前，数据挖掘和知识发现可以互换使用。如今，数据挖掘已在几乎所有存储和处理大量数据的地方使用。例如，银行通常使用“数据挖掘”来找出可能对信用卡，个人贷款或保险感兴趣的潜在客户。由于银行拥有客户的交易详细信息和详细的个人资料，因此他们会分析所有这些数据，并尝试找出模式，以帮助银行预测某些客户可能对个人贷款等感兴趣。
数据挖掘的主要目的
基本上，从数据挖掘中收集的信息有助于预测隐藏的模式，未来的趋势和行为，并允许企业做出决策。
从技术上讲，数据挖掘是从不同角度，维度，角度分析数据并将其分类/汇总为有意义的信息的计算过程。
数据挖掘可以应用于任何类型的数据，例如数据仓库，事务数据库，关系数据库，多媒体数据库，空间数据库，时间序列数据库，万维网。
整个数据挖掘过程
数据挖掘的整个过程包括三个主要阶段：
1.数据预处理–进行数据清理，集成，选择和转换
2.数据提取–进行精确的数据挖掘
3.数据评估和演示–分析和演示结果
在以后的文章中，我们将介绍每个阶段的详细信息。
数据挖掘的应用
1.财务分析
2.生物学分析
3.科学分析
4.入侵检测
5.欺诈检测
6.研究分析
数据挖掘的真实例子–市场篮分析
市场购物篮分析是一种技术，它可以仔细研究客户在超级市场中所做的购买。该概念基本上用于识别客户一起购买的物品。假设某人购买面包，那么他/她也有可能购买黄油。该分析有助于促进公司的报价和交易。在数据挖掘的帮助下也是如此。