همانطور که می‌دانید در محیط پیرامون ما و در زمینه‌ها و صنایع مختلف حجم وسیعی از داده‌ها وجود دارد. این حجم از داده‌ها تا زمانی که به اطلاعات مفید و کاربردی تبدیل نشوند، کاربردی برای ما نخواهند داشت. پس باید تمام این داده‌ها را تجزیه و تحلیل کرده و مورد ارزیابی قرار دهیم تا آنکه اطلاعات مفیدی که نیاز داریم را از این داده‌ها استخراج نماییم. هدف داده‌کاوی تجزیه و تحلیل داده‌های موجود در پایگاه داده‌های موجود است. در واقع می‌توان گفت فرآیند داده کاوی، به یک کامپیوتر به تصمیم گیری در مورد این حجم وسیع از داده‌ها کمک می‌کند.

البته لازم به ذکر است که استخراج این اطلاعات تنها فرایندی نمی‌باشد که لازم است برای رسیدن به هدف خود انجام دهیم. داده کاوی شامل مراحل دیگری همچون پاک سازی داده‌ها (Data Cleaning)، ادغام داده‌ها (Data Integration)، تبدیل داده‌ها (Data Transformation)، داده کاوی (Data Mining)، ارزیابی الگوهای مفید (Pattern Evaluation) و ارائه و نمایش داده‌ها (Data Presentation) می‌باشد. پس از انجام تمام این مراحل، ما قادر به استفاده از این اطلاعات در زمینه‌های مختلفی همچون تحلیل بازار، تشخیص تقلب در زمینه‌های مختلف، اکتشافات علمی، پیش بینی آب و هوا، تشخیص ایمیل‌های اسپم، و بسیاری از زمینه‌های مختلف دیگر هستیم.

همانطور که گفتیم از داده‌کاوی می‌توان در زمینه‌های مختلفی استفاده نمود. اما می‌توان دو حوزه‌ی زیر را به عنوان موارد بسیار پر کاربرد داده کاوی که امروزه به وفور مورد استفاده قرار می‌گیرند نام برد:

• تجزیه و تحلیل و مدیریت بازار
• تجزیه و تحلیل شرکت‌ها و مدیریت ریسک

تجزیه و تحلیل و مدیریت بازار

از جمله مواردی که داده کاوی می‌تواند در این زمینه به ما کمک نماید، شامل تشخیص نیاز مشتریان است. اینکه به هر مشتری محصولات مورد نیاز آن‌ها پیشنهاد داده شود و همچنین مشتریان را بر اساس نوع محصولات مختلفی که خریداری می‌کنند بشناسیم. یکی از موارد کاربردی دیگر در این زمینه شناسایی الگوی خرید مشتریان می‌باشد. به عبارتی می‌توانیم تشخیص دهیم اکثر کسانی که شیر خریداری کردند، همراه با آن نان نیز خریدند. پس در این فروشگاه بهتر است این دو محصول در کنار همدیگر قرار گیرند.

تجزیه و تحلیل شرکت‌ها و مدیریت ریسک

داده کاوی می‌تواند به برنامه ریزی مالی یک شرکت کمک نماید و به تجزیه و تحلیل جریان نقدی آن بپردازد و در کنار آن منابع موجود و هزینه‌های شرکت را بررسی کرده و آن‌ها را با هم مقایسه نماید و خروجی را در قالب گزارش و یا نموداری به صورت خلاصه نمایش دهد. همچنین با استفاده از داده کاوی می‌توان بر سایر رقبا نظارت کرده و جهت بازار را در آینده پیش بینی نمود تا بتوان تصمیمات بهتری برای پیشبرد اهداف شرکت اتخاذ کرد.

به همان اندازه که حجم داده‌ها در جهان پیرامونمان افزایش یابد، درک افراد از این داده‌ها کمتر خواهد شد. دانشمندان داده تخمین می‌زنند که مقدار داده‌های موجود در جهان هر ۲۰ ماه دو برابر می‌شود و قطعا تجزبه و تحلیل این مقدار داده و استخراج اطلاعات مفید از آن‌ها مشکل خواهد بود. بنابراین، با وجود سیل عظیم از داده‌ها نیاز به ماشین‌هایی است که بتوانند به جستجوی روابط و الگوهای مفید موجود در این داده‌ها بپردازند. همین امر باعث می‌شود که نیاز به داده کاوی بیش از پیش افزایش یابد.

در سری مقالات بعدی از Zero to Hero ، جنبه‌های دیگری از داده کاوی را بررسی کرده و به معرفی ابزارها و نرم‌افزارهای موجود در این زمینه می‌پردازیم. همچنین رابطه‌ی داده کاوی و یادگیری ماشین را مورد ارزیابی قرار می‌دهیم تا در نهایت علم داده‌ها را بهتر و کامل تر درک نماییم.