Data Mining ist die systematische Auswertung großer Datenbestände mithilfe statistischer und algorithmischer Verfahren, um zuvor unbekannte Muster, Korrelationen und Ausreißer zu erkennen. Es bildet den zentralen Analyseschritt innerhalb des Prozesses Knowledge Discovery in Databases (KDD).
Erklärung
In der Praxis gliedert sich Data Mining meist nach dem Industriestandard CRISP-DM von der Datenbereinigung über die Modellierung bis zur geschäftlichen Bewertung. Zu den wichtigsten Methoden zählen Clustering (etwa die Gruppierung von B2B-Bestandskunden nach tatsächlicher Produktnutzung), Assoziationsanalyse für Cross-Selling-Warenkörbe, Klassifikationsbäume für Kündigungsrisiken (Churn) sowie Anomalieerkennung bei Zahlungs- oder Systemlogs. Anders als feste Standardberichte in einem Business-Intelligence-Dashboard beantwortet Data Mining keine vorab kodierten Einzelabfragen, sondern durchsucht Rohdaten aus CRM-, ERP- und Produktdatenbanken nach statistisch belastbaren Zusammenhängen. Voraussetzung für verwertbare Muster sind bereinigte Datensätze ohne Dubletten, da fehlerhafte Eingabedaten unmittelbar zu Scheinkorrelationen führen.