Hĺbková analýza dát, ako sa často Data mining prekladá, predstavuje proces objavovania a získavania cenných informácií v rozsiahlych dátových súboroch. Pri tomto "dolovaní dát" sa využívajú rôzne nástroje, ktorými extrahujeme z dát vysoko hodnotné poznatky, ktoré vieme ďalej použiť v širokej škále odvetví. Data mining je v súčasnosti považovaný za hnaciu silu pokroku, vďaka nemu dokážeme prinášať inovácie a progres!

Krok (po)kroku
- V prvom rade si potrebujeme zozbierať dáta. Je nutné zameriavať sa na kvalitné zdroje, z ktorých čerpáme, nakoľko tým eliminujeme chybovosť získaných informácií.
- Potrebujeme si vytýčiť ciele, na ktoré chceme data mining využiť v závislosti od segmentu, v ktorom chceme získané hodnotné dáta uplatniť.
- Použijeme rôzne metódy a nástroje na analýzu dát. Môže ísť napríklad o rôzne pokročilé algoritmy, štatistiky, regresie či asociačné pravidlá.
- Posledným krokom je implementácia získaných dát v podobe novo vytvorených stratégií.
Techniky využívané pri Data miningu
Ide o najrôznejšie nástroje a metódy, ktoré vieme využiť v závislosti od toho, akým spôsobom chceme dáta využiť. Najčastejšie sa však používajú techniky klasifikácie, zhlukovania (clustering), regresie alebo asociačné pravidlá. Nástroje, ktoré vieme pri dolovaní dát využiť sú napríklad Weka, KNIME či RapidMiner. No opäť, nástroj si vyberieme na základe konkrétnych cieľov analýzy dát.
Príklad aplikácie data miningu v prediktívnej údržbe priemyselných zariadení
Na základe prípadovej štúdie spoločnosť Rolls-Royce využíva data mining na monitorovanie svojich leteckých motorov. V spolupráci so spoločnosťou IFS vytvorili automatizovaný dátový kanál, ktorý umožňuje v reálnom čase sledovať stav motorov a predpovedať potrebu údržby ešte pred vznikom poruchy. Tento prístup znižuje neplánované odstávky a náklady na opravy, pričom zvyšuje spoľahlivosť a bezpečnosť lietadiel. Moderné fabriky majú svoje stroje vybavené senzormi vyhotovujúcimi rôzne dáta, vďaka ktorým vieme ďalej pomocou algoritmov optimalizovať efektívne fungovanie.