Data mining

Trabalho especificando o processo de data mining em banco de dados

Data Mining
Atualmente temos um grande número de dados em diversos bancos e a mineração veio para suprir essa necessidade, pois em decorrência de todo esse aumento criou-se também um distanciamento do cliente, e a partir daí começamos a buscar padrões implícitos para fazer um estudo para alavancar vendas e facilitar a estadia do cliente no estabelecimento.
Uma mineração de dados bem sucedida é feita a partir de um resgate de dados (banco de dados, relatórios, transações, etc) e fazer uma limpeza desses dados resgatados (consistência, redundância, etc) Com isso criasse o Data Marts e Data Warehouse, após isso geralmente há um analista responsável por refinar e conduzir um pouco mais até que sejam observados os padrões.
Encontrar padrões requer que os dados brutos sejam sistematicamente "simplificados" de forma a desconsiderar aquilo que é específico e privilegiar aquilo que é genérico. Faz-se isso porque não parece haver muito conhecimento a extrair de eventos isolados. Uma loja de sua rede que tenha vendido a um cliente uma quantidade impressionante de um determinado produto em uma única data pode apenas significar que esse cliente em particular procurava grande quantidade desse produto naquele exato momento. Mas isso provavelmente não indica nenhuma tendência de mercado.

A mineração de dados faz a função de conhecer o negócio, clientes e seus hábitos, buscando uma padronização entre suas compras e atitudes, a MD pega os dados no banco de transações, compras, pedidos, devoluções que o cliente teve e o que o motiva, a partir disso há um estudo para auxiliar a empresa e o cliente na busca para futuras compras.
Principais Tarefas
Em geral, as tarefas do data mining podem ser classificadas em duas categorias: descriptive data mining e predictive data mining. O primeiro descreve o conjunto de dados de uma maneira concisa e resumida e apresenta propriedades gerais