Datautvinning är en systematisk genomsökning av stora datamängder efter mönster, samband och avvikelser. Den bygger på statistiska tekniker och metoder för maskininlärning som klustring, klassificering eller associationsanalys. Ett klassiskt exempel är varukorgsanalys inom handeln, som visar vilka produkter som ofta köps tillsammans – en grund för sortiment, placering och rekommendationer.
Mönsterigenkänning är den automatiska identifieringen av regelbundenheter, strukturer eller återkommande drag i data som bilder, ljud, texter eller mätvärden. System tilldelar nya observationer till kända kategorier eller upptäcker grupper utan fördefinierade etiketter. Tillämpningar är bland annat ansiktsigenkänning, handskriftsigenkänning, kvalitetskontroll i tillverkning och upptäckt av ovanliga transaktioner. Disciplinen är en viktig grund för maskininlärning.
Klustring är en metod för oövervakad inlärning som delar in datapunkter i grupper utifrån deras likhet, utan fördefinierade kategorier. Den avslöjar mönster som ingen har namngett tidigare – till exempel kundsegment med liknande köpbeteende. För texter hjälper klustring till att sortera hundratals kundförfrågningar i ämnen som leverans, fakturering eller klagomål och visar var tyngdpunkten ligger.
Prediktiv analys använder historiska data, statistik och maskininlärning för att uppskatta sannolika framtida händelser. Den besvarar frågor som: vilka kunder är på väg att säga upp sig? Hur stort lager behövs nästa månad? När kommer en maskin sannolikt att haverera? Resultaten är sannolikheter, inte säkerheter. Deras värde beror i hög grad på datakvaliteten och på om förutsägelserna faktiskt påverkar beslut och processer.
Explorativ dataanalys (EDA) är den första, öppna titten på en datamängd: man beräknar sammanfattande nyckeltal, granskar fördelningar och diagram och letar efter mönster, extremvärden och saknade värden – ännu utan fast hypotes. Den hjälper till att bedöma datakvaliteten och hitta vettiga frågor för vidare analys eller modellering. Exempel: före en försäljningsprognos visar EDA att en månad registrerats ofullständigt på grund av en systemmigrering.
