Hvad er datamining?
Datamining (DM) er en engelsk betegnelse for analyse af store mængder data, og er et begreb, der går ind under begrebet Big Data. Man bruger ofte DM i erhvervslivet til at finde sammenhæng mellem den data, man har indsamlet. Formålet med dette kan være forskelligt men ofte er det med henblik på optimeringer af nuværende strategier, processer og fremgangsmåder.
Banker foretager ofte datamining, når de skal finde ud af, hvilke kunder, der bliver dårlige betalere. Her benytter de alle de oplysninger, de har, til at gøre forudsigelser. Der findes forskellige datamining metoder – fx OLAP. OLAP står for Online Analytical Processing og bruges til at analysere multidimensionale datamængder i en given virksomhed.
Kort fortalt handler DM om at finde strukturer og sammenhæng i store datamængder. For at dette er muligt handler det om, at man er i stand til at sortere irrelevant data fra den data, der er relevant, så man på denne måde kun står tilbage med informationer, som kan bruges til at konkludere og forudsige.
Fordelen ved datamining er, at man som virksomhedsejer og/eller leder, som et led i sin online marketing kan finde ud af sammenhæng i kundeadfærden. Her kan man måske finde ud af, at det er bestemte kundekategorier, der efterspørger bestemte produkter.
Man kan måske også finde ud af sammenhæng mellem, at dem, der køber produkt X også er dem, der er de hyppigste købere af produkt Y. Dette kan vise sig at være særdeles relevante informationer, når man driver en webshop, da man her kan finde ud af, hvilke andre produkter, man kan vise på hvert produkt – ofte benævnt ”Relaterede produkter”.
Her ligger der altså et betragteligt omsætningspotentiale, hvis man formår at benytte DM til at finde frem til sådanne informationer.
Læs også: Google Analytics og CRO
