Penerapan Data Mining dalam Bisnis

Data mining adalah sebuah teknik memilah-milah data dalam volume yang sangat besar dengan tujuan mendapatkan informasi yang relevan terhadap sebuah subjek atau tema.
Biasanya data mining dipergunakan oleh organisasi untuk melakukan kegiatan business intelligence (BI) atau analisis finansial terutama di sektor pasar modal dan valas.
Terkait dengan ERP (enterprise resource planning), data mining juga dipergunakan oleh perusahaan di berbagai industri untuk melakukan analisis baik secara logika (logical analysis) maupun statistik (statistical analysis) data transaksi, dan menemukan sebuah pola (pattern) yang dapat membantu proses pengambilan keputusan.
Misalnya, seorang analis di sebuah perusahaan telekomunikasi melakukan data mining dari sistem CRM (Customer Relationship Management) untuk menemukan pola aktivitas pelayanan pelanggan dan calon pelanggan agar dapat meningkatkan kualitas servis perusahaan tersebut.
Dengan data mining, tanpa harus menggunakan call center or mail service, hanya prospek yang mempunyai probabilitas tinggi untuk merespons terhadap sebuah penawaran saja yang di kontak ataupun dikirim brosur.
Jadi, tujuan utama dari penerapan data mining di bisnis adalah penemuan dari suatu pengetahuan (knowledge discovery) dan model prediksi (prediction model) dari data transaksi yang telah dicatat oleh berbagai aplikasi, di mana pengetahuan ataupun prediksi tersebut dapat membantu manajemen senior dalam mengidentifikasi tren bisnis (business trend) untuk pengambilan keputusan strategis.
Knowledge discovery menyajikan informasi eksplisit dalam format yang mudah dibaca dan dimengerti oleh seorang analis sedangkan prediction model menyajikan prediksi terhadap apa yang akan terjadi pada masa mendatang di mana model tersebut cukup bervariatif, ada yang mudah dimengerti ataupun yang sangat kompleks.
Untuk memudahkan penerapan data mining dalam bisnis, diperlukan sebuah metodologi standar yang dikenal dengan nama CRISP-DM (CRoss Industry Standard Process for Data Mining). CRISP-DM terdiri dari: Business Understanding, Data Understanding, Data Preparation, Modeling, Evaluation dan Deployment. Keuntungan menggunakan CRIS-DM ini adalah tidak bergantung pada industri tertentu (industry neutral), perangkat lunak tertentu (tool tertentu) dan fokus pada proses data mining itu sendiri.