Le Data Mining est un ensemble d'outils, automatiques ou semi-automatiques , permettant l'analyse d'une grande quantité de données contenues dans une base, avec  pour objectif  de faire apparaître des corrélations entre des phénomènes distincts, ceci  afin de mettre en évidence  des tendances.

Les entreprises évoluent dans un environnement de plus en plus complexe. Avec les progrès de la numérisation, l'avènement d'Internet, le web représente un réservoir de données énorme  en plein développement : avec l'émergence des objets connectés, les entreprises sont entrées dans l'ère  du Big Data. Mais elles  croulent ainsi sous une masse d'informations en tous genres.

Les entreprises s'appuient sur les techniques de Data Mining dans le domaine du marketing.

Elles exploitent la technique du Data Mining pour optimiser leurs opérations, personnaliser leurs offres suivant un profil d'achat, analyser  les comportements des clients vis-à-vis de la concurrence , étudier les usages des canaux de communication…

Elles utilisent également le Data Mining pour repérer les clients à risque  à l’occasion de l’octroi d'un crédit ou de la souscription d'une assurance, anticiper la survenue d'incidents financiers, lutter contre les utilisations frauduleuses de cartes bancaires….

La puissance publique  s'intéresse , elle aussi, au Data Mining pour élucider des crimes, ou pour aborder les questions touchant à la sécurité intérieure .

Mais la science peut, elle aussi, en tirer parti pour  analyser des phénomènes complexes comme le  comportement humain ou la caractérisation d’un gène.

En génétique, le Data Mining aide à mettre en évidence la correspondance entre ADN et maladies en expliquant comment des changements dans une séquence ADN affectent les potentialités de développement d’une maladie.

Quelles sont les techniques et les méthodes du Data Mining ?

Pour mener à bien un projet de Data Mining, il faut, bien sûr, d'abord définir clairement la problématique à étudier.

Ensuite, il  faut absolument sélectionner,  parmi l'ensemble des données disponibles, celles qui pourront être utilisées, tout en s'assurant que le nombre de données exploitées correspond à la complexité du problème à traiter .

ð Vient alors l'étape de paramétrage du modèle construit à partir de techniques issues des méthodes statistiques, des analyses de données et de l'informatique.

L'objectif peut être d'extrapoler de nouvelles données à partir d'une base, de mettre en évidence des données existantes perdues dans la masse ou de réduire le volume des données.

Enfin, vient l'étude des résultats. En effet, quel que soit  la puissance des logiciels l'intervention d'un analyste spécialisé reste indispensable : ici l’intelligence humaine conserve toute sa place.