기업이 보유하고 있는 각종 자료 및 데이터를 기반으로 숨겨진 지식, 기대하지 못했던 패턴,새로운 법칙과 관계를 발견하고 이를 실제 경영의 의사결정을 위한 정보로 활용 하는것     동시에 발생하는 사건 그룹내에서 사건들 사이에 존재하는 친화성, 패턴   조사     ex) Market Basket Analysis 연관성 탐사의 변형으로 사건들 사이의 시간적인 관계 조사     ex) 배낭구입 고객 ----> 텐트 구입 특정한 경우가 일어날 가능성이 높은 집단과 낮은 집단으로 분류하는 것 가장 활발한 연구 분야     ex) 단골고객, 이탈고객 다양한 특성을 가진 다수의 고객들을 유사한 특성을 가진 집단으로 분류 소규모의 투자로 많은 효과를 볼 수 있음 동작과 Trend예상, 규격의 자동적인 발견 주요기술 : 전통적인 통계기법, 군집분석, Decision Tree, Neural Network 필요사항 : Large Database, 강력한 컴퓨터시스템,데이터마이닝 알고리즘 데이터마이닝의 결과로 어떤 고객은 다른고객에 비해 특정 상품을 더 잘 구   매하는 경향이있다는 사실을 알아낼 수 있음 기업은 이 두 유형의 고객에 대한 차이를 알게 됨으로써 불특정 대중이 아닌   목표에 대한 집중된 마케팅 수행 데이터베이스 안으로 깊숙히 침투하여 데이터내의 패턴을 발견하고 규칙을   추론 의사결정을 지원하고 기업환경 변화예측 통신회사의 해지자분석 유통업체의 장바구니 분석 신용카드회사의 fraud분석 일반회사의 광고효과분석, 신제품개발, 고객성향분석 데이터 사이의 새로운 관계를 밝혀내는 과정 데이터웨어하우스 활용을 높이는 방안 OLAP : 특정 물음에 대한 정보 제공 데이터 마이닝 : 그 뒤에 숨겨진 일반적인 경향에 대한 정보 제공 문제에 대한 정확한 이해 마이닝 결과를 판단할 수 있는 인적요소 발굴 보다 질 높은 데이터를 바탕으로 마이닝이 수행될 때 잠재적 가치증대