データマイニングの類似の言葉である「データベースにおける知識発見（KDD）」と91年頃から知られ、その認​​定はモントリオール国際会議1995。
いずれにしても、これは過去10年以内の手法である。
筆者の考案したデータマイニングとは何か語りたい。
情報に隠された貴重な知識を探すことを目指して、巨大な情報を扱うことができる情報処理技術。
各個人はデータマイニングについての自分の定義を持っているので、グローバルスタンダードな定義をないので、筆者の考えて定義と言った。
私が少し奇妙だと思う定義は、「誰でも簡単にデータを見つける」などと容易にな説明や「ニューラルネットワークを使ってデータを見つける」などの一つの方法にこだわった定義である。
2010～17年の今は、データマイニングは十分ビジネスマンに知られていると思う。
当然、上記のことは、基本的なデータマイニングの定義として使用できると私は考えるが、商売では、データマイニングそのものは目的ではなく、
私はその定義についても気にしていない。
逆に、
データマイニングでは何ができる？私はそれが伝達されなければ無駄だと思う。
私が商売のためのデータマイニングの定義をするとき、情報を商売にとって有益な知識できるツール。
もっと戦略的知識を活かし、収入を作ることができる。
人の限界を超越しより深いデータを発見する奇跡のツール 。
だけど、所詮ツールだから、データマイニングのツールを使うアナリストの高いスキルがあったほうがいい。
統計分析とは何が異なるのか？
データマイニングを経験した頃は、私は最初の印象はいまいちピンとこなかった。
時代に応じて、巨大な規模の情報分析をデータマイニングと言っているとしか思えなかったためだ。
その時、データベースを用いて検証し、結果を視覚化して情報を表示する程度で、人間のアイデアだけで解決された試行錯誤の手法だった。
今までの分析方法とはどう違うという、質問が多かった。
その違いは大雑把に言うと、・大規模なデータでも処理が可能なシステムがある・
知識を見つけるのに仮説なしで行われる（すべてのデータを対象とする）
・今までの分析は一番効果的な多変量情報を全体に投影し概括する技術であり、情報全てから条件を作り必要あ情報抽出する多くのがデータマイニングである。
・データ前処理（クレンジングなど）の方法論が出来上がっている
・知識獲得のために分析結果を活用できるシステム
・俊敏な意思決定を可能にするシステム（ビジュアル化など）
・沢山の分析方法を組み合わせて情報を知ることが可能
データウェアハウスの特性を利用し、時間軸の考えを取り入れて分析できる。
私はこの他にさまざまなデータマイニングに関する考えがあるが、私は起訴的だと思ったものを例に上げた。
覚えておくべきことは、あらゆるデータマイニングの技術には該当しないことだ。
上記のように、アナリストは独自のデータマイニングを行っているためだ。
情報を見つけるの経緯は以下の通り。
データマイニングの、分析前のデータクレンジングと、あいまいである特徴抽出は、次の分析のために分析の結果を利用することが適切に評価される。
技術の問題とは別に、データマイニングは、現実的に情報から貴重な知識を探し当てるようにデザインされる。
今までの統計分析技術では、数学的集合的処理によって情報を収集するだけで、それを使用する手段に関してはあまり知られていない。
要するに、今までの分析が計算であれば、データマイニングは知識を見つける技術と呼ばれる。
データを見つけるの過程だ。情報から知識を見つけるまでの一般的な例を以下に示す。
各プロセスは独立しており、一連の流れで情報を知ることができるが、より良い品質の情報を知るために、繰り返して精度を上げる
このようなスタイルが主流である。
データマイニングを毎日行い、高品質の情報を知る、アナリストが仕事で自然にマイニング技術を取得していることがわかったことは素晴らしいことだった。
並列作業で各過程を反復しデータを掘り当てることが目的。
アナリストは本当にこの方法をしているのか？私は個人差があると思う。
筆者の考えるデータマイニング方法も、極めてこれに似ているが、人々に解説するのは難しいから、解説するとき、私はそれを一般的なもので解説する。