Ilmu Statistika adalah ilmu pengetahuan yang membahas (mempelajari) dan mengembangkan prinsip-prinsip, metode, dan prosedur yang perlu ditempuhatau dipergunakan dalam rangka:

 (a) pengumpulan data angka, (b) penyusunanatau pengaturan data angka, (c) penyajian atau penggambaran atau pelukisandata angka, (d) penganalisisan terhadap data angka, dan (e) penarikan kesimpulan, pembuatan perkiraan, serta penyusunan ramalan secara ilmiah.

Database atau basis data adalah kumpulan data yang disimpan secara sistematis di dalam komputer dan dapat diolah atau dimanipulasi menggunakan perangkat lunak (program aplikasi) untuk menghasilkan informasi. Pendefinisian basis data meliputi spesifikasi berupa tipe data, struktur, dan juga batasan-batasan data yang akan disimpan. Basis data merupakan aspek yang sangat penting dalam sistem informasi dimana basis data merupakan gudang penyimpanan data yang akan diolah lebih lanjut. Basis data menjadi penting karena dapat menghidari duplikasi data, hubungan antar data yang tidak jelas, organisasi data, dan juga update yang rumit

Data mining adalah sebuah proses percarian secara otomatis informasi yang berguna dalam tempat penyimpanan data berukuran besar. Istilah lain yangsering digunakan diantaranya knowledge discovery (mining) in databases (KDD),knowledge extraction, data/pattern analysis, data archeology, data dredging,information harvesting, dan business intelligence. 

Teknik data mining digunakan untuk memeriksa basis data berukuran besar sebagai cara untuk menemukan polayang baru dan berguna. Tidak semua pekerjaan pencarian informasi dinyatakan sebagai data mining.

Sebagai contoh :

- Pencarian record individual

menggunakan database management system atau pencarian halaman we tertentu melalui kueri kesemua search engine adalah pekerjaan pencarian informasi yang erat kaitannyadengan information retrieval.

-  Teknik-teknik data mining

dapat digunakan untukmeningkatkan kemampuan sistem-sisteminformation retrieval.

Data mining adalah bagian integral dari  knowledge discovery in databases (KDD). 

1

Customer relationship management (CRM). CRM adalah perluasan dari marketing tradisional yang baru dan sedang muncul. Tujuan CRM adalah menciptakan hubungan ‘one-on-one’ dengan pelanggan dengan mengembangkan pemahaman yang intim terhadap kebutuhan dan keinginan mereka. Karena perusahaan membangun relasi dengan pelanggannya sepanjang waktu  melalui berbagai transaksi (misalnya ‘product inquiries’, ‘sales’, ‘service requests’, ‘warranty calls’), jadi mereka mengumpulkan banyak sekali data. Ketika dikombinasikan dengan atribut-atribut demografi dan sosioekonomi, data yang kaya informasi ini bisa digunakan untuk (1) mengetahui pembeli/pelanggan yang paling berminat pada produk atau layanan baru (misalnya, ‘customer profiling’); (2) mengetahui akar penyebab berkurangnya pelanggan sehingga bisa memperbaiki retensi pelanggan (misalnya, ‘churn analysis’); (3) menemukan asosiasi varian waktu antara produk dan layanan untuk memaksimalkan penjualan dan ‘customer value’; dan (4) mengetahui pelanggan yang paling ‘profitable’ dan kebutuhan utama mereka untuk memperkuat hubungan dan memaksimalkan penjualan.

Banking. DM bisa membantu bank dengan cara berikut:

(1) meng-otomatisasi proses aplikasi pinjaman/utang dengan memprediksi secara akurat mengenai para ‘pemangkir’ (pengemplang utang) yang paling potensial; (2) mendeteksi penipuan pada kartu kredit dan transaksi online perbankan ; (3) mengetahui cara-cara dalam memaksimalkan ‘customer value’ dengan menjual ke mereka produk-produk dan layanan yang paling cenderung mereka beli; dan (4) meng-optimasi ‘cash return’ dengan memprediksi secara akurat ‘cash flow’ pada entitas-entitas perbankan (misalnya, mesin-mesin ATM, cabang-cabang kantor bank).

Retailing and logistics Dalam industry retail, DM bisa digunakan untuk

(1) memprediksi volume penjualan pada lokasi retail tertentu sehingga bisa menentukan level inventory yang tepat; (2)  mengetahui hubungan penjualan antara berbagai produk yang berbeda (dengan menggunakan market-basket analysis) untuk memperbaiki tata letak ‘store’ dan meng-optimasi promosi penjualan; (3) memprediksi tingkat konsumsi berbagai jenis produk (berdasarkan kondisi musim dan environment) untuk mengoptimasi logistic dan akhirnya memaksimalkan penjualan; dan (4) menemukan pola-pola yang menarik pada pergerakan berbagai produk (terutama pada produk-produk yang memiliki umur simpan yang pendek karena rentan terhadap kadaluwarsa, busuk, dan kontaminasi) dalam ‘supply chain’ dengan menganalisa data-data dari RFID dan sensor.

Manufacturing and production.  Pabrik-pabrik bisa menggunakan DM untuk (1) memprediksi kegagalan mesin sebelum terjadi dengan cara penggunaan data dari sensor (memungkinkan apa yang disebut ‘condition-based maintenance’); (2) mengetahui berbagai anomali dan kesamaan di berbagai sistem produksi untuk mengoptimasi kapasitas produksi; dan (3) menemukan pola-pola baru untuk mengetahui dan meningkatkan kualitas produk.

2

Brokerage and securities trading. Para ‘broker’ dan ‘trader’ menggunakan DM untuk (1) memprediksi kapan dan berapa harga obligasi tertentu akan berubah; (2)  memprediksi bentangan dan arah fluktuasi saham; (3) menaksir efek isu-isu dan peristiwa-peristiwa tertentu pada pergerakan pasar secara keseluruhan; dan (4) mengetahui dan mencegah berbagai aktivitas penipuan dalam trading sekuritas.

3