امروزه با گسترش سیستم های پایگاهی و حجم بالای داده ها ی ذخیره شده در این سیستم ها، نیاز به ابزاری است تا بتوان داده های ذخیره شده پردازش کرد و اطلاعات حاصل از این پردازش را در اختیار کاربران قرار داد. با استفاده ار پرسش های ساده درSQL و ابزارهای گوناگون گزارش گیری معمولی، می توان اطلاعاتی را در اختیار کاربران قرار داد تا بتوانند به نتیجه گیری در مورد داده ها و روابط منطقی میان آنها بپردازند اما وقتی که حجم داده ها بالا باشد، کاربران هر چقدرحرفه ای و با تجربه باشند نمی توانند الگوهای مفید را در میان حجم انبوه داده ها تشخیص دهند و یا اگر قادر به این کار هم با شند، هزینه عملیات از نظر نیروی انسانی و مالی بسیار بالا است. بنابراین میشود گفت که درحال حاضر یک تغییر الگو از مدل سازی و تحلیل های کلاسیک برپایه اصول اولیه به مدل های درحال پیشرفت و تحلیل های مربوط بطور مستقیم از داده ها وجود دارد. داده کاوی یکی از مهمترین این روشها است که به وسیله آن الگوهای مفید در داده ها با حداقل دخالت کاربران شناخته می شوند و اطلاعاتی را در اختیار کاربران و تحلیل گران قرار می دهند تا براساس آنها تصمیمات مهم و حیاتی در سازمانها اتخاذ شوند.
در متون آکادمیک تعاریف گوناگونی برای داده کاوی ارائه شده اند. در برخی از این تعاریف داده کاوی در حد ابزاری که کاربران را قادر به ارتباط مستقیم با حجم عظیم داده ها می سازد معرفی گردیده است و در برخی دیگر، تعاریف دقیقتر که درآنها به کاوش در داده ها توجه می شود موجود است.
کلمات کلیدی : معرفی دادهکاوی و دلایل پیدایش آن، تعاریف داده کاوی، جایگاه دادهکاوی در علوم کامپیوتر،طبقه بندی روش های داده کاوی ، داده کاوی توصیفی یا توصیف کننده، داده کاوی پیشگویانه ، مراحل و اجزای یک فرآیند دادهکاوی ، بیان مسئله و فرموله کردن فرضیه ، انتخاب و جمع آوری داده ها ، تبدیل و پیش پردازش داده ها، برآورد مدل یا کاوش در داده ها ، تفسیر نتیجه یا تفسیر مدل و رسیدن به نتایج، آماده سازی داده ها، مدل استاندارد داده ها ، دو وظیفه اصلی در آماده سازی داده ها ، تبدیل و تغییر وضعیت داده های خام، نرمال سازی، مقیاس دهی اعشاری ، نرمال سازی حداقل-حداکثر ،نرمال سازی انحراف معیار ، یکنواخت سازی داده ها ، تفاضل ها و نسبت ها ، مفهوم داده های از دست رفته و راه حل جبران داده های از دست رفته، مفهوم و روش های تشخیص داده های نامنطبق ، روش های آماری 2 تشخیص داده های نامنطیق برمبنای فاصله 3 ، روش ها و تکنیک های برمبنای انحراف ، کاهش داده ها، اعمال اصلی در فرایند کاهش داده ها ، یافته های حاصل از کاهش داده ها ، کاهش زمان محاسبه ، افزایش یادگیری در دقت پیشگویانه/توصیفی ، سادگی در ارائه مدل داده کاوی ، روش های نمونه گیری برای نمونه های بزرگ ، نمونه گیری سیستمی ، نمونه گیری تصادفی ، نمونه گیری لایه ای ، نمونه گیری معکوس