a:

Generelt kan virksomhedens mine, uanset data, blive computeriseret til analyse og studeret for at forbedre driftseffektiviteten, lavere omkostninger og øge indtægter og fortjenstmargener. Blandt de mange forskellige datatyper, der kan indsamles, er de mest almindeligt studerede produktionsomkostninger, lønomkostninger, marketing effektivitet og detaljerede salgsdata vedrørende alle produkter og tjenester, som virksomheden markedsfører.

Data mining er en metode til computer data analyse, der bruges til at afsløre forhold mellem forskellige datasæt, som for eksempel forholdet mellem arbejdstimer og produktionsniveauer for et produktionsselskab. Andre eksempler på brugen af ​​data minedriftsteknikker omfatter "indkøbskurvanalyse", der overvejer ting som det samlede antal forbrugere normalt bruger i en shoppingtur eller hvilke produkter forbrugerne normalt køber sammen under en shoppingtur.

Data mining varierer alt efter branche eller virksomhedstype. For eksempel driver banker historisk dataanalyse for at afgøre, hvilke kunder eller typer af kunder der mest sandsynligt vil betale tilbage til tiden. Forsikringsselskaber mine enorme mængder data for at udvikle aktuarmæssige tabeller til risikovurdering og identificere mønstre af svigagtige krav. Næsten stort firma, som sælger produkter på detailniveau, bruger dataudvinding til at analysere effektiviteten af ​​reklamekampagner.

Formålet med business intelligence er at sætte ledelsen i stand til at træffe velinformerede beslutninger vedrørende virksomhedens drift, beslutninger, der har til formål at øge driftseffektiviteten og i sidste ende øge virksomhedens rentabilitet. Af denne grund benævnes business intelligence-værktøjer undertiden som "beslutningsstøttesystemer".

Virksomhedsinformationsformål bruger nogle virksomheder deres egne historiske data, men andre virksomheder samler data fra eksterne kilder, der kaldes datalagre, som omfatter store mængder data indsamlet fra tværs over virksomhedens industri i stedet for blot virksomhedens egne interne data.