Data Mining adalah kegiatan yang meliputi pengumpulan, pemakaian data historis untuk menemukan keteraturan, pola dan hubungan dalam set data berukuran besar. Kegunaan data mining adalah untuk menspesifikasikan pola yang harus ditemukan dalam tugas data mining.
Data mining adalah salah satu solusi untuk menjelaskan proses penggalian informasi dalam suatu basis data yang berskala besar. Dengan data mining dimana serangkain prosesnya akan menghasilkan suatu nilai tambah berupa pengetahuan baru yang selama ini tidak diketahui secara manual dari sekumpulan data.
Data Mining merupakan teknologi yang sangat berguna untuk membantu perusahaan-perusahaan menemukan informasi yang sangat penting dari gudang data (Data warehouse) mereka. Dengan data mining dapat meramalkan tren dan sifat-sifat perilaku bisnis yang sangat berguna untuk mendukung pengambilan keputusan penting. Analisis yang diotomatisasi yang dilakukan oleh data mining melebihi yang dilakukan oleh sistem pendukung keputusan tradisional yang sudah banyak digunakan. Data Mining dapat menjawab pertanyaan-pertanyaan bisnis yang dengan cara tradisional memerlukan banyak waktu dan cost tinggi.
Banyak penerapan yang dapat dilakukan oleh Data Mining, apalagi ditunjang kekayaan dan keanekaragaman berbagai bidang ilmu (artificial intelligence, database, statistik pemodelan matematika, pengolahan citra dsb.) membuat penerapan data mining menjadi makin luas.
Perusahaan yang bergerak dalam industri asuransi mampu mengumpulkan sejumlah besar data mengenai klien mereka. Semua data -- data ini adalah informasi yang berharga tentang perilaku pelanggan, kegiatan, dan preferensi. Untuk mengambil serta menyatukan informasi dari seluruh data mentah perusahaan asuransi sangatlah menyita waktu belum lagi terhalang oleh peraturan yang melindungi data dan informasi mereka.
Proses ekstraksi atau penyatuan data ini  sangat mendukung dalam pengembangan produk dan layanan baru untuk memenuhi kebutuhan pelanggan. Hal ini didapat dari hasil penggalian informasi tentang pelanggan, pasar, dan pesaing. Karena ada beberapa kebutuhan yang penting serta pola yang tidak dapat ditemukan oleh manusia dalam data berukuran terabyte, sementara hal ini diperlukan guna meningkatkan kompetisi serta membuat perusahaan asuransi menjadi lebih efektif dan manusiawi.
Itulah saatnya dimana perusahaan asuransi membutuhkan perangkat lunak untuk proses penggalian data guna menemukan pengetahuan-pengetahuan baru.
Sebagai contoh, setelah penemuan pengetahuan yang baru maka akan didapatkan aturan dalam pengambilan keputusan atau pohon keputusan yang berupa suatu model prediksi atau perkiraan, model ini mengandung fitur terstruktur yang mampu mengidentifikasi penipuan asuransi atau menemukan klien setia. Model prediksi ini juga mampu memberi masukkan tentang berbagai kebutuhan terhadap produk asuransi yang baru, prediksi terhadap klien, menemukan potensi klien serta berbagai pengetahuan lain lebih jauh.
Australian Health Insurance Commision menggunakan data mining untuk mengidentifikasi layanan kesehatan yang sebenarnya tidak perlu tetapi tetap dilakukan oleh peserta asuransi. Hasilnya? Mereka berhasil menghemat satu juta dollar per tahunnya. Anda bisa lihat di www.informationtimes.com.au/data-sum.htm. Tentu saja ini tidak hanya bisa diterapkan untuk asuransi kesehatan, tetapi juga untuk berbagai jenis asuransi lainnya.
Dapat disimpulkan bahwa dalam setiap system informasi pasti terdapat pengolahan serta proses data. Pengolahan serta proses data ini bertujuan untuk menemukan hasil yang dibutuhkan berbagai pihak. Hasil yang ditemukan akan digunakan untuk menunjang keputusan yang menentukan langkah selanjutnya dalam sebuah organisasi. Keputusan serta kebijakan yang dilaksanakan bertujuan untuk meningkatkan produktifitas maupun efisiensi kerja sebuah organisasi. Pemrosesan serta pengolahan gudang data sebuah organisasi dengan menggunakan data mining mampu menemukan pengetahuan baru yang dibutuhkan untuk menunjang keputusan dalam pengembangan sebuah organisasi.
Sumber :
