Algoritmi za rudarenje podataka su programirani upiti i programi koji se koriste za prepoznavanje uzoraka i trendova u skupovima podataka. Primarna upotreba data mininga je određivanje potreba i preferencija kupaca na temelju njihove stvarne aktivnosti. Iako se informacije temelje na prošlim rezultatima, mogu biti izvrstan pokazatelj ponašanja i trendova kupaca.
Dva izvrsna primjera algoritama za rudarenje podataka su prediktori grupiranja i najbližeg susjeda. Grupiranje je izraz koji se koristi za opisivanje aktivnosti u kojoj pojedinačne jedinice ili podaci dijele važne atribute. Odvajanje rublja logičan je primjer ovakvog ponašanja. Osoba koja sortira rublje funkcionira kao algoritam. On ili ona odvaja rublje u hrpe prema atributima: boje, kemijsko čišćenje i bjelina su razdvojeni.
Stvarni proces donošenja odluka uključen u ovu aktivnost su detalji algoritma. Prvo, skup podataka mora biti ograničen na stavke relevantne za vježbu. Cipele nisu uključene u sortiranje rublja, iako se mogu nalaziti u istom fizičkom prostoru. Unaprijed se mora donijeti odluka o tome koje karakteristike će se koristiti za odvajanje rublja i veličinu svake hrpe.
Prediktor najbližeg susjeda temelji se na identifikaciji blisko podudarnih primjera. Kriteriji se moraju dati u početnim fazama, navodeći što je stavka ili podatak i što će uključivati definicija najbližeg. Ova vrsta algoritma slijedi sličan obrazac kao i logički misaoni proces.
Primarna prednost algoritama za rudarenje podataka je sposobnost programa da stvori i identificira obrasce unutar ogromne količine podataka. Sposobnost identificiranja susjeda u određenom okruženju lako je ostvariti u maloj skupini. Međutim, podaci prikupljeni iz svih prodajnih transakcija dovršenih tijekom godine ili u okrugu zahtijevaju posebne programe i logiku za bilo kakvu točnost.
Ljudi koji mogu stvoriti algoritme za rudarenje podataka kako bi zadovoljili potrebe korisnika rade u poslovnoj inteligenciji ili rudarenju podataka. Ovo je vrlo složena ekspanzija statistike koja raste u popularnosti jer organizacije nastoje ostvariti opipljiviji povrat podataka koje su prikupile. Učinkovit programer može stvoriti skup algoritama za rudarenje podataka koji točno identificiraju obrasce ponašanja i upotrijebiti te informacije za predviđanje budućih radnji. Ove informacije su vrlo vrijedne za tvrtke, organizacije i vlade.