Ниже приведены основные проблемы, с которыми сегодня сталкивается интеллектуальный анализ данных:

Методология майнинга:

  • Различные и новые виды знаний производятся каждый божий день.
  • Добыча знаний в многомерном пространстве.
  • Работа с шумом, неопределенностью и неполнотой данных.
  • Оценка паттернов и добыча полезных ископаемых на основе паттернов или ограничений
  • Междисциплинарные усилия, то есть многие предметы.

Взаимодействие с пользователем:

  • Интерактивный майнинг — это сложно и быстро.
  • Представление и визуализация результатов интеллектуального анализа данных утомительны.
  • Необходимо также включить базовые знания.

Эффективность и масштабируемость:

  • Должны использоваться методы параллельного и распределенного потокового майнинга.
  • Используемые методы инкрементной добычи.

Разнообразие типов данных:

  • Работа со сложностью данных.
  • Добыча динамических и сетевых данных.
  • Майнинг глобальных репозиториев данных.

Интеллектуальный анализ данных и общество:

  • Конфиденциальность пользователей нарушается невидимым интеллектуальным анализом данных.