Ruumiandmete kaevandamine on geograafiliste andmete mustrite leidmise protsess. Enim kasutatud jaekaubanduses on see välja kasvanud andmekaeve valdkonnast, mis algselt keskendus mustrite leidmisele tekstilisest ja numbrilisest elektroonilisest teabest. Ruumiandmete kaevandamist peetakse keerulisemaks väljakutseks kui traditsioonilist kaevandamist, kuna ruumis ja ajas konkreetsete objektide analüüsimisega on seotud raskusi.
Nagu standardse andmekaevanduse puhul, kasutatakse ruumiandmete kaevandamist peamiselt turunduse ja jaemüügi maailmas. See on tehnika otsuste tegemiseks selle kohta, kus millist kauplust avada. See võib aidata neid otsuseid teha, töötledes olemasolevaid andmeid selle kohta, millised tegurid motiveerivad tarbijaid ühte kohta minema, mitte teise kohta.
Ütle, et Ashley soovib avada ööklubi teatud kvartalis. Kui tal oleks juurdepääs asjakohastele andmetele, saaks ta kasutada ruumiandmete kaevandamist, et välja selgitada, millised ruumilised tegurid muudavad ööklubid edukaks. Ta võib küsida selliseid küsimusi nagu: kas klubi tuleb rohkem inimesi, kui läheduses on ühistransport? Milline kaugus teistest ööelupaikadest maksimeerib patronaaži? Kas bensiinijaamade lähedus on pluss või miinus?
Ashley võib soovida ka tagada, et tema ööklubisse tulevad inimesed jõuaksid ühe õhtu jooksul ühtlaselt. Ta võiks kasutada ka ruumiandmete kaevandamist – võib-olla täpsemini ruumilise ja ajalise andmekaevet -, et teada saada, kuidas inimesed teatud aegadel linnas liiguvad. Sama protsessi võiks rakendada patrooniks erinevatel nädalaõhtutel.
Selle meetodi raskused tulenevad Interneti-välise maailma keerukusest. Kui varasemate jõupingutuste puhul andmekaevandamisel olid andmebaasid tavaliselt analüüsiks valmis, siis ruumiandmete kaevandamiseks saadaolevad sisendid ei ole teabevõrgud, vaid kaardid. Nendel kaartidel on erinevat tüüpi objekte, nagu teed, elanikud, ettevõtted jne.
Selle kindlaksmääramine, kas miski on millelegi muule “lähedane”, muutub diskreetsest muutujaks pidevaks muutujaks. See suurendab oluliselt analüüsiks vajalikku keerukust. Uskumatult on see üks lihtsamaid suhtetüüpe, mis on saadaval ruumiandmete kaevandamist proovivale inimesele.
Ruumiandmete kaevandamisel on ka valepositiivsete andmete probleem. Seoste otsimise käigus ilmnevad statistiliste valepositiivsete tulemuste tagajärjel palju ilmseid suundumusi. See probleem esineb ka lihtsama andmebaasi kaevandamisel, kuid seda võimendab andmekaevandajale saadaolevate andmete maht. Lõppkokkuvõttes tuleks andmekaeve abil tuvastatud suundumust kinnitada selgitusprotsessi ja täiendavate uuringute kaudu.