เทคโนโลยีในการจัดการความรู้

1. ความรู้เบื้องต้นเกี่ยวกับเทคโนโลยีในการจัดการความรู้

             เทคโนโลยีมีบทบาทสำคัญในการจัดการความรู้ แต่การจัดการความรู้ไม่เกี่ยวกับเทคโนโลยี เพราะการจัดการความรู้เป็นการรวบรวมองค์ความรู้ ซึ่งอยู่ในตัวบุคคลหรือเอกสารมาพัฒนาให้เป็นระบบ เพื่อให้สามารถเข้าถึงความรู้และพัฒนาบุคลากรให้มีความรู้ รวมทั้งสามารถปฏิบัติงานได้อย่างมีประสิทธิภาพ ปัจจุบันเทคโนโลยีเป็นเครื่องมือที่สำคัญในการสนับสนุนการจัดการความรู้ให้มีการแลกเปลี่ยนและเผยแพร่ได้อย่างรวดเร็ว

            ความเป็นมาของเทคโนโลยีกับการจัดการความรู้

            การเผยแพร่ส่งผ่านความรู้และข้อมูลสารสนเทศด้วยเทคโนโลยี จะใช้ระบบเทคโนโลยีการสื่อสารทางไกล เข้ามามีส่วนร่วม ทำให้ส่งผ่านหรือถ่ายทอดจนแพร่กระจายได้อย่างรวดเร็วและมากมาย และทำได้ตลอดเวลาในทุกสถานที่ที่มีเทคโนโลยีนี้ทำงานหรือติดตั้งอยู่ ความก้าวหน้าของเทคโนโลยีโดยเฉพาะอินเทอร์เน็ตและอินทราเน็ตเป็นแรงผลักดันสำคัญและมีความจำเป็นในการจัดการความรู้  เทคโนโลยีช่วยให้การแลกเปลี่ยนความรู้สามารถทำได้สะดวกและง่ายขึ้น และยังมีความสำคัญในการปรับปรุงความสามารถในการจัดเก็บ การเข้าถึง การจัดการและการใช้ข้อมูลในการจัดการความรู้ได้หลากหลายวิธี นอกจากนี้ การจัดเก็บข้อมูลในระบบฐานข้อมูลที่ทันสมัยมีส่วนช่วยให้การจัดการความรู้มีประสิทธิภาพมากขึ้น สามารถสื่อสารและกระตุ้นคามร่วมมือระหว่างบุคลากรภายในองค์กร จึงกล่าวได้ว่า เทคโนโลยีเป็นปัจจัยสำคัญที่เอื้อให้การจัดการความรู้ประสบความสำเร็จ วิวัฒนาการของการจัดการความรู้ได้พัฒนาไปพร้อมกับการพัฒนาของเทคโนโลยีสารสนเทศตามช่วงเวลาต่าง ๆ ดังนี้
       1. ยุคที่ 1 เป็นยุคเริ่มต้นของการเรียนรู้  โดยมีแนวคิดว่าความรู้สามารถบริหารจัดการได้โดยอาศัยการจัดการที่มีระบบ เริ่มมีระบบจัดการฐานข้อมูลเชิงสัมพันธ์
     2. ยุคที่ 2 เป็นยุคที่เริ่มมีกระบวนการจัดการความรู้อย่างเป็นระบบอย่างชัดเจน มุ่งเน้นการนำความรู้มาใช้ให้เกิดประโยชน์สูงสุด โดยนำคอมพิวเตอร์มาช่วยอำนวยความสะดวกมากขึ้น เครื่องมือที่นำมาใช้ในการจัดเก็บความรู้ได้แก่ซอฟต์แวร์ช่วยสนับสนุนการทำงานร่วมกันเป็นทีมและระบบจัดการเอกสารอิเล็กทรอนิกส์
     3. ยุคที่ 3  เป็นยุคที่เกิดการแลกเปลี่ยนความรู้ เพื่อพัฒนาประสิทธิผลในการตัดสินใจ โดยมีความเชื่อมว่าความรู้และการแลกเปลี่ยนจะเกิดขึ้นเมื่อผู้ให้ความรู้สมัครใจที่จะแบ่งปันให้กับคนอื่น จึงเริ่มนำระบบอินเทอร์เน็ต และระบบพาณิชย์อิเล็กทรอนิกส์ มาใช้ในการจัดการความรู้ และนำระบบบริหารทรัพยากรองค์กรมาใช้วางแผรทรัพยากรขององค์กร
     4. ยุคที่ 4 เป็นยุคที่การสื่อสารสะดวก รวดเร็วและมีประสิทธิภาพมากขึ้น จากการนำระบบอินเทอร์เน็ตมาใช้ในองค์กร จึงได้นำระบบศูนย์รวมของการจัดการความรู้ มาใช้ในหน่วยงานราชการ และภาคเอกชน เพื่อใช้ในการจัดการความรู้
    5. ยุคที่ 5  เป็นการจัดการความรู้โดยนำเครือข่ายสังคมออนไลน์(Online Social Network) มาใช้ในการพูดคุยในกลุ่มของคนที่มีความรู้ เป็นที่มาของการจัดการความรู้ที่พยายามนำเอาความรู้ที่ฝังอยู่ในคนออกมาเป็นความรู้ที่ชัดแจ้งแต่การจัดเก็บและเผยแพร่ความรู้ผ่านเครือข่ายสังคมออนไลน์มีข้อจำกัดในเรื่องการกลั่นกรองความรู้ จึงนิยมทำแผนที่ความรู้ เช่น คลังข้อมูล(Data Warehouse) การทำเหมืองข้อมูล(Data Mining) มาใช้ในการจัดการความรู้ เครื่องมือเหล่านี้ทำให้เกิดศูนย์รวมการจัดการความรู้ที่พัฒนาไปสู่ศูนย์รวมของการตัดสินใจ (Decision Portal) ขององค์กร

ตัวแบบของการจัดการความรู้ประกอบด้วยองค์ประกอบ ดังนี้

1) ฐานข้อมูล            

2) เครื่องมือที่ใช้ในการจัดการข้อมูล            

3) เทคโนโลยีการสื่อสารภายในและภายนอกองค์กร 

ลักษณะของเทคโนโลยีที่สนับสนุนการจัดการความรู้

1. เทคโนโลยีที่สนับสนุนการทำงานร่วมกันในการจัดการความรู้  แบ่งได้ 3 ส่วน ได้แก่                    

1.1 เทคโนโลยีการสื่อสาร                    

1.2 เทคโนโลยีในการทำงานร่วมกัน                    

1.3 เทคโนโลยีในการจัดเก็บ

2. เทคโนโลยีที่สนับสนุนกระบวนการจัดการความรู้

            หมายถึงการนำเทคโนโลยีมาเป็นเครื่องมือสนับสนุนกระบวนการจัดการความรู้ ซึ่งเป็นกระบวนการหนึ่งที่ทำให้เกิดการจัดการความรู้หรือพัฒนาการของความรู้ กระบวนการจัดการความรู้ประกอบด้วย 7 ขั้นตอน ได้แก่ การบ่งชี้ความรู้ การสร้างและแสวงหาความรู้ การจัดการความรู้ให้เป็นระบบ การประมวลและกลั่นกรองความรู้ การเข้าถึงความรู้ การแบ่งปันแลกเปลี่ยนความรู้ และการเรียนรู้

3. เทคโนโลยีที่สนับสนุนการดำเนินการจัดการความรู้ 

3.1 เทคโนโลยีการสื่อสารภายในและภายนอกองค์กร                                 

- อินทราเน็ต                              

- เอ็กซ์ทราเน็ต                                

- อินเทอร์เน็ต

3.2 เทคโนโลยีสนับสนุนการนำเข้าความรู้                                

- ระบบจัดการเอกสารอิเล็กทรอนิกส์                                

- ระบบบริหารทรัพยากรองค์กร
                    

3.3 เทคโนโลยีสนับสนุนการจัดเก็บความรู้                                

- ระบบจัดการฐานข้อมูล                                

- คลังข้อมูล                                

- ศูนย์รวมของการจัดการความรู้                                

- การทำเหมืองข้อมูล                                

- การทำเหมืองเว็บ
                    

3.4 เทคโนโลยีสนับสนุนการค้นหาข้อมูล                                

- การสืบค้นข้อมูลข่าวสาร
                    

3.5 เทคโนโลยีสนับสนุนการแลกเปลี่ยนความรู้                                

- การทำเหมืองข้อมูล                                

- การทำเหมืองเว็บ                                

- การเรียนรู้ทางอิเล็กทรอนิกส์                                

- ระบบบริหารทรัพยากรองค์กร

2. คลังข้อมูลของการจัดการความรู้

       การใช้ข้อมูลเป็นเครื่องมือสำคัญในการตัดสินใจขององค์กร ไม่ว่าจะเป็นเพื่อการลงทุนทางธุรกิจการวางแผนงานในองค์กรภาครัฐและวางแผนกลยุทธ์ในทุกองค์กรเพื่อให้สามารถตอบโต้กับการเปลี่ยนแปลงอย่างรวดเร็วของสิ่งแวดล้อมและคู่แข่งขัน ฉะนั้นอาจกล่าวได้ว่าการมีข้อมูลมากทำให้มีโอกาสและมีชัยเหนือคู่แข่งใน ระดับหนึ่ง แต่ทว่าหากมองในทางกลับกัน การมีข้อมูลจำนวนมากแต่ขาดการจัดการที่เป็นระบบ ก็จะทำให้มีความยุ่งยากในการเข้าถึงเพื่อนำมาใช้ประโยชน์ และยังต้องเสียค่าใช้จ่ายจำนวนมหาศาลในการเก็บรักษาข้อมูลเหล่านั้นไว้โดยไม่จำเป็นอกจากนี้หากมีการนำข้อมูลมาวิเคราะห์อย่างผิดพลาดอาจจะก่อให้เกิดผลเสียหาย ได้ ซึ่งอาจจะเกิดการสูญเสียที่ไม่อาจประเมินค่าได้ เช่น ความผิดพลาดในการตัดสินใจเพื่อความมั่นคงของชาติ การเสียโอกาสทางธุรกิจไป เป็นต้น เพราะฉะนั้นในยุคที่ผู้บริหารมีความต้องการใช้ข้อมูลเพื่อการตัดสินใจนั้นการจัดระบบข้อมูลสารสนเทศเพื่อนำเสนอข้อมูลที่มีคุณค่าและผ่านการกลั่นกรองแล้วแก่ผู้บริหารเพื่อใช้ในการตัดสินใจให้ทันต่อเหตุการณ์อย่างมิ ประสิทธิภาพ จึงเป็นสิ่งที่จำเป็นอย่างยิ่ง ดังนั้นการสร้างคลังข้อมูลจึงเกิดขึ้นเพื่อเป็นที่เก็บรวบรวมข้อมูลสำคัญและจำเป็นจากแหล่งต่าง ๆ ซึ่งเป็นประโยชน์ต่อการตัดสินใจของผู้บังคับบัญชา และผู้บริหาร 

 แนวคิดเกี่ยวกับคลังข้อมูล

       Data Warehouse หมายถึง ฐานข้อมูลขนาดใหญ่ขององค์กรหรือหน่วยงานหนึ่งๆ ซึ่งเก็บรวบรวมข้อมูลจากฐานข้อมูลระบบงานประจำวัน หรือเรียกอีกอย่างว่า Operational database และฐานข้อมูลอื่นภายนอก 

ทำไมต้องใช้ระบบ Data Warehouse

            องค์กรต่างๆ ในปัจจุบันส่วนใหญ่จะมีการลงทุนลงแรงไปมากกับระบบที่เรียกว่า “ระบบฐานข้อมูลประจำวัน (Operational System)”  ระบบข้อมูลที่ว่านี้จะมีหน้าที่หลักในการรวบรวมและจัดเก็บข้อมูลเอาไว้ ไม่ว่าจะเป็นข้อมูลของบุคคลากร ข้อมูลลูกค้า ข้อมูลการขาย ข้อมูลฝ่ายบุคคล ข้อมูลเกี่ยวกับคงคลังก็ตาม โดยที่ระบบเหล่านี้มีการลงทุนไปมาก ดังนั้นปริมาณข้อมูลที่มหาศาลก็เลยถือได้ว่าเป็นทรัพย์สินและทรัพยากรอย่างหนึ่งขององค์กรจึงจำเป็นต้องมีการจัดการที่เหมาะสมเพื่อนำเอาทรัพย์สินเหล่านี้มาใช้ให้เกิดประโยชน์สูงสุด ในองค์กรหลายแห่ง ได้นำข้อมูลเหล่านี้มาช่วยในการตัดสินใจโดยประยุกต์ใช้เป็นระบบการตัดสินใจ “Decision Support System (DSS)”  โดยนำเอาระบบ Data Warehouse  มาช่วยเพื่อให้ผู้บริหารสามารถเรียกใช้ข้อมูลที่ต้องการได้อย่างรวดเร็วและมีประสิทธิภาพมากขึ้น โดยข้อมูลเชิงบริหารนี้จะสามารถช่วยลดปัญหาที่เกิดจากการใช้ข้อมูลจากฐานข้อมูลปฏิบัติการ (operational database) ซึ่งเป็นการเก็บข้อมูลในระบบในรูปแบบวันต่อวัน (Transaction system) จึงไม่อยู่ในรูปแบบที่เป็นประโยชน์ต่อผู้บริหาร ซึ่งโดยทั่วไปปัญหาที่พบเมื่อต้องการเรียกข้อมูลเพื่อช่วยในการตัดสินใจได้แก่            - การเรียกข้อมูลจากฐานข้อมูลปฏิบัติการ ซึ่งมีขนาดใหญ่ ทำให้ประสิทธิภาพของระบบลดลงและทำงานได้ช้าลง            - ข้อมูลที่นำเสนอมีรูปแบบเดียว ไม่สามารถเปลี่ยนแปลงได้ตามความต้องการของผู้บริหาร            - ไม่สามารถหาคำตอบในเชิงพยากรณ์ได้            - ไม่ตอบสนองการแสดงผลที่ซับซ้อนได้ดีเท่าที่ควร            - ข้อมูลถูกจัดเก็บอยู่ตามฐานข้อมูลของระบบงานต่างๆ ซึ่งยากแก่การเรียกใช้และขาดความสัมพันธ์ในเชิงภารกิจ

            ความแตกต่างระหว่างระบบที่ผ่านการวิเคราะห์และระบบปฏิบัติงานทั่วไป

            ระบบ  Data Warehouse  นั้นเรียกได้ว่าเป็นระบบฐานข้อมูล (Database) ที่ผ่านการวิเคราะห์แล้ว ผลลัพธ์ที่ได้จะถูกนำมาช่วยในการตัดสินใจได้ ในขณะที่ระบบปฏิบัติงานทั่วไป  จะเป็นเพียงระบบฐานข้อมูลที่ออกแบบมาเพื่อช่วยอำนวยความสะดวกในงานประจำวันเท่านั้นแตกต่างโดยสิ้นเชิงกับระบบ Data Warehouse  ซึ่งจะนำข้อมูลมาผ่านการวิเคราะห์ก่อน ซึ่งออกแบบมาให้ข้อมูลเหล่านั้นช่วยผู้ใช้ในการตัดสินใจได้ทันที  ไม่ว่าจะโดยการนำข้อมูลมาวิเคราะห์ สรุปและเสนอเป็นรายงาน            หัวใจของระบบฐานข้อมูลปฏิบัติงานทั่วไปนั้น จะสนใจเพียงการรับข้อมูลเข้าสู่ฐานข้อมูล  คอยดูแลให้ข้อมูลมีความทันต่อเหตุการณ์เสมอ โดยดูแลให้สามารถเรียกใช้ได้ด้วยความรวดเร็ว ถูกต้อง  และมีประสิทธิภาพ  ส่วนข้อมูลที่ผ่านการวิเคราะห์แล้ว  จะเป็นข้อมูลที่สนใจในช่วงเวลาใดเวลาหนึ่งเป็นจุด ๆ เท่านั้น  การวิเคราะห์ข้อมูลนั้น ส่วนใหญ่จะอยู่ในรูปแบบของการเปรียบเทียบ  หรือไม่ก็เป็นการพยายามหารูปแบบของ (Pattern) ของข้อมูล เพื่อพยายามหาแนวโน้มที่จะเกิดต่อไปในอนาคต เช่น  วิเคราะห์รูปแบบเหตุการณ์ความไม่สงบใน 3 จังหวัดชายแดนภาคใต้ โดยการเปรียบเทียบเหตุการณ์ที่เกิดขึ้นในวันหนึ่ง ๆ ของทุกๆปีว่ามีรูปแบบเฉพาะหรือไม่ ซึ่งถ้าเป็นการนำข้อมูลในอดีตมาดูย้อนหลัง ก็อาจจะทำให้เห็นพฤติกรรมของผู้ก่อความไม่สงบ เปลี่ยนแปลงไปอย่างไร            ความแตกต่างอีกอย่างหนึ่งที่มองเห็นได้ชัดของสองระบบก็คือ ระบบฐานข้อมูลปฏิบัติงานนั้น จะเป็นข้อมูลที่ได้จากกิจกรรมจริงในแต่ละวัน  ดังนั้นข้อมูลตัวหนึ่ง ๆ จึงเปลี่ยนแปลงไปเรื่อย ๆ และถือได้ว่าเป็นข้อมูลที่ไม่ถาวร ส่วนข้อมูลจากระบบวิเคราะห์นั้น จะถือได้ว่าเป็นข้อมูลที่ค่อนข้างนิ่ง  เพราะเป็นการวิเคราะห์ที่จุดใดจุดหนึ่งของเวลา เช่น บันทึกของข้อมูลตอนเที่ยงคืนของเมื่อวานนี้ เป็นต้น  ข้อมูลที่อยู่ในฐานข้อมูลแบบ วิเคราะห์นั้นจะอยู่คงที่ถาวร และจะเป็นการเพิ่มข้อมูลใหม่เข้ามาเรื่อย ๆ  ตามระยะเวลาที่กำหนด

การทำเหมืองข้อมูล (Data Mining) 

            การทำเหมืองข้อมูล (Data Mining) คือกระบวนการที่กระทำกับข้อมูลจำนวนมากเพื่อค้นหารูปแบบและความสัมพันธ์ที่ซ่อนอยู่ในชุดข้อมูลนั้น ในปัจจุบันการทำเหมืองข้อมูลได้ถูกนำไปประยุกต์ใช้ในงานหลายประเภท ทั้งในด้านธุรกิจที่ช่วยในการตัดสินใจของผู้บริหาร ในด้านวิทยาศาสตร์และการแพทย์รวมทั้งในด้านเศรษฐกิจและสังคม            การทำเหมืองข้อมูล (Data Mining) เปรียบเสมือนวิวัฒนาการหนึ่งในการจัดเก็บและตีความหมายข้อมูล จากเดิมที่มีการจัดเก็บข้อมูลอย่างง่ายๆ มาสู่การจัดเก็บในรูปแบบฐานข้อมูลที่สามารถดึงข้อมูลสารสนเทศมาใช้จนถึงการทำเหมืองข้อมูลที่สามารถค้นพบความรู้ที่ซ่อนอยู่ในข้อมูล หรือจะแยกๆ เป็นข้อๆ ได้ดังนี้            • กระบวนการหรือการเรียงลำดับของการค้นข้อมูลจำนวนมากและเก็บข้อมูลที่เกี่ยวข้อง            • การนำมาใช้โดยหน่วยงานทางธุรกิจและนักวิเคราะห์ทางการเงินหรือการนำมาใช้งานในด้านวิทยาศาสตร์เพื่อเอาข้อมูลขนาดใหญ่ที่สร้างโดยวิธีการทดลองและการสังเกตการณ์ที่ทันสมัย            • การสกัดหรือแยกข้อมูลที่เป็นประโยชน์จากข้อมูลขนาดใหญ่หรือฐานข้อมูล            • การวางแผนทรัพยากรขององค์กรโดยสามารถวิเคราะห์ทางสถิติและตรรกะของข้อมูลขนาดใหญ่เป็นการมองหารูปแบบที่สามารถช่วยการตัดสินใจได้

ทำไมจึงต้องมี Data Mining

            • ข้อมูลที่ถูกเก็บไว้ในฐานข้อมูลหากเก็บไว้เฉย ๆ ก็จะไม่เกิดประโยชน์ดังนั้นจึงต้องมีการสกัดสารสนเทศหรือการคัดเลือกข้อมูลออกมาใช้งานส่วนที่เราต้องการ            • ในอดีตเราได้ใช้คนเป็นผู้สืบค้นข้อมูลต่างๆ ในฐานข้อมูลซึ่งผู้สืบค้นจะทำการสร้างเงื่อนไขขึ้นมาตามภูมิปัญญาของผู้สืบค้น            • ในปัจจุบันการวิเคราะห์ข้อมูลจากฐานข้อมูลเดียวอาจไม่ให้ความรู้เพียงพอและลึกซึ้งสำหรับการดำเนินงานภายใต้ภาวะที่มีการแข่งขันสูงและมีการเปลี่ยนแปลงที่รวดเร็วจึงจำเป็นที่จะต้องรวบรวมฐานข้อมูลหลาย ๆ ฐานข้อมูลเข้าด้วยกัน เรียกว่า “ คลังข้อมูล” ( Data Warehouse)  ดังนั้นเราจึงจำเป็นต้องใช้ Data Mining ในการดึงข้อมูลจากฐานข้อมูลที่มีขนาดใหญ่ เพื่อที่จะนำข้อมูลนั่นมาใช้งานให้เกิดประโยชน์สูงที่สุด 

            เทคนิคต่างๆของการทำเหมืองข้อมูล                                                                        

            1. Association rule Discovery            เป็นเทคนิคหนึ่งของ Data Mining ที่สำคัญ และสามารถนำไปประยุกต์ใช้ได้จริงกับงานต่าง ๆ หลักการทำงานของวิธีนี้ คือ การค้นหาความสัมพันธ์ของข้อมูลจากข้อมูลขนาดใหญ่ที่มีอยู่เพื่อนำไปใช้ในการวิเคราะห์ หรือทำนายปรากฏการณ์ต่าง ๆ หรือมากจากการวิเคราะห์การซื้อสินค้าของลูกค้าเรียกว่า “ Market Basket Analysis ” ซึ่งประเมินจากข้อมูลในตารางที่รวบรวมไว้ ผลการวิเคราะห์ที่ได้จะเป็นคำตอบของปัญหา ซึ่งการวิเคราะห์แบบนี้เป็นการใช้ “ กฎความสัมพันธ์ ”  ( Association Rule ) เพื่อหาความสัมพันธ์ของข้อมูล             2. Classification & Prediction            เป็นกระบวนการสร้าง model จัดการข้อมูลให้อยู่ในกลุ่มที่กำหนดมาให้ ตัวอย่างเช่น จัดกลุ่มนักเรียนว่า ดีมาก ดี ปานกลาง ไม่ดี  โดยพิจารณาจากประวัติและผลการเรียน หรือแบ่งประเภทของลูกค้าว่าเชื่อถือได้ หรือไม่โดยพิจารณาจากข้อมูลที่มีอยู่             3. Database clustering หรือ Segmentation            เป็นเทคนิคการลดขนาดของข้อมูลด้วยการรวมกลุ่มตัวแปรที่มีลักษณะเดียวกันไว้ด้วยกัน            4. Deviation Detection            เป็นกรรมวิธีในการหาค่าที่แตกต่างไปจากค่ามาตรฐาน หรือค่าที่คาดคิดไว้ว่าต่างไปมากน้อยเพียงใด โดยทั่วไปมักใช้วิธีการทางสถิติ หรือการแสดงให้เห็นภาพ (Visualization) สำหรับเทคนิคนี้ใช้ในการตรวจสอบ ลายเซ็นปลอม หรือบัตรเครดิตปลอม รวมทั้งการตรวจหาจุดบกพร่องของชิ้นงานในโรงงานอุตสาหกรรม

            การทำเหมืองข้อมูลเว็บ (Web Mining)

             การทําเหมืองข้อมูลเว็บคือการใช้เทคนิคการทําเหมืองข้อมูลเพื่อค้นหาและสกัดข้อมูลและสารสนเทศจากเอกสารเว็บและบริการบนเว็บโดยอัตโนมัติ เพื่อนําความรู้ที่ได้มาแก้ปัญหาที่ต้องการทั้งทางตรงและทางอ้อม นอกจากนี้ยังได้แบ่งประเภทของการทําเหมืองข้อมูลเว็บโดยพิจารณาจากข้อมูลที่นํามาวิเคราะห์ออกเป็น 3 ประเภท คือ Web Content Mining, Web Structure Mining และ Web Usage Mining            Web Content Mining เป็นการค้นหาข้อมูลที่มีประโยชน์จากข้อมูลที่อยู่ภายในเว็บ เช่น ข้อความ รูปภาพ เป็นต้น โดย Web Content Mining สามารถแบ่งออกเป็น 2 ประเภทตามมุมมองคือ มุมมองทางด้านการสืบค้นสารนิเทศ (Information Retrieval) และมุมมองทางด้านฐานข้อมูล (Database) สําหรับเป้าหมายของ Web Content Mining จากมุมมองของการสืบค้นสารนิเทศคือการทําเหมืองข้อมูลเว็บเพื่อปรับปรุงการหาข้อมูลหรือกรองข้อมูลให้ผู้ใช้โดยพิจารณาจากข้อมูลที่ผู้ใช้อ้างอิงหรือร้องขอ ในขณะที่เป้าหมายของ Web Content Mining ในมุมมองของฐานข้อมูลส่วนใหญ่พยายามจําลองข้อมูลบนเว็บและรวมข้อมูลนั้น เพื่อให้การสอบถามทํางานดีขึ้นมากกว่าการใช้คําหลักเป็นตัวค้นหาเพียงอย่างเดียว            Web Structure Mining เป็นวิธีการที่พยายามค้นหารูปแบบโครงสร้างการเชื่อมโยงที่สําคัญและซ่อนอยู่ในเว็บ ซึ่งรูปแบบนี้จะขึ้นอยู่กับรูปแบบการเชื่อมโยงเอกสารภายในเว็บ โดยนํารูปแบบที่ได้มาใช้เพื่อจัดกลุ่มเว็บเพจและใช้สร้างข้อมูลสารสนเทศที่เป็นประโยชน์ เช่น นํามาใช้ในการปรับโครงสร้างของเว็บให้สามารถให้บริการผู้ใช้ได้อย่างรวดเร็ว            Web Usage Mining เป็นวิธีการที่พยายามค้นหาความหมายของข้อมูลที่สร้างจากช่วงการทํางานหนึ่งของผู้ใช้หรือสร้างจากพฤติกรรมของผู้ใช้เรียกอีกชื่อหนึ่งว่า Web Log Mining โดยในขณะที่ Web Content Mining และ Web Structure Mining ใช้ประโยชน์จากข้อมูลจริง หรือข้อมูลพื้นฐานบนเว็บแต่ Web Usage Mining ทําการค้นหาความรู้จากข้อมูลการติดต่อสื่อสารระหว่างกันของผู้ใช้ที่ติดต่อกับเว็บ โดย Web Usage Mining ทําการรวบรวมข้อมูลจากบันทึกในการดําเนินการต่างๆ เช่น บันทึกการใช้งานของ Proxy (Proxy Server Log) ข้อมูลการลงทะเบียน (Registration Data) หรือข้อมูลอื่นอันเป็นผลจากการทํางานร่วมกันมาใช้วิเคราะห์ ดังนั้น Web Usage Mining จึงเป็นวิธีการทํางานที่เน้นใช้เทคนิคที่สามารถทํานายพฤติกรรมของผู้ใช้ในขณะที่ผู้ใช้ทํางานกับเว็บ กระบวนการทํางานของ Web Usage Mining สามารถแบ่งออกเป็น 2 วิธีคือ            1. ทําการจับคู่ข้อมูลการใช้งานของเครื่องให้บริการเว็บให้อยู่ในรูปของตารางความสัมพันธ์ ก่อนที่นําข้อมูลนี้มาปรับใช้กับเทคนิคการทําเหมืองข้อมูลการใช้เว็บ              2. ใช้ประโยชน์จากข้อมูลในบันทึกการใช้งานโดยตรงซึ่งจะใช้เทคนิคการเตรียมข้อมูล (Preprocessing) เพื่อเตรียมข้อมูลก่อนหาความสัมพันธ์ (Pattern Discovery) และวิเคราะห์รูปแบบ (Pattern Analysis)