Das Kon­zept des Deploy­ments im prä­dik­ti­ven Data Mining ver­weist auf die Anwen­dung eines Vor­her­sa­ge- oder Klas­si­fi­ka­ti­ons­mo­dells auf neue Daten. Nach­dem für eine bestimm­te Anwen­dung ein zufrie­den­stel­len­des Modell iden­ti­fi­ziert (trai­niert) wur­de, möch­te man die­ses Modell übli­cher­wei­se ein­set­zen, sodass man aus den neu­en Daten schnell Vor­her­sa­gen oder vor­her­ge­sag­te Klas­si­fi­ka­tio­nen erhält.

Bei­spiels­wei­se möch­te eine Kre­dit­kar­ten­fir­ma mög­li­cher­wei­se ein trai­nier­tes Modell oder meh­re­re Model­le (z. B. neu­ro­na­le Net­ze, Meta-Lear­ner) ein­set­zen, um schnell Trans­ak­tio­nen zu iden­ti­fi­zie­ren, für die eine hohe Wahr­schein­lich­keit besteht, dass sie zu betrü­ge­ri­schen Zwe­cken durch­ge­führt wer­den.