1.客戶細分:人以群分，客戶細分或客戶分組是現代營銷的基礎。通過聚類分析的方法，對客戶進行劃分，獲得每個客戶群體的不同特征，從而針對客戶群體進行針對性營銷或針對特定細分市場開發特定產品，達到增加產品銷量、提升客戶忠誠度的目的。比如銀行業把客戶分成不同的群體，給他們提供不同的個性化投資產品。
2.客戶流失預測:研究表明，留住老客戶的成本遠遠低於獲取新客戶的成本。但是，留住所有客戶是不現實的，也是非常昂貴的。客戶流失預測通過對客戶行為模式的挖掘，只找出那些可能流失的客戶。有針對性的留住這些客戶，可以降低營銷成本，增加產品收益，這對於電信、銀行、保險等擁有大量客戶的行業來說是非常必要的。
3.客戶價值分析:客戶對企業有不同的貢獻。壹般來說，他們遵循“二八”原則，少數客戶對企業的貢獻比例較大。那麽，哪些客戶是企業的最佳客戶呢？只是最近貢獻收入最多的群體嗎？誰是潛在的好客戶？通過客戶價值分析，可以找到企業的最佳客戶，把有限的資源用在能帶來最大價值的客戶身上。
4.異常發現:通過分析數據，找出異常點。例如，信用卡是壹種廣泛使用的金融產品。隨著競爭的加劇，銀行競相推廣信用卡，少數不法分子趁機利用虛假信息申請信用卡，騙取錢財。通過數據挖掘對申請材料進行學習和評分，可以發現有信用欺詐的申請人，避免損失；通過對稅務數據的分析，發現偷稅漏稅。
5.交叉營銷:通過對商品和服務的組合營銷模式的分析，可以找到商品之間的搭配營銷模式。利用這些模型，我們可以設計交叉銷售策略。比如零售業，對顧客購物的搖籃進行分析，根據結果重新安排貨架，從而增加銷量；通過對策展人收視習慣的分析，電臺重新編排節目，提高收視率；零售巨頭沃爾瑪使用數據倉庫和數據挖掘技術來分析客戶的購買模式，以進行庫存管理和銷售機會。
6.個性化服務:分析每個人的消費，發現其他有特色的消費習慣，有針對性的提供服務或促進銷售。比如在電子商務中，網站會根據以往的購買記錄向客戶推薦新品；根據大多數人購買商品的行為，向客戶推薦當前購買商品的關系。
7.數據庫直銷:壹般來說，大量的直銷郵件都是隨機發給客戶的，可能只有不到5%的客戶會回復。數據挖掘根據小規模直郵的反饋，建立模型，找出最有可能回復的潛在客戶，將回復率提高到15%，從而降低成本，增加銷量。
8.提高工作效率:通過對日常工作或業務數據的分析，找到壹個優化的模型來提高工作效率或業務流程。例如，NBA使用壹套數據挖掘工具來分析球員的動作，以幫助教練找到組織進攻和防守的最佳方式；通過對制造商供應鏈日常活動的分析，找出供應鏈的最優運作模式；通過對生產計劃、生產效率等數據的分析，找到最有效的調度方法；通過分析生產工藝與質量數據的關系，找到了壹個好的生產工藝。
9.科學發現:通過分析大量的科學實驗數據，發現其中隱藏的模式，從而產生新的科學發現。比如通過對天文數據的數據挖掘和分析，發現新的恒星；通過對生物信息數據的分析，發現了新的基因和蛋白質折疊。識別具有良好藥物特性的分子，用於制造新藥；通過對醫學數據的分析，發現藥物與疾病的關系。
10，預警:通過對數據中趨勢的分析，對可能發生的事件提出預警。比如電信行業，通過對以往預警數據的分析，發現哪些常規告警可能是重大問題的前兆，提出預警，防止事故發生；分析工廠的生產數據，識別重大質量問題的前兆，采取必要的措施避免產品質量試驗的發生。
等等很多，是壹門非常發達的學科。