1、客戶細分：人以類聚，客戶細分或客戶分群是現代營銷的基礎，通過聚類分析的方法，對客戶進行劃分，獲得各個客戶群不同的特征，從而對客戶群進行針對性的營銷，或者面向特定細分群開發特定產品，從而達到提高產品銷量，提升客戶忠誠度的目的。例如，銀行業將客戶分成不同的群體，向其提供不同的個性化投資產品。
2、客戶流失預測：研究表明，保留老客戶的成本遠低於獲取新客戶的成本。但是，對所有的客戶進行挽留營銷不切實際並且非常昂貴，通過對客戶行為模式的挖掘，客戶流失預測僅找出那些可能會流失的客戶，對這些客戶進行針對性的挽留，可降低營銷成本，提高產品收入，這對於有大量客戶的電信、銀行、保險等行業非常必要。
3、客戶價值分析：客戶對企業的貢獻不同，壹般來說遵循“20-80”原則，少數客戶對企業的貢獻占大都分比例，那麽，哪些客戶是企業最好的客戶？僅僅是最近奉獻收入最多的群體嗎？哪些是潛在的好客戶？通過客戶價值分析，發現企業的最好客戶，把有限的資源使用在能帶來最大的價值客戶的身上。
4、異常發現：通過對數據進行分析，找出其中的異常點，例如，信用卡是當今廣泛使用的金融產品，隨著競爭的加劇，各銀行競相大力推廣信用卡，有少數不法分子趁機使用假資料申請信用卡，騙取錢財。通過數據挖掘對申請資料進行學習評分，可以發現信用欺詐的申請者，避免損失；通過對稅務數據的分析，發現偷稅漏稅行為等。
5、交叉營銷：通過對商品和服務組合營銷模式的分析，能夠發現商品之間的搭配銷售模式。利用這些模式，能夠設計交叉銷售策略。例如，在零售業進行客戶購物搖籃分析，根據結果對貨架重新擺放，從而提高銷售量；電臺通過對館長觀看習慣的分析，重新編排節目，提高收視率；零售業巨頭沃爾瑪使用數據倉庫和數據挖掘技術分析客戶的購買模式，用於對庫存的管理和銷售機會的把握。
6、個性化服務：對每個人的消費進行分析，發現其余眾不同的消費習慣，可有針對性地提供服務或進行促銷。例如，在電子商務中，網站會根據過往購買記錄項向客戶推薦新到商品；根據大多數人購買商品的行為，向客戶推薦當前所買商品的關聯關系。
7、數據庫直銷：壹般來說，向客戶隨機發出大量直銷郵件，可能僅有不到5%的客戶會做出響應。根據小規模郵件直銷的結果反饋，數據挖掘建立壹個模型，找出潛在最有可能做出響應的客戶，將響應率提高到15%，從而削減了成本，提高了銷量。
8、 改進工作效率：通過對日常工作或業務數據分析，找到優化的模式，從而改進工作效率或業務流程，例如，NBA使用壹套數據挖掘工具，分析球員的運動，以幫助教練找到最優組織進攻和防守的方法；通過對制造廠商供應鏈日常活動的分析，找出供應鏈的最優運作方式；通過對生產計劃及生產效率等數據的分析，找到最有效的排班方式；通過對生產工藝和質量數據的關系的分析，發現好的生產工藝流程等。
9、科學發現：通過對大量科學實驗數據進行分析，發現其中隱藏的模式，可導致新的科學發現的產生。例如，通過對天文數據的數據挖掘分析，發現新的星體；通過對生物信息數據的分析，發現新的基因和蛋白質折疊；識別具有良好藥物特性的分子，以用於制造新藥；通過對醫療數據的分析，發現藥物和疾病之間的關系等。
10、預警：通過對數據中趨勢的分析，對將要可能發生的事件提出預警。例如，在電信行業，通過對以往預警數據的分析，發現有哪些常規報警可能是重大問題的前兆，並提出預警，阻止事故的發生；對工廠生產數據的分析，識別重大質量問題的前兆，已采取必要措施，避免產品質量試過的發生。
等等很多，是壹門很有發展的學科。