به طور مختصر, کمپانی یا سازمان درباره اطلاعات مشتریان بسیار غنی است و شرکت اطلاعات زیادی درباره آنها دارد( در بیشتر مواقع کارمندان فاقد اطلاعات و دانش لازم برای ارتباط با مشتری هستند) . اما اطلاعات به اشتراک گذاشته نشده اند و فقط درباره کارهای خاصی در دسترس هستند.اگر یک شخص فروشنده (که برای خدمت به مشتری است) بخواهد درباره این بداند که برای یک مشتری خاص, چه مسائلی مهم هستند,
بیشتر تکنیکهای داده کاوی ، حداقل به عنوان الگ وریتمهای آکادمیک ازسالهایا دهه های قبل وجـود داشتهاند. با این وجود ، تنها در دهه اخیر است که داده کاوی به ویـژه داده کـاوی تجـاری نقـش عمدهای را بازی کرده است.این مساله به دلیل رخداد همزمان عوامل زیر است
-1 حجم بالای داده ها . اغلب الگوریتمهای داده کاوی نیازمند حجم زیادی از داده هاست و جـایی که دادهها کم باشد الزامی به استفاده از داده کاوی با روشهای پیچیده نیست .
-2 توان محاسباتی بالا که قابل دسترسی است .به عبارت دیگر امـروزه امکـان دسترسـی عمـوم بـه کامپیوتر با قیمت های نازل فراهم شده است.
داده کاوی عمدتاً با ساختن مدل ها مرتبط است . یک مدل اساساً بـه الگـوریتم یـا مجموعـه ای از قوانینی گفته می شود که مجموعه ای از ورودی ها را با هدف یا مقصد خاصی مرتبط مـی نمایـد . یک مدل تحت شرایط درست می تواند منجر به بینش درست شود. بسیاری از مسائل محیط اطراف خود را می توان در قالب یکی از شش عمل زیر گنجاند، به عبارت دیگر برای تبدیل یک مسأله کسب و کار و تجارت به یک مسأله داده کاوی باید آن را بـه یکـی از فعالیت های داده کاوی تبدیل نمود، این فعالیتها عبارتند از:
