Mit Verfahren des Data Mining lassen sich geschäftsrelevante Muster, Regeln und Auffälligkeiten in Massendaten entdecken. Viele Anwender scheuen aber vor diesem Thema zurück, weil sie es für schwer beherrschbar und komplex halten. Doch die wachsende Verbreitung sollte Mut machen. So ist Data Mining aus den intelligenten Vorschlagslisten bei Web-Shops nicht mehr wegzudenken, und auch im Marketing und Vertrieb lässt sich ein echter Mehrwert erzielen (siehe auch den Beitrag "Datenanalyse statt Bauchgefühl"). Ein typisches Beispiel ist die Bewertung des Umsatzpotenzials von Kunden und Interessenten und deren Zuordnung in Segmente oder Kategorien.
Das Marketing kann dadurch Empfänger von Kampagnen gezielter auswählen und Änderungen im Kaufverhalten schneller erkennen. Für nachfolgende Vertriebsaktionen könnte dann ein Ziel lauten, im nächsten Jahr 20 Prozent der Kunden von der Kategorie "kauft nur sporadisch" in die bessere Kategorie "Top-Käufer" zu bringen. Wird die Kategorie auf Artikelgruppen gebildet, lassen sich sehr leicht Chancen für Cross-Selling erkennen und beispielsweise durch geschickte Gutschein-Maßnahmen unterstützen. Bei automatischen Bestellsystemen, wie sie häufig im Internet zu finden sind, könnte umgekehrt ein deutliches Abweichen der aktuellen Bestellung von der Kategoriestufe des Kunden auf einen Betrugsversuch hindeuten. Diese Bestellung könnte dann manuell geprüft werden.
Allerdings kann eine Kundenkategorisierung, die nur auf tatsächlich getätigten Umsätzen basiert, nur für Bestandskunden festgelegt werden, zum Beispiel anhand von Schwellenwerten. Verlässliche Daten über Neukunden und Interessenten fehlen hingegen. Kunden mit sehr hohem Potenzial werden so eventuell nicht rechtzeitig erkannt und daher nicht optimal betreut. Im schlimmsten Fall wechseln sie zur Konkurrenz. Um dies zu verhindern, benötigt man eine realistische Einschätzung des Potenzials des Kunden. Bei Neukunden kann Data Mining hier die entscheidende Prognose liefern und somit eine frühzeitige Einschätzung ermöglichen.
Voraussetzung hierfür ist natürlich, möglichst viele Daten über Neukunden und Interessenten zur Verfügung zu haben und in die Auswertung einzubringen. Zwar lässt eine solche Datenbasis keine hundertprozentigen Vorhersagen zu, aber selbst eine Wahrscheinlichkeit von 70 Prozent würde dem Marketing schon helfen, sein Budget gezielter einzusetzen.
