数据挖掘涉及到公司运营的方方面面，这包括对企业部门经营情况的评估、内部员工的管理、生产流程的监管、产品结构优化与新产品开发、财务成本优化、市场结构的分析和客户关系的管理。其中，关于客户与市场的数据分析是“重头戏”。
1.发掘潜在客户（市场细分）：
关于这个主题的分析，更多的是基于地区、性别和年龄段等粗粒度的指标，结合产品设计定位和目标客户群体进行匹配。比如，高档母婴产品的潜在客户应该是新建高档小区中的住户。这类分析是运用最早的，在广告投放、新店寻址等场景下大量使用。
2.客户获取：
当客户初次了解我们的产品和服务后，有可能会犹豫不决，拖延很久才可能真正成为我们的客户，而大部分客户在这期间会由于兴趣逐渐减退而最终流失。比如，信用卡新客户在填好个人信息，并收到信用卡后却迟迟没有开卡。这时就可以运用数据挖掘技术，对营销人员得到的客户基本信息进行一个初步筛选，找出购买倾向性较高的客户进行深度跟踪营销。
这么做既减少了人工成本，又降低了打扰客户的次数，从而减少了投诉。同时在与潜在客户的交流中，也会为其制定更个性化的产品或服务组合。
3.初始信用评分：
当客户最终购买我们的产品时，在涉及赊销情况的时候，就会用到初始信用评分技术。这是根据客户的性别、年龄以及居住场所等基本信息对客户的信用进行预判。这类情况不只在银行信贷中会遇到，在很多企业中都会遇到。
企业的应收账款就是一种自然的商业信用，建立好优秀的初始信用评分体系，可以使企业在不增大财务风险的情况下快速开拓市场。比如，IBM全球融资部（IGF）是一个为赊购买入IBM产品的小公司提供金融服务的部门，其在上世纪80年代开发的客户信用评分模型对开拓全球市场功不可没。现在这个技术也成为了提高客户满意度的一种方式。比如，中国移动的先付费客户的欠费额度和京东的“打白条”服务。
4.客户价值预测：
为了更好地为客户提供服务的同时增加企业利润，需要根据客户的基本信息进行其价值预测。其中价值既包括以消费水平为代表的直接价值，也包括客户口碑宣传的间接价值。5.客户细分（市场细分）：
根据客户的基本信息，从人口学、工业统计信息、社会状态、产品使用行为等方面对客户进行细致的描述。这对分析客户类型结构、修正产品定位、满足细分群体需求开发新产品、提高客户满意度和分析客户需求变化趋势都是有意义的。
6.交叉销售：
分析产品之间的关联关系，发现产品销售中预期不到的模式。比如，“啤酒与尿布”的故事就是从客户在超市中的购物记录中获取的。这种技术目前被广泛运用在零售业、银行、保险等领域，大家对京东商场的推荐产品和淘宝的“猜你喜欢”两个模块应该有深刻的印象吧，这两个模块都是这个主题的运用。
7.产品精准营销：
这是客户价值提升的重要方面，目的在于扩大客户消费的范围。比如，公司开发了一款新产品，希望快速找到目标客户。这就可以通过分析现有客户的属性和产品消费行为，确定响应可能性最大的群体进行营销。
8.行为信用评分：
和初始信用评分的目的是一样的，这里分析的变量加入了客户产品消费行为的信息，这使得对客户信用的评估更为准确。比如，美国AT&T电信公司，其客户信用风险评级精确度明显高于一般的信用卡公司，这就是因为掌握了客户更多的通话、差旅等行为信息。
9.欺诈侦测：
也称为异常侦测。是对客户（包括内部员工）涉及洗钱、套现、盗用等异常行为进行的侦测，满足风险监管的需求。
10.客户保留：
有可能随着时间的变化，客户需求产生变化，如果不及时发现这种变化趋势，就会造成客户流失。客户保留的目的在于，及时发现客户在购买产品方面的行为变化和满意度情况，从而及时更换产品组合。比如，电信运营商发现客户的通话特征，从短途居多变为长途居多，而且从客户流失的模型中发现，有这种情况的客户流失的可能性很高。