Michels nennt ein Beispiel: “Kunden, die Margarine XY kaufen, kaufen zu 71,4 Prozent auch Obst und Gemüse. Beide Artikel- und Sortimente beeinflussen sich also positiv. Eine Streichung der Margarine XY aus dem Angebot ist deshalb nicht ratsam, auch wenn die Gewinnspanne im Vergleich zu anderen Margarinesorten vielleicht geringer ist.”
Manche Erkenntnisse, die per Data Mining ausgegraben werden, erscheinen plausibel, andere wirken verwunderlich. Die wahre Kunst des Miners besteht deshalb darin, Gold von Katzengold zu unterscheiden, indem er Artefakte, die zufällig durch die Rechenverfahren entstanden sind, von echten Ergebnissen unterscheidet.
Die Darstellung der Analyse-Ergebnisse ist deshalb von zentraler Bedeutung. Immer häufiger werden dazu grafische Mittel eingesetzt. So haben Hans-Peter Kriegel und Daniel A. Keim am Institut für Informatik der Universität München ein Verfahren entwickelt, das Ähnlichkeiten zwischen Objekten so darstellt, daß das menschliche Auge sie intuitiv erfassen kann. Nach Einschätzung wichtiger Marktforschungsinstitute ist das alles erst der Anfang: Die Gartner Group sieht im Data Mining zusammen mit den entsprechenden Höchstleistungsrechnern und parallelen Datenbanken einen der größten Wachstumsmärkte der kommenden Jahre.
Nicht nur dem Handel, auch der Wissenschaft verspricht Data Mining neue Impulse. In der digitalen Datenbank des Observatoriums auf dem Mount Palomar liegen beispielsweise Milliarden von Daten über Sterne. Zu gern hätten die Astronomen gewußt, welcher Lichtpunkt sich genauer zu betrachten lohnt. Data Mining brachte den entscheidenden Fortschritt: Die Wissenschaftler fanden 16 vorher unbekannte Quasare, die sich in den Datenmengen verbargen.
