 對於傳統的資料庫，這真可說是嘆為觀止的一大突破。一些如IBM、甲古文(Oracle；http://www.oracle.com/)、美孚資訊(Informix；http://www.informix.com/)大型公司所開發出來的軟體，可以輕易地萃取、找出，或者是更新任何特定的資料。它們能精準地鎖定任何的銀行的單一客戶，在其提款後，立即知道此存戶最新的銀行存款餘額。同時也具有能力整理出，在過去三年間，在某個地區購買進口轎車，所有男性年輕消費者的名單。
人類對於小量的資料差異，有著很強的辨識能力。很可惜地，根據科學家所做的實驗，這個『量』，實在是少得可憐，大約只有8項左右。一個無庸置疑的事實是，今天我們所處的資訊社會，在日常生活中所面對的資料，乃擁有成千上萬、數之不盡的差異。對任何一個正常人，絕對是遠遠超過他能夠應付的範圍。當然這也是機器被發明的主要原因。但是不要忘了，即使是賦予它們新的資料挖掘科技，機器就是機器。這種技術並不是奇蹟，甚至資訊先驅者們，都不約而同地承認，類似技術還是在早期萌芽探索階段。對許多熱烈地抱以期待的軟體開發業者，其應用範圍所能引伸出的利益，目前只能勉強算是金箔而已，還談不上金雞蛋。
許多已經開始接觸資料挖掘軟體的公司，從不同的實驗之中，發現使用怎麼樣的工具，來處理資料，最適合它們自己的類型。資料挖掘軟體有好幾種不同的類別。舉例來說，有些是用來搜尋類似的項目；有些則是幫助人們尋找不規則或不尋常的資料。如果沒有使用適當的工具及資料，最後的結果，可能會是一堆毫無建設性的列印紙張。一語道之，在可能購買最新搖滾唱片的客戶中，出現老年人的資料；或是錯過了真正需要購買嬰兒用品的已婚婦女。為了解決這樣的問題，IBM、Silicon Graphics(http://www.silicongraphic.com/)及思考機器公司(Thinking Machines)，分別推出針對不同使用環境的資料挖掘套裝軟體，以應付變化萬千的需求。
隨著電腦化的普及，資料挖掘技術，已經漸漸的在不同的領域之中嶄露頭角。美國有一家銀行，利用它來預測放款利率，以便調整在保有自己利潤的前提之下，計算出客戶最能接受的利率。其具體作法是，這個軟體首先在超過10萬筆的資料之中，作地毯式的比對分析。這些資料包括年齡、客戶所在地區、收入來源，及之前有無貸款記錄等等鉅細靡遺分類。經過程式進行無數次人腦絕不可能做到的組合排列，比較各種不同的差異變數之後，現在這家銀行可以大膽地預測：哪些客戶可能會先行付款，或者是延遲繳交貸款。與數學利用公式來求得答案截然不同，銀行將所獲得的答案，根據這些不同的情況，套入計算公式，來調整相對的利率。
另一個絕佳的例子，便是美國的物流業龍頭Wal-Mart(http://www.wal-mart.com/)超級市場。自從1980年代以來，Wal-Mart在每天晚上結束營業之後，從自身遍佈在美國各分店的收銀機當中，匯集各種數據資料。但即使是將這些寶貴資料，輸入功能強大的NCR(http://www3.ncr.com/product/data_warehouse/)大電腦之中，Wal-Mart還是無法有效的利用它們。原因是如果Wal-Mart要將它所有的2,700家分店，分別做出最適的調整，大約會產生7億種不同的計算組合。這對於強調科學、效率的資料分類方式來說，簡直是人間煉獄，與出發點完全背道而馳。於是乎從1996年開始，Wal-Mart改採用一家專門開發資料挖掘的新視界(NeoVista)系統。經由軟體不斷地演算盤整，現在這個系統，可以幫助Wal-Mart，對於每一家分店的特定商品，毫釐不差地做出需求預測。Wal-Mart也承認，運用了這個技術，大大地提升了它們的進貨及庫存的準確率。
自從電腦問世以來，便有種種不同的說法，臆測在將來的某一天，人腦將會完全地被自己所發明的電子頭腦所取代。看來人腦(或電腦？)，正加快腳步，馬不停蹄逐漸一步步地，將此夢想實現出來。
在成千上萬筆數的電腦記錄中，將資料挖掘出來的工具。以下為一些，目前從事資料挖掘軟體開發的主要業者，及其產品的特色。
|
