Las empresas han implementado unidades deminera de datospara colaborar en la direccin de la empresa y han sido motivo de foros empresariales, la minera de datos es una disciplina ligada a la inteligencia artificial y diferenciada respecto a la estadsticaLas races de laminera de datosson , la inteligencia artificial y la estadstica , la estadstica se encarga del estudio de poblaciones , estudio de la variabilidad que permite la modelizacin de los fenmenos y mtodos de sntesis de la informacin contenida en los datos , podramos distinguir dos tipos de estadstica , la exploratoria (Data Analysis) y la inferencial ( Data modelling) , no es fcil establecer el lmite entre ambas , se considera que la estadstica exploratoria es la antesala de la estadstica inferencialLainteligencia artificial, se preocupa de establecer soluciones algortmicas a costes razonables , y la estadstica se ocupa de generalizar los resultados obtenidos , trasladan los datos a situaciones ms generales que la estudiadaLos avances de la tecnologa hace que la colecta de datos avancen y se generen nuevos problemas , un campo de aplicacin significativo dela minera de datoses todo aquello que se agrupa bajo el nombre de CRM ( Costumer relationship management ) donde el objetivo es conocer lo mejor posible al cliente para satisfacerlos mejor y asegurar as la rentabilidad de las empresas , algunos ejemplos de problemas son estimar el potencial econmico de los clientes , determinar probabilidades de baja , medir la satisfaccin del servicio , determinar nuevos segmentos de clientes potencialesPara abordar los problemas no se emplean solo una tcnica , si no varias , algunos ejemplos son los anlisis factoriales , anlisis de la cesta de la compra , tcnicas de clustering , series temporales , redes bayesianas , modelos lineales generalizados , previsin local , redes neuronales , rboles de decisin , algoritmos genticos.tambin se emplean sistemas hbridos que es la combinacin de dos o ms tcnicasLa tendencia actual es integrar los dos puntos de vista , el de la estadstica y el de la inteligencia artificial en las soluciones algortmicas propuestas , para explotar los puntos fuertes de ambas disciplinas , para que los algoritmos producidos por la inteligencia artificial tengan un poder de generalizacin y escalabilidad