Die Vision des Data Mining verstecktes, valides, nützliches und handlungsrelevantes Wissen aus vorhandenen Datenbeständen zu gewinnen ist mit der Tatsache zu konfrontieren, dass einem Data Mining Projekt in der Praxis eine konkrete betriebswirtschaftliche Problemstellung vorausgeht (vgl. Hippner, Merzenich und Wilde, 2002, S. 10). Es werden Hypothesen über die Daten bzw. Datenmuster aufgestellt und anschließend zielgerichtet evaluiert. Der zeitliche Hauptaufwand des Data Mining liegt in der Vorverarbeitung der Daten. Die Explorationslast liegt letztlich beim Benutzer, der die Ergebnisse der Data Mining Algorithmen interpretieren und evaluieren muss. Mit dem Einsatz von Visualisierungstechniken sinkt die Anforderung an eine klare Zielstellung. Die Daten lassen sich visuell explorieren und nach (visuellen) Mustern durchsuchen. Dadurch lassen sich Hypothesen zur Beschaffenheit der Daten(muster) aufstellen. Die Analyse von Text- und Hypertext mit Data Mining Methoden und die Anwendungen für das Web werden in den nächsten beiden Kapiteln Text Mining und Web Mining behandelt.