As empresas geram diariamente milhares de dados em forma de texto no exercício da sua actividade. Infelizmente, na maioria das vezes estes dados em forma de texto, que se designam comummente por dados não estruturados, não se encontram organizados para serem tratados e contendo informação muito relevante acabam por serem desprezados numa análise de data mining.

Os documentos em bruto necessitam de ser pré-processados antes que possam ser trabalhados por um algoritmo em busca de padrões e relações. Ao contrário da mente humana que reconhece parágrafos e frases, um algoritmo necessita de dados que sejam quantificáveis. Através do text mining, os documentos podem ser agrupados ou classificados em categorias pré definidas. De uma forma mais abrangente, podem ser construídos algoritmos para fazer previsões ou mesmo algoritmos de classificação de documentos sobre uma variável target que sejam baseados no conteúdo de um texto e variáveis estruturais associadas.