Todellisessa päätöstilanteessa on tyypillisesti monia tekijöitä, jotka vaikuttavat vaihtelevasti. Joskus yksi asia on olennaisin vaikuttaja, joskus toinen, joskus monet yhdessä. Kombinatorinen räjähdys on termi, joka muistuttaa siitä, että seurattavien tekijöiden lukumäärän kasvaessa lineaarisesti niiden mahdollisten arvokombinaatioiden lukumäärä kasvaa eksponentiaalisesti. Jos esimerkiksi on otettava huomioon samanaikaisesti 20 muuttujaa, joilla on viisi mahdollista arvoa kullakin, saadaan jo 5 potenssiin 20 eli 95.367.431.640.625 erilaista tapausvaihtoehtoa. Tällaisia "tähtitieteellisiä" lukumääriä eri mahdollisuuksia ei tietenkään voida käsitellä kutakin erikseen.

BayMiner tarjoaa tavan hahmottaa kombinatorisen räjähdyksen taakse kätkeytyvää todellisuutta. Teoreettinen ja laitteistotekninen edistys mahdollistaa datarivien todennäköisyyspohjaisen luokittelun kaikkien muuttujanarvojen perusteella. Näin aineistolle löytyy luonnollinen klusterointi (ryvästys eli aliaineistojako), jossa erityyppiset tapaukset erottuvat toisistaan ja data-aineiston sisältämä olennainen informaatio saadaan esille.

Tämä on aivan eri asia kuin mahdollisuus nähdä yksittäisten muuttujien jakaumia ja keskilukuja tai muuttujaparien välisiä korrelaatiokertoimia tai regressiosuoria. BayMiner näyttää aineiston jakautuneena aliaineistoihin, joista kukin kuvaa tietyntyyppistä tilannetta (jossa keskeisiä ovat esim. jotkut tietyt tekijät yhdessä tai joku yksinäänkin). Koko aineiston voi nyt hahmottaa visuaalisesti yhdellä silmäyksellä. Klusterikohtainen tutkiminen selvittää kunkin aliaineiston osalta olennaiset tekijät.

BayMinerin lisäetuja ovat mahdollisuus valikoida analysoitavat muuttujat, puutteellisenkin datan käyttökelpoisuus syöteaineistona ja otantaoptio, joka mahdollistaa suuren data-aineiston analysoinnin kohtuuajassa sen satunnaisesti valittua osajoukkoa käyttämällä (tätä menettelyä toistamalla saa heti kuvan löytyneiden klustereiden yleistyvyydestä eli otosriippumattomuudesta).