El avance tecnológico y  las metodologías  disponibles  en Ciencias de la Tierra permiten generar enormes cantidades de datos. Estos datos son compilados y almacenados en bases de datos, entre ellas: The Sedimentary Geochemistry and Paleoenvironments Project, The PaleoBiology Database, MACROSTRAT, etc., lo que generó  la necesidad de analizar y evaluar  eficientemente los mismos.

Conceptos como Ciencia de Datos y Aprendizaje de Máquinas (Data Science, Machine/Deep Learning) se han vuelto cada vez más comunes en  Ciencias de la Tierra en general, y en la Sedimentología en particular. El uso de algoritmos y métodos computacionales permite analizar datos multidimensionales para encontrar patrones, agrupar, clasificar y generar modelos. De este modo se incorpora una nueva herramienta para el análisis sedimentológico.

Las aplicaciones en sedimentología son variadas, tales como el reconocimiento y clasificación de facies sedimentarias, componentes y fósiles en rocas carbonáticas, reconstrucción 3D de afloramientos virtuales, correlación y predicción de facies a partir de perfiles geofísicos, interpretación de procesos diagenéticos y ambientales a partir de datos geoquímicos, modelado de procesos, entre otras.

 La automatización del análisis del registro sedimentario mediante estas nuevas técnicas hace necesaria la discusión sobre sus usos, posibles  aplicaciones y también abusos en el análisis sedimentológico. Así, reconocer su potencial,  enfoques, virtudes y limitaciones resulta esencial para lograr una aplicación racional y útil desde el punto de vista científico y aplicado.