El proceso de descubrimiento de conocimiento implica hoy en día un gran número de técnicas. La Minería de Datos Sensible al Contexto (CADM) y la Minería de Datos Colaborativa (CDM) son algunas de las más recientes. La investigación actual propone una nueva herramienta híbrida y eficiente para diseñar modelos de predicción llamada Plataforma de Escenarios-Minería de Datos Colaborativa y Sensible al Contexto (SP-CCADM). Tanto los enfoques CADM como CDM están incluidos en la nueva plataforma de manera flexible; SP-CCADM permite la configuración y prueba de múltiples escenarios configurables relacionados con la minería de datos a la vez. La plataforma introducida fue probada y validada con éxito en escenarios de la vida real, proporcionando mejores resultados que cada técnica independiente: CADM y CDM. Sin embargo, SP-CCADM fue validado con varios algoritmos de aprendizaje automático: k-Nearest Neighbour (k-NN), Deep Learning (DL), Gradient Boosted Trees (GBT) y Decision Trees (DT). SP-CCADM da un paso adelante al enfrentar datos complejos, abordando adecuadamente los contextos de los datos y la colaboración entre los mismos. Experimentos numéricos y estadísticas ilustran en detalle el potencial de la plataforma propuesta.