• 商业理解：数据挖掘不是我们的目的，我们的目的是更好地帮助业务，所以第一步我们要从商业的角度理解项目需求，在这个基础上，再对数据挖掘的目标进行定义。
• 数据理解：尝试收集部分数据，然后对数据进行探索，包括数据描述、数据质量验证等。这有助于你对收集的数据有个初步的认知。
• 数据准备：开始收集数据，并对数据进行清洗、数据集成等操作，完成数据挖掘前的准备工作。
• 模型建立：选择和应用各种数据挖掘模型，并进行优化，以便得到更好的分类结果。
• 模型评估：对模型进行评价，并检查构建模型的每个步骤，确认模型是否实现了预定的商业目标。
• 上线发布：模型的作用是从数据中找到金矿，也就是我们所说的“知识”，获得的知识需要转化成用户可以使用的方式，呈现的形式可以是一份报告，也可以是实现一个比较复杂的、可重复的数据挖掘过程。数据挖掘结果如果是日常运营的一部分，那么后续的监控和维护就会变得重要。

数据挖掘的流程英文解释为 Knowledge Discovery in Database，KDD，

数据库中的知识发现包含 分类、聚类、预测和关联分析

• 分类：通过训练得到一个分类模型，然后用这个模型对其他的数据进行分类
• 聚类：聚类就是将数据自动聚类成几个类别，聚在一起的相似度大
• 预测：通过当前和历史数据来预测未来趋势
• 关联分析：发现数据中的关联规则，典型应用在购物篮分析

KDD 过程：输入数据 -> 数据预处理 -> 数据挖掘 -> 后处理 -> 信息

数据预处理通常包括：

• 数据清洗：去除重复数据，去噪声
• 数据集成：将多个数据源数据统一存放在数据存储中