Il processo di estrazione di conoscenza Data Mining - Analisi dei dati Indipendentemente dal tipo di applicazione specifica, un processo di estrazione di conoscenza percorre alcune fasi che possono essere schematizzate in:

1. Definizione dell'obiettivo 2. Individuazione delle fonti di dati 3. Estrazione / acquisizione dei dati (ed integrazione, se provenienti da fonti o data bases diversi) 4. Pre-processing (Pulizia dei dati - Analisi esplorative - Selezione - Trasformazione - Formattazione) 5. Data Mining (Scelta dell'algoritmo - Individuazione dei parametri - Elaborazione - Valutazione del

modello) 6. Interpretazione / valutazione dei risultati 7. Rappresentazione dei risultati

Indipendentemente Lo schema seguente mette in luce la natura iterativa del processo. La fase di valutazione pu infatti portare da una semplice ridefinizione dei parametri di analisi utilizzati, ad una ridefinizione dell'intero processo (a partire dai dati estratti).

Mentre l'individuazione di "patterns" avviene automaticamente, l'intero processo di estrazione della conoscenza difficilmente automatizzabile e richiede il coinvolgimento di varie professionalit (esperti del dominio applicativo, specialisti in analisi dati, informatici). La fase pi impegnativa , generalmente, quella del pre-processing. Una descrizione pi dettagliata delle varie fasi fornita dal progetto CRISP-DM ("CRoss-Industry Standard Process for Data Mining") che ha elaborato un modello di processo di data mining indipendente dall'ambito applicativo e dallo strumento di analisi.