มี User Interaction Issues ที่เกี่ยวกับ Data Mining Methodology หลายประการ ดังนี้:
Mining Different Kinds of Knowledge in Databases - Users ต่างกันอาจสนใจ Knowledge ประเภทต่างๆ Data Mining ต้องครอบคลุม Broad Spectrum ของ Data Analysis และ Knowledge Discovery Tasks รวมถึง Data Characterization, Discrimination, Association, Classification, Clustering, Trend/Deviation Analysis, และ Similarity Analysis
Interactive Mining of Knowledge at Multiple Levels of Abstraction - เพราะยากที่จะรู้แน่ใจว่าจะพบอะไรใน Database Data Mining Process ต้อง Interactive Interactive Mining ให้ Users Focus Search สำหรับ Patterns Support และ Refine Data Mining Requests ตาม Returned Results จะช่วย User View Patterns ที่ Multiple Granularities และ Multiple Angles
Incorporation of Background Knowledge - Domain Knowledge ที่เกี่ยวกับ Databases รวม Integrity Constraints และ Deduction Rules ช่วย Target และ Speed Up Data Mining Process หรือ Judge Interestingness ของ Discovered Patterns
Data Mining Query Languages และ Ad-hoc Data Mining - ต้องพัฒนา High-level Data Mining Query Language ที่ Integrated กับ Database/Data Warehouse Query Language ให้ Users Define Ad-hoc Data Mining Tasks โดย Specify Relevant Data Sets, Domain Knowledge, Knowledge Type, Conditions และ Interestingness Constraints บน Discovered Patterns
Presentation และ Visualization ของ Data Mining Results - Discovered Knowledge ควร Present ใน High-level Languages, Visual Representations หรือ Expressive Forms อื่นๆ ให้ Knowledge เข้าใจง่ายและ Usable โดย Humans โดยตรง
Handling Outlier หรือ Incomplete Data - Data ใน Database อาจ Reflect Outliers, Noise, Exceptional Cases, หรือ Incomplete Data Objects ที่ทำให้ Accuracy ของ Discovered Patterns ต่ำ ต้องการ Data Cleaning Methods และ Data Analysis Methods ที่จัดการ Outliers ได้
Pattern Evaluation - Data Mining System อาจ Uncover Hundreds ของ Patterns บาง Patterns อาจ Uninteresting ให้ User ระบุ Common Knowledge หรือขาด Novelty การใช้ Interestingness Measure Guide Discovery Process และ Reduce Search Space เป็น Active Research Area
Parallel, Distributed, และ Incremental Updating Algorithms - Large Database Size, Broad Data Distribution, และ Computational Complexity ของ Data Mining Methods เป็น Factors กระตุ้น Parallel และ Distributed Data Mining Algorithms
