มีปัญหาการโต้ตอบกับผู้ใช้หลายอย่างที่เกี่ยวข้องกับวิธีการทำเหมืองข้อมูลซึ่งมีดังต่อไปนี้ -
การขุดความรู้ประเภทต่างๆ ในฐานข้อมูล − ผู้ใช้แต่ละคนสามารถสนใจความรู้ประเภทต่างๆ ได้ ดังนั้น การทำเหมืองข้อมูลจึงต้องครอบคลุมการวิเคราะห์ข้อมูลและงานค้นหาความรู้ในวงกว้าง ซึ่งเกี่ยวข้องกับการกำหนดลักษณะข้อมูล การเลือกปฏิบัติ การเชื่อมโยง การจำแนกประเภท การจัดกลุ่ม การวิเคราะห์แนวโน้มและการเบี่ยงเบน และการวิเคราะห์ความคล้ายคลึงกัน
การขุดความรู้เชิงโต้ตอบในหลายระดับของนามธรรม − เนื่องจากมันซับซ้อนที่จะรู้ว่ามีอะไรอยู่ในฐานข้อมูล กระบวนการขุดข้อมูลจึงต้องมีการโต้ตอบ การขุดเชิงโต้ตอบทำให้ผู้ใช้สามารถกำหนดเป้าหมายการค้นหารูปแบบ สนับสนุนและปรับแต่งคำขอการขุดข้อมูลตามผลลัพธ์ที่ส่งคืน ซึ่งจะสนับสนุนให้ผู้ใช้ดูข้อมูลและค้นพบรูปแบบได้หลายระดับและจากหลายมุม
การผสมผสานความรู้พื้นฐาน − ความรู้เกี่ยวกับโดเมนที่เกี่ยวข้องกับฐานข้อมูล รวมถึงข้อจำกัดด้านความสมบูรณ์และกฎการหักเงิน สามารถช่วยกำหนดเป้าหมายและเร่งกระบวนการขุดข้อมูล หรือตัดสินความน่าสนใจของรูปแบบที่ระบุได้
ภาษาแบบสอบถามการทำเหมืองข้อมูลและการทำเหมืองข้อมูลเฉพาะกิจ จำเป็นต้องพัฒนาภาษาแบบสอบถามการทำเหมืองข้อมูลระดับสูงซึ่งสามารถรวมเข้ากับฐานข้อมูลหรือภาษาแบบสอบถามคลังข้อมูลเพื่อให้ผู้ใช้สามารถกำหนดงานการทำเหมืองข้อมูลเฉพาะกิจโดยสนับสนุนข้อกำหนดของชุดข้อมูลที่เกี่ยวข้องสำหรับการวิเคราะห์ ความรู้โดเมน ประเภทของความรู้ที่จะขุด เงื่อนไขและข้อจำกัดที่น่าสนใจที่จะบังคับใช้กับรูปแบบที่ระบุ
การนำเสนอและการแสดงภาพผลลัพธ์การขุดข้อมูล − ความรู้ที่ค้นพบควรกำหนดเป็นภาษาระดับสูง คำจำกัดความของภาพ หรือรูปแบบการแสดงออกอื่นๆ เพื่อให้มนุษย์สามารถเรียนรู้และนำไปใช้ได้โดยตรง
การจัดการกับข้อมูลที่ไม่ถูกต้องหรือไม่สมบูรณ์ − ข้อมูลที่จัดเก็บไว้ในฐานข้อมูลสามารถสะท้อนถึงสัญญาณรบกวน กรณีพิเศษ หรือออบเจ็กต์ข้อมูลที่ไม่ครบถ้วน ซึ่งสามารถสร้างความถูกต้องของรูปแบบที่ระบุให้ไม่ดีได้ จำเป็นต้องมีวิธีการล้างข้อมูลและวิธีการวิเคราะห์ข้อมูลที่สามารถจัดการค่าผิดปกติได้
การประเมินรูปแบบ − ระบบการทำเหมืองข้อมูลสามารถค้นพบรูปแบบต่างๆ ได้หลายร้อยแบบ รูปแบบบางอย่างที่ค้นพบอาจไม่น่าสนใจสำหรับผู้ใช้ที่กำหนด กำหนดความรู้ทั่วไปหรือขาดความแปลกใหม่ การใช้ส่วนความน่าสนใจเป็นแนวทางในกระบวนการค้นพบและลดพื้นที่การค้นหาเป็นอีกพื้นที่หนึ่งของการวิจัยที่มีการใช้งานจริง
อัลกอริธึมการอัปเดตแบบขนาน แบบกระจาย และแบบส่วนเพิ่ม − ฐานข้อมูลขนาดใหญ่จำนวนมาก การกระจายข้อมูลในวงกว้าง และความซับซ้อนในการคำนวณของวิธีการทำเหมืองข้อมูลบางอย่างเป็นปัจจัยที่กระตุ้นให้เกิดความก้าวหน้าของอัลกอริธึมการทำเหมืองข้อมูลแบบขนานและแบบกระจาย
