KDD ย่อมาจาก Knowledge Discovery in Databases กำหนด Broad Process ของการค้นพบ Knowledge ใน Data และเน้น High-level Applications ของ Definite Data Mining Techniques เป็น Area of Interest ของ Researchers ในหลายสาขา เช่น AI, Machine Learning, Pattern Recognition, Databases, Statistics, Knowledge Acquisition สำหรับ Expert Systems, และ Data Visualization
Knowledge Discovery Process เป็น Iterative และ Interactive ประกอบ 9 Steps กระบวนการเป็น Iterative ที่ทุก Stage หมายถึงการกลับไปที่ Previous Actions อาจจำเป็น Process มีหลาย Creative Methods ในความหมายที่ไม่สามารถ Present One Formula หรือ Create Complete Scientific Categorization สำหรับ Correct Decisions สำหรับแต่ละ Step และ Application Type ได้ ดังนั้น จำเป็นต้อง Understand Process และ Multiple Requirements/Possibilities ในแต่ละ Stage
Developing an Understanding (การสร้างความเข้าใจ) - ขั้นตอนพื้นฐานเบื้องต้น ตั้งฉากสำหรับเรียนรู้สิ่งที่ควรทำกับ Decisions หลายอย่าง เช่น Transformation, Algorithms, Representation บุคคลที่รับผิดชอบ KDD Venture ต้อง Learn และ Characterize Goals ของ End-user และ Environment ที่ Knowledge Discovery Process จะเกิดขึ้น (รวม Prior Knowledge ที่เกี่ยวข้อง)
Creating a Target Data Set (การสร้าง Target Data Set) - เลือก Data Set หรือ Target Subset ของ Variables/Data Samples ที่ Discovery จะ Implement กระบวนการนี้ Essential เพราะ Data Mining เรียนรู้และค้นพบจาก Available Data เป็น Evidence Foundation สำหรับ Building Models หาก Important Attributes ขาดหายไป ที่จุดนั้น Whole Study อาจ Unsuccessful จากมุมมองนี้ ยิ่ง Attributes มาก ยิ่งดี
Data Cleaning และ Pre-processing (การทำความสะอาดและ tiềnประมวลผลข้อมูล) - Data Cleaning หมายถึง Clean Data โดย Fill Missing Values, Smooth Noisy Data, Identify และ Eliminate Outliers, และ Remove Inconsistencies ใน Data
Exploratory Analysis และ Model/Hypothesis Selection (การวิเคราะห์สำรวจและเลือกโมเดล/สมมติฐาน) - เลือก Data Mining Algorithm(s) และ Method(s) สำหรับ Search Data Patterns กระบวนการนี้มีการ Decide Models/Parameters ที่ Appropriate และ Match Data-mining Method กับ Long-term Criteria ของ KDD Process
Data Mining (การขุดข้อมูล) - ใช้ Search Patterns of Interest ใน Specific Representational Form หรือ Set ของ Representations รวม Classification Rules/Trees, Regression, Clustering User ช่วย Data-mining Method ได้มากโดย Implement Preceding Steps ถูกต้อง
Acting on the Discovered Knowledge (การกระทำตามความรู้ที่ค้นพบ) - ใช้ Knowledge โดยตรง รวม Knowledge เข้า System อื่นสำหรับ Further Action หรือแค่ Document และ Report ให้ Interested Parties กระบวนการนี้ยังมี Checking และ Resolving Potential Conflicts กับ Previously Accepted/Extracted Knowledge
