（1）信息收集。信息收集要在对项目目标和需求的充分理解的基础上进行。也就是先根据数据分析的目标和需求，确定所需要的特征信息，选择合适的信息收集方法，然后再将收集到的信息存人数据库。

（2）数据集成。数据集成既为数据共享，对不同来源、不同格式、不同性质特点的数据进行逻辑上或物理上整理。

（3）数据规约。数据规约是为提高数据挖掘效率而对数据源所进行的预处理。如果不对数据源进行规约，那么即使在少量数据上执行多个数据挖掘算法，也需要很长的时间。而在大量数据上执行多个数据挖掘算法时。几乎就无效率可言。采用数据规约可以得到数据源的规约表示。数据源规约表示与数据源相比，容量虽然小了得多，数据的完整性却保持接近。正因如此，数据规约后数据挖掘的结果几乎相同，但数据挖掘的效率却有了较大提高。

（4）数据整理。数据库中有一些数据的属性值不完整、表示方式不一致。因此，需要对数据进行再加工，用科学方法，填补丢失的数据。处理噪音数据。使数据完整、一致。

（5）数据变换。利用数学、统计学手段，将参与分析的数据，转换成为适合数据挖掘的数据形式。

（6）数据挖掘。选择合适的数据分析工具，应用规则推理、统计方法、决策树、事例推理、模糊集、遗传算法、神经网络等方法，对数据仓库中的数据信息进行处理，得出数据处理成果。

（7）模式评估。为了取得更为有效的知识，请专家数据挖掘结果。在评估的基础上反复提取，进而取得更有效的知识。

（8）成果表示。以专业的方式保存、传递、输出、共享数据挖掘成果。