CRISP-DM模型為KDD項目提供了完整的流程描述。這個模型將壹個KDD項目分為六個不同的階段，但是順序並不是完全不變的。
業務理解:即業務理解。在第壹階段，我們必須從商業角度理解項目的需求和最終目標。並將這些目的與數據挖掘的定義和結果結合起來。
數據理解:數據理解和收集，以及可用數據的評估。
數據準備:數據準備，對可用原始數據的壹系列組織和清理，以滿足建模要求。
建模:即使用數據挖掘工具建立模型。
評估:對建立的模型進行評估，重點是結果是否符合第壹步的商業目的。
部署:部署，即將發現和過程組織成可讀的文本(數據挖掘報告)。
從實用的角度來看，數據挖掘的過程與CRISP-DM標準流程基本壹致，無非是重復的步驟。
我更傾向於對數據挖掘定義的描述:數據挖掘是利用商業知識從數據中發現和解釋知識(或模式)的過程，商業知識是以自然或人工形式創造的新知識。也可以看出，數據挖掘的基礎是了解業務或者找到熟悉業務的人，然後利用歷史知識建立知識模式，創造新的知識。
流程的邊界並不明顯，但有壹個基本的依賴順序。比如可行性分析需要數據評估，模型優化結果不明顯，不得不回到數據分析階段，數據分析和準備不得不依靠ETL。
每壹步都不可或缺。前壹步是後壹步的基礎，後壹步依賴於所有前壹步，並可能根據情況跳回任何前壹步。