In deze fase richten we ons op het begrijpen van de bedrijfsdoelen en de behoeften van de klant. We definiëren de belangrijkste bedrijfsdoelen en vertalen deze naar specifieke data mining doelen. Dit helpt ons om de richting van het project te bepalen en de juiste focus te houden.

Hier verzamelen we de initiële data en beginnen we met het verkennen van de gegevens om bekend te raken met hun inhoud. We identificeren datakwaliteitsproblemen, ontdekken interessante subsets en formuleren hypotheses over verborgen informatie.

In deze fase bereiden we de uiteindelijke dataset voor die we zullen gebruiken voor modellering. Dit omvat het selecteren van relevante gegevens, het opschonen van data (bijvoorbeeld het verwijderen van ontbrekende waarden), en het transformeren van data naar een formaat dat geschikt is voor analyse.

We passen verschillende modeltechnieken toe en kalibreren de parameters om optimale resultaten te verkrijgen. Vaak keren we terug naar de data preparation fase om aanpassingen te maken op basis van de eisen van specifieke modeltechnieken.

Nadat de modellen zijn opgebouwd, evalueren we ze grondig om ervoor te zorgen dat ze voldoen aan de zakelijke doelstellingen. We bepalen of er belangrijke zaken over het hoofd zijn gezien en controleren of het model geschikt is voor implementatie.

In de laatste fase implementeren we het model in de dagelijkse bedrijfsprocessen. Dit kan variëren van het genereren van rapporten en dashboards tot het daadwerkelijk integreren van het model in operationele systemen. We zorgen ook voor documentatie en overdracht van kennis aan de gebruikers.