डेटा माइनिंग की विभिन्न चुनौतियां निम्नलिखित हैं:
डेटा माइनिंग एल्गोरिदम की दक्षता और स्केलेबिलिटी (Efficiency and scalability of data mining algorithms)
डेटाबेस में बड़ी मात्रा में डेटा से प्रभावी ढंग से डेटा निकालने के लिए, ज्ञान खोज एल्गोरिदम कुशल और विशाल डेटाबेस के लिए स्केलेबल होने चाहिए। विशेष रूप से, डेटा माइनिंग एल्गोरिदम का रनिंग समय विशाल डेटाबेस में अनुमानित और स्वीकार्य होना चाहिए। घातीय या यहां तक कि चैनल-ऑर्डर बहुपद जटिलता वाले एल्गोरिदम कुशल उपयोग के लिए नहीं होंगे।
डेटा माइनिंग परिणामों की उपयोगिता, निश्चितता, और अभिव्यक्ति (Usefulness, certainty, and expressiveness of data mining results)
पहचाना गया ज्ञान डेटाबेस की सामग्री को सटीक रूप से चित्रित करना चाहिए और विशिष्ट अनुप्रयोगों के लिए फायदेमंद होना चाहिए। अपूर्णता को अनिश्चितता के माप द्वारा परिभाषित किया जाना चाहिए, अनुमानित नियमों या मात्रात्मक नियमों के रूप में।
शोर और असाधारण डेटा को डेटा माइनिंग सिस्टम में सुंदर ढंग से प्रबंधित किया जाना चाहिए। यह खोजे गए ज्ञान की गुणवत्ता को मापने के व्यवस्थित अध्ययन को भी प्रोत्साहित करता है, जैसे दिलचस्पी और विश्वसनीयता, सांख्यिकीय, विश्लेषणात्मक, और अनुकरण मॉडल और टूल के विकास द्वारा।
विभिन्न प्रकार के डेटा माइनिंग परिणामों की अभिव्यक्ति (Expression of various kinds of data mining results)
बड़ी मात्रा में डेटा से कई प्रकार के ज्ञान की खोज की जा सकती है। कोई भी खोजे गए ज्ञान को कई दृष्टिकोणों से जांचना और उन्हें विभिन्न रूपों में प्रदर्शित करना पसंद कर सकता है।
इसके लिए हमें डेटा माइनिंग अनुरोधों और खोजे गए ज्ञान दोनों को उच्च-स्तरीय भाषाओं या ग्राफिकल यूजर इंटरफेस में परिभाषित करने की आवश्यकता है ताकि डेटा माइनिंग कार्य को गैर-विशेषज्ञों द्वारा परिभाषित किया जा सके और खोजा गया ज्ञान उपयोगकर्ताओं द्वारा समझने योग्य और सटीक रूप से उपलब्ध हो। इसके लिए डिस्कवरी सिस्टम को अभिव्यंजक ज्ञान प्रतिनिधित्व तकनीकों का चयन करने की भी आवश्यकता है।
कई अमूर्तता स्तरों पर इंटरैक्टिव माइनिंग ज्ञान (Interactive mining knowledge at multiple abstraction levels)
क्योंकि यह अनुमान लगाना जटिल है कि डेटाबेस से वास्तव में क्या खोजा जा सकता है, एक उच्च-स्तरीय डेटा माइनिंग क्वेरी को एक जांच के रूप में माना जाना चाहिए जो आगे की खोज के लिए कुछ दिलचस्प निशान प्रकट कर सकती है।
इंटरैक्टिव डिस्कवरी को प्रोत्साहित किया जाना चाहिए, जो उपयोगकर्ता को इंटरैक्टिव रूप से डेटा माइनिंग अनुरोध को परिष्कृत करने, डायनामिक रूप से डेटा फोकस बदलने, उत्तरोत्तर डेटा माइनिंग प्रक्रिया को गहरा करने, और कई अमूर्तता स्तरों और कई कोणों से जानकारी और डेटा माइनिंग परिणामों को लचीले ढंग से देखने में सक्षम बनाता है।
विभिन्न स्रोतों से जानकारी माइनिंग (Mining information from different sources of data)
व्यापक रूप से उपलब्ध स्थानीय और वाइड-एरिया कंप्यूटर नेटवर्क, जैसे इंटरनेट, विभिन्न डेटा स्रोतों को जोड़ सकते हैं और विशाल वितरित, विषम डेटाबेस बना सकते हैं। विविध डेटा सिमेंटिक्स के साथ स्वरूपित या अस्वरूपित जानकारी के कई स्रोतों से ज्ञान खनन डेटा माइनिंग के लिए एक नई आवश्यकता प्रस्तुत करता है।
अन्यथा, डेटा माइनिंग विषम डेटाबेस में उच्च-स्तरीय डेटा नियमितताओं को प्रकट करने में मदद कर सकता है जिन्हें सरल क्वेरी सिस्टम द्वारा मुश्किल से खोजा जा सकता है। इसके अलावा, डेटाबेस का विशाल आकार, डेटा का व्यापक वितरण, और कई डेटा माइनिंग विधियों की कम्प्यूटेशनल जटिलता समानांतर और वितरित डेटा माइनिंग एल्गोरिदम की उन्नति को प्रेरित करती है।
