Hier sind die verschiedenen Modelle zu vergleichen und es ist zu bewerten, inwiefern die Projektziele mit Hilfe der verschiedenen Modelle erfüllt werden konnten.

Dafür werden die vortrainierten Modelle mit laufenden Betriebsdaten gefüttert und die ausgegebenen Ergebnisse analysiert und bewertet werden.

Das Resultat sollten ein oder mehrere „Sieger“-Modelle sein, die für einen realen Betrieb in näherer Auswahl stehen. Achten Sie dabei auf den gesetzten Evaluationszeiträume sowie die festgelegten Ziele. Sollten keine Modelle geeignet sein, sind Gründe dafür zu suchen und ggf. sollten die Modellbildung oder davorliegende Schritte wiederholt werden.

• CRISP-DM – A Framework For Data Mining And Analysis
  Mithun Sridharan (o.J.)
• CRISP-DM: Grundlagen, Ziele und die 6 Phasen des Data Mining Prozess
  Laurenz Wuttke (o.J.)