SEMMA是美国SAS公司配合其数据挖掘软件Enterprise Miner提出来的一种对数据挖掘实施中核心过程的描述——SEMMA是Sample（抽样）、Explore（探索）、Modify（修整）、Model（建模）、Assess（评估）。从对数据进行具有统计代表性的抽样开始，SEMMA使得用户很容易地应用探索性统计和可视化技术、选择和整合最有意义的预测变量、对这些变量建模并预测结果、确认模型准确性。

    长期以来，SEMMA被广泛认为是一个数据挖掘方法学，甚至把它和其它数据挖掘方法学和标准如CRISP-DM置于同一层次进行对比与评价。其实，SAS在其有关SEMMA的公开描述中【1】已经对此有了澄清：“把SEMMA视作一种数据挖掘方法学是一个普遍的误解。SEMMA不是数据挖掘方法学，而是SAS企业挖掘器（Enterprise Miner，以后简记为SAS/EM或EM）中执行数据挖掘核心任务的功能工具集合的一个逻辑组织结构。”