在数据挖掘项目分析中，以下步骤都是必要的：

A: **清理数据**
- 数据清理是数据挖掘的基础步骤。它包括处理缺失值、去除重复数据、纠正错误数据等，以确保数据质量和分析结果的准确性。

B: **对数据描述统计**
- 描述统计提供了对数据基本属性的理解，包括均值、中位数、标准差等，这有助于识别数据的分布和特性。

C: **选择合适的模型并建模**
- 不同的分析问题需要不同的数据模型。模型选择和建模是数据挖掘的核心步骤，旨在通过合适的算法对数据进行建模和预测。

D: **验证模型的可靠性**
- 一旦模型建立，验证其可靠性和有效性至关重要。这通常通过分割数据集进行交叉验证或使用独立的测试集来进行。

因此，正确答案是：**A, B, C, D**

### 专业分析
在数据挖掘项目中，项目成功与否很大程度上依赖于上述步骤的执行效果：

1. **数据清理**：数据质量直接影响模型的性能。高质量的数据能显著提高模型的预测能力。
2. **描述统计**：帮助分析人员快速了解数据特征，识别异常值或需要进一步处理的部分。
3. **模型选择与建模**：不同算法对于同一问题效果不同，需结合问题背景、数据特点和性能要求进行选择。
4. **模型验证**：通过验证，确保模型不仅能很好地拟合训练数据，还能在新数据上表现良好，从而具有实际应用价值。

每个步骤相辅相成，缺一不可，以确保最终模型能有效解决实际问题。