决策树算法在构建过程中需要重点考虑以下两个方面：

A: 字段的选择
C: 剪枝

### 专业分析：

1. **字段的选择**：
- 字段的选择是决策树构建中最关键的步骤。在每一个节点分裂时，选择合适的特征（字段）可以有效提高模型的准确性和效率。通常使用信息增益、增益率或基尼指数等指标来评估和选择字段。

2. **剪枝**：
- 剪枝是防止决策树过拟合的重要步骤。通过剪枝，可以去除不必要的节点，简化模型，从而提升模型的泛化能力。常见的剪枝方法包括预剪枝和后剪枝。

### 其他选项分析：

- **B: 概率为0的问题**：
- 这个更多涉及到概率模型中的问题，与决策树的核心构建过程关系不大。

- **D: 数值型字段离散化**：
- 虽然数值型字段离散化在一些情况下可以帮助提高决策树的性能，但它不是决策树算法中必须考虑的重点。在许多实现中，决策树可以直接处理连续型数据。

### 总结：

在决策树算法中，字段的选择和剪枝是两个非常关键的部分，直接影响了模型的性能和复杂度。通过正确选择字段和适当的剪枝技术，可以显著提升决策树模型的表现。