缺失值处理是数据清洗工作的一环。

正确答案是A: 数据清洗。

专业分析：
在知识发掘处理（Knowledge Discovery Process）中，数据清洗是一个关键的步骤。数据清洗的主要任务是处理数据中的噪声、错误、重复和缺失值等问题。缺失值（NULL Value）是指在数据集中某些数据条目缺少信息，这些缺失的信息可能是由于数据收集过程中的疏漏、设备故障、数据传输错误等原因造成的。

处理缺失值的方法包括但不限于：
1. **删除含有缺失值的记录**：适用于缺失值较少且删除这些记录不会对数据分析结果产生重大影响的情况。
2. **填充缺失值**：可以使用均值、中位数、众数、前一个值、后一个值等方法填充缺失值。
3. **预测缺失值**：使用机器学习算法预测缺失值。

数据清洗的目的是确保数据的完整性和质量，从而为后续的数据分析和建模提供可靠的基础。因此，缺失值的处理属于数据清洗阶段。

其他选项的解释：
B: 数据选择 - 主要涉及选择与分析目标相关的数据子集。
C: 数据编码 - 主要涉及将数据转换为适合分析和建模的格式。
D: 数据扩充 - 主要涉及生成更多数据或增强现有数据集的丰富性。

综上所述，缺失值的处理是在数据清洗阶段进行的。