9 Lagar av datavinnor - dummies

Varje yrke har sina riktlinjer, idéer som ger struktur och vägledning i det dagliga arbetet. Data mining är inget undantag. Följande är nio grundläggande idéer för att vägleda dig när du kommer ner till jobbet och blir en dataväxlare. Dessa är de 9 lagarna för datavinnning som de ursprungligen uppgavs av den banbrytande dataväxlaren Thomas Khabaza.

Första lagen: Affärsmål

Här är den första lagen om datavinnning, eller "affärsmål": Affärsmål är ursprunget till varje data-mining lösning.

Du utforskar data för att hitta information som hjälper dig att bedriva verksamheten bättre. Ska inte detta vara mantra av all företagsdataanalys? Självklart borde det! Ändå är nybörjare datavinnare ofta inriktade på tekniken och andra detaljer, vilket kan vara intressant men inte anpassat till de beslutsfattarees behov och mål.

Du måste utveckla en vana att identifiera affärsmål innan du gör någonting annat och fokusera på dessa mål vid varje steg i datautvinningsprocessen. Det är viktigt att denna lag kommer först. Alla bör förstå att data mining är en process med ett syfte.

2: a lag: Företagsekonomi

Här är den andra lagen om datavinnning, eller "Business Knowledge Law": Affärskunskap är central för varje steg i data-miningprocessen.

Datautvinning ger makt till folket - affärsmän - som använder sin kunskap, erfarenhet och insikt, tillsammans med data-mining metoder, för att finna mening i data.

Du behöver inte vara en fin statistiker för att göra datautvinning, men du måste veta något om vad uppgifterna betyder och hur verksamheten fungerar. Bara när du förstår data och problemet som du behöver lösa kan data-gruvprocesser hjälpa dig att hitta användbar information och använda den.

3: e lag: Databeredning

Här är den tredje lagen om data mining, eller "Data Preparation Law": Datapreparation är mer än hälften av varje data-mining process.

Traditionella statistiker har ofta möjlighet att samla in nya data för att ta itu med specifika forskningsfrågor. De kan använda noggranna processer för att planera experiment, utforma enkätundersökningsfrågor eller på annat sätt samla högkvalitativa data som är riktade mot specifika forskningsmål. Men trots allt spenderar de fortfarande mycket tid på att rengöra och förbereda data för analys.

Data miners, å andra sidan, måste nästan alltid arbeta med vad som helst som finns tillgänglig. De använder befintliga företagsrekord, offentliga data eller de data de kan köpa.Chansen är att alla uppgifter samlades in för något annat ändamål än data mining, och utan någon noggrann plan eller noggrann datainsamling. Så datavinnare spenderar mycket tid på databehandling.

4: lag: Höger modell

Här är den fjärde lagen om data mining, eller "NFL-DM": Den rätta modellen för en given applikation kan bara upptäckas genom experiment.

Denna lag är också känd av stenografi NFL-DM, vilket innebär att det inte finns någon gratis lunch för dataväxlaren.

Först, vad är en modell? Det är en ekvation som representerar ett mönster som observeras i data. Åtminstone representerar det mönstret på ett grovt sätt. Matematiska modeller av riktiga saker är aldrig perfekta! Detta är ett faktum i livet, och det är lika sant för kärnfysiker som för datavinnare.

I datautvinning väljes modeller genom försök och fel. Du kommer att experimentera med olika modelltyper.

5: e lag: Mönster

Här är den 5: e lagen om datautvinning: Det finns alltid mönster.

Som databearbetare utforskar du data på jakt efter användbara mönster. Med andra ord söker du efter meningsfulla relationer bland variablerna i data. Förstå dessa relationer ger bättre förståelse för verksamheten och bättre förutsägelser om vad som kommer att hända i framtiden. Viktigast är att förståelse mönster i data gör att du kan påverka vad som kommer hända i framtiden.

Du hittar alltid mönster. Uppgifterna har alltid något att berätta för dig. Ibland bekräftar det att det du har gjort är rätt. Det kanske inte verkar spännande, men det säger i alla fall att du har varit på rätt spår. Andra dagar kan uppgifterna berätta att din nuvarande affärspraxis inte fungerar. Det är spännande, och även om det kanske inte är trevligt på kort sikt är det ett viktigt steg mot förbättring att veta sanningen.

6: e lagen: Förstärkning

Här är den 6: e lagen om data mining, eller "Insight Law": Data mining förstärker uppfattningen i företagsdomänen.

Metodbrytningsmetoder gör att du kan förstå ditt företag bättre än du kunde ha gjort utan dem. Data-mining metoder hjälper dig som en förstoringsglas eller ett mikroskop, vilket möjliggör upptäckten av effekter som skulle vara svåra eller omöjliga att upptäcka genom vanlig rapportering.

Data mining är inte direkt.

Discovery och lärande genom data mining är en interaktiv process. Du kommer att göra upptäckter, ta reda på lite av var och en och använd vad du har upptäckt för att vidta åtgärder. Resultaten av varje åtgärd du försöker kommer att producera mer data, och att data kan du förstå något mer. Det är en upptäcktscykel, och cykeln fortsätter så länge du fortsätter att utforska och experimentera.

7: e lagen: Förutsägelse

Här är den 7: e lagen om data mining, eller "Prediction Law": Prediction ökar information lokalt genom generalisering.

Data mining hjälper dig att använda det du vet för att göra bättre förutsägelser (eller uppskattningar) av saker du inte känner till. Data mining använder data och modelleringsmetoder för att ersätta dina informella förväntningar med datastyrda, konsekventa och mer exakta uppskattningar.

8: lagen Här är den 8: e lagen om data mining, eller "Value Law":

Värdet av data-mining resultat bestäms inte av precisionen eller stabiliteten hos prediktiva modeller. Data miners är inte upphetsade över teorin. Som dataminist kan du aldrig ens känna till teorin bakom de statistiska modellerna du använder. Kanske det är lika bra, för i datainsamling kommer du att använda dessa modeller på sätt som inte nödvändigtvis stämmer överens med teorin bakom dem.

Du kommer leta efter modeller som ger korrekta förutsägelser (och du kommer att använda test, snarare än statistisk teori, för att bedöma det). Men du kan vara mer oroad över andra frågor, till exempel om modellen ger affärsmässig mening, upplysar dig om oväntade prediktiva faktorer eller är praktiskt att använda på din arbetsplats.

9: e lag: Ändra

Här är den 9: e lagen om data mining, eller "Ändringslagen":

Alla mönster kan komma att ändras. Världen förändras alltid. Modellen som ger dig stora förutsägelser idag kan vara värdelös i morgon. Detta är ett faktum för alla dataanalyser, inte bara datavinnare.