Fase 1 del modello di processo CRISP-DM: Business Understanding - dummies

Il Processo standard intersettoriale per data mining ( CRISP-DM ) è la struttura del processo dominante per il data mining. Nella prima fase di un progetto di data mining, prima di accedere a dati o strumenti, definisci ciò che sei fuori e definisci i motivi per cui vuoi raggiungere questo obiettivo.

La fase di comprensione del business include quattro attività (attività principali, ognuna delle quali può comportare diverse parti più piccole).

Attività: identificazione degli obiettivi aziendali

La prima cosa che devi fare in qualsiasi progetto è scoprire esattamente cosa stai cercando di realizzare! È meno ovvio di quanto sembri. Molti minatori di dati hanno investito tempo nell'analisi dei dati, solo per scoprire che la loro gestione non era particolarmente interessata al problema che erano investigando. Devi iniziare con una chiara comprensione di

• Un problema che la tua gestione vuole affrontare

• obiettivi aziendali

• Vincoli (limitazioni su cosa si può fare, i tipi di soluzioni che possono essere utilizzate, quando il lavoro deve essere completato, e così via)

• Impatto (come il problema e le possibili soluzioni si adattano al business)

I deliverable per questa attività comprendono tre elementi (in genere brevi report incentrati solo sui punti principali):

• Sfondo: Spiegare la situazione aziendale che guida il progetto. Questo articolo, come molti che seguono, ammonta solo a pochi paragrafi.

• Obiettivi aziendali: Definisci ciò che la tua organizzazione intende realizzare con il progetto. Questo è generalmente un obiettivo più ampio di quello che tu, in quanto minatore di dati, puoi realizzare in modo indipendente. Ad esempio, l'obiettivo aziendale potrebbe essere quello di aumentare le vendite da una campagna di annunci di festività del 10% anno su anno.

• Criteri di successo aziendale: Definire come verranno misurati i risultati. Cerca di ottenere criteri di successo quantitativi chiaramente definiti. Se è necessario utilizzare criteri soggettivi (suggerimento: termini come acquisire intuizioni o ottenere un controllo su implicare criteri soggettivi), almeno ottenere un accordo su chi giudicherà se questi criteri hanno o meno stato adempiuto.

Attività: valutazione della situazione

Qui è possibile approfondire i problemi associati agli obiettivi aziendali. Ora andrai più in profondità nella ricerca di fatti, costruendo una spiegazione molto più delicata dei problemi delineati nel compito degli obiettivi di business.

I risultati per questa attività includono cinque rapporti approfonditi:

• Inventario delle risorse: Un elenco di tutte le risorse disponibili per il progetto.Questi possono includere persone (non solo minatori di dati, ma anche persone con una conoscenza approfondita del problema aziendale, gestori di dati, supporto tecnico e altro), dati, hardware e software.

• Requisiti, ipotesi e vincoli: I requisiti includeranno un programma per il completamento, obblighi legali e di sicurezza e requisiti per un lavoro finito accettabile. Questo è il punto per verificare che avrai accesso ai dati appropriati!

• Rischi e imprevisti: Identificare le cause che potrebbero ritardare il completamento del progetto e preparare un piano di emergenza per ciascuno di essi. Ad esempio, se un'interruzione di Internet nel tuo ufficio potrebbe rappresentare un problema, forse la tua eventualità potrebbe essere quella di lavorare in un altro ufficio fino alla fine dell'interruzione.

• Terminologia: Crea un elenco di termini aziendali e termini di data mining rilevanti per il tuo progetto e scrivili in un glossario con definizioni (e forse esempi), in modo che chiunque sia coinvolto nel progetto possa avere un comprensione comune di questi termini.

• Costi e benefici: Preparare un'analisi costi-benefici per il progetto. Cerca di indicare tutti i costi e i benefici in termini di dollari (euro, sterline, yen e così via). Se i benefici non superano in modo significativo i costi, fermati e riconsidera questa analisi e il tuo progetto.

I decision maker spesso si sentono più a loro agio a destinare risorse a progetti che riducono i costi rispetto a quelli che mirano ad aumentare le entrate, quindi cerca sempre un potenziale di risparmio e le opportunità di risparmio di stato prima nella relazione sui costi e benefici.

Attività: definizione degli obiettivi di data mining

Raggiungere l'obiettivo aziendale richiede spesso l'intervento di molte persone, non solo del minatore di dati. Quindi ora devi definire la tua piccola parte all'interno dell'immagine più grande. Se l'obiettivo aziendale è ridurre il logoramento dei clienti, ad esempio, gli obiettivi di data mining potrebbero essere quelli di identificare i tassi di abbandono per diversi segmenti di clienti e sviluppare modelli per prevedere quali sono i clienti più a rischio.

I deliverable per questa attività includono due report:

• Obiettivi di data mining: Definire i risultati di data mining, quali modelli, report, presentazioni e set di dati elaborati.

• Criteri di successo relativi al data mining: Definire i criteri tecnici di data mining necessari per supportare i criteri di successo dell'azienda. Prova a definirli in termini quantitativi (come l'accuratezza del modello o il miglioramento predittivo rispetto a un metodo esistente). Se i criteri devono essere qualitativi, identificare la persona che effettua la valutazione.

Compito: produrre il piano del progetto

Ora specifichi ogni passo che tu, il minatore di dati, intendi intraprendere fino al completamento del progetto e la presentazione e la revisione dei risultati.

I risultati per questa attività includono due rapporti:

• Piano del progetto: Delinea il piano d'azione passo passo per il progetto. Espandi il contorno con una pianificazione per il completamento di ogni passaggio, le risorse richieste, gli input (come dati o una riunione con un esperto in materia) e gli output (come dati puliti, un modello o un report) per ogni passaggio e dipendenze (passaggi che non possono iniziare fino al completamento di questo passaggio).Dichiarare esplicitamente che alcuni passaggi devono essere ripetuti (ad esempio, la modellazione e la valutazione di solito richiedono diverse ripetizioni avanti e indietro).

• Valutazione iniziale di strumenti e tecniche: Identificare le funzionalità richieste per soddisfare gli obiettivi di data mining e valutare gli strumenti e le risorse disponibili. Se manca qualcosa, devi affrontare la questione molto presto nel processo.