Fase 6 del modello di processo CRISP-DM: Deployment - dummies

La distribuzione è il luogo in cui il data mining paga. In questa fase finale del processo Cross-Industry Standard Process for Data Mining (CRISP-DM), non importa quanto siano brillanti le tue scoperte, o quanto perfettamente i tuoi modelli si adattino ai dati, se non li usi effettivamente cose per migliorare il modo in cui fai affari.

La fase di implementazione include quattro attività. Questi sono

• Pianificazione dell'implementazione (i metodi per l'integrazione delle scoperte di data mining in uso)

• Pianificazione del monitoraggio e della manutenzione

• Segnalazione dei risultati finali

• Revisione dei risultati finali

Attività: Pianificazione dell'implementazione

Quando il modello è pronto per l'uso, è necessaria una strategia per mettere per lavorare nel tuo business.

Il deliverable per questa attività è il piano di implementazione. Questo è un riepilogo della strategia di implementazione, i passaggi richiesti e le istruzioni per eseguire tali passaggi.

Attività: Pianificazione del monitoraggio e della manutenzione

Il lavoro di data mining è un ciclo, quindi aspettatevi di rimanere attivamente coinvolti con i vostri modelli mentre sono integrati nell'uso quotidiano.

Il deliverable per questa attività è il piano di monitoraggio e manutenzione. Questo è un riassunto della tua strategia per la revisione continua delle prestazioni del modello. Avrai bisogno di assicurarti che venga usato correttamente su base continuativa e che venga rilevato qualsiasi calo delle prestazioni del modello.

Attività: Segnalazione dei risultati finali

I risultati per questa attività comprendono due voci:

• Rapporto finale: Il rapporto finale riepiloga l'intero progetto assemblando tutti i report creati fino a questo punto, e aggiungendo una panoramica che riassume l'intero progetto e i suoi risultati.

• Presentazione finale: Una sintesi del rapporto finale viene presentata in un incontro con la direzione. Questa è anche un'opportunità per rispondere a qualsiasi domanda aperta.

Compito: rivedere il progetto

Infine, il team di data mining si riunisce per discutere cosa ha funzionato e cosa no, cosa sarebbe bene fare di nuovo e cosa dovrebbe essere evitato!

Anche questo passaggio ha un risultato, anche se è solo per l'uso del team di data mining, non del gestore (o del client). È il rapporto della documentazione dell'esperienza.

Questo è il punto in cui è necessario delineare tutti i metodi di lavoro che hanno funzionato particolarmente bene, in modo che possano essere nuovamente utilizzati in futuro e tutti i miglioramenti che potrebbero essere apportati al processo. È anche il luogo in cui documentare i problemi e le brutte esperienze, con le raccomandazioni per evitare problemi simili in futuro.

Il data mining è un'attività di gruppo.Quindi, se questo processo sembra includere molti passaggi, renditi conto che potrebbe non essere tua responsabilità personale fare ognuno di essi e che è sempre opportuno chiedere aiuto agli altri quando ne hai bisogno. (All'inizio del progetto, hai creato un elenco di persone che sono risorse per il progetto di data mining. Questa è la tua piccola directory di helper!)