10 Erros comuns de mineração de dados (que você não fará) - dummies

A mineração de dados é feita por tentativa e erro, e, portanto, para mineradores de dados, cometer erros é apenas natural. Os erros podem ser valiosos, em outras palavras, pelo menos sob certas condições. No entanto, nem todos os erros são criados iguais. Alguns são melhor evitados. A lista a seguir oferece dez desses erros. Se você lê-los cuidadosamente e compromete-os na memória, você pode apenas evitar algumas colisões na curva de aprendizado:

• Saltar verificações de qualidade de dados: A maioria dos mineiros de dados pensa que o desenvolvimento de modelos preditivos é mais divertido do que rever dados para problemas de qualidade. Mas se você não conseguir detectar e corrigir problemas de qualidade de dados, você pode acabar com previsões sem valor.

• Faltando o ponto: Você descobriu algo fascinante! Isso é bom, mas se não é também relevante para o problema de negócios que você pretende resolver, não é relevante. Volte para a pista.

• Acreditando que um padrão nos dados demonstra uma relação de causa e efeito: Você explora um conjunto de dados e percebe que, quando a Variável A aumenta, a Variável B também aumenta. Isso pode ocorrer porque a Variável A influencia a Variável B, ou porque a Variável B influencia a Variável A. Por outro lado, pode ser que ambos sejam influenciados por alguma outra variável que você não considerou. Ou pode ser uma coincidência única. Quem pode dizer?

• Esticando conclusões muito longe: Não presume que as relações que você observar nos dados se repetirão em diferentes circunstâncias. Se seus dados foram coletados em um ambiente legal, não presuma que as coisas funcionem da mesma maneira em uma configuração de fábrica quente.

• Aposta em resultados que não fazem sentido: Os métodos de mineração de dados são informais e geralmente não são respaldados por métodos científicos e teoria, de modo que seus resultados melhoraram, pelo menos, fazer sentido comercial. Se não houver uma explicação de senso comum para os resultados que você apresenta, sua gerência executiva provavelmente não levará isso a sério, e eles não deveriam.

• Apaixonando-se por um método de modelagem particular: Não existe um único tipo de modelo de mineração de dados que se encaixa em todas as situações.

• Colocando um modelo em produção sem testes adequados: Não aposte seu negócio em um modelo preditivo até você testá-lo com dados de retenção e em pequena escala no campo.

• Ignorando os resultados que você não gosta: Se você ignorar seus dados agora, ele voltará um dia e dirá: "Eu disse isso. "

• Usando a mineração de dados para resolver todas as necessidades de análise de dados: A mineração de dados tem um tremendo valor, mas algumas aplicações ainda exigem métodos rigorosos de coleta de dados, análise estatística formal e método científico.

• Presumindo que as técnicas tradicionais de análise de dados não mais importam: Consulte a bala anterior.