Dados Mining For Dummies Cheat Sheet - dummies

Por Meta S. Brown

A mineração de dados é a forma como os empresários comuns usam uma variedade de técnicas de análise de dados para descobrir informações úteis informações de dados e colocar essa informação em prática. Mineradores de dados não se preocupam com a teoria e os pressupostos. Eles validam suas descobertas testando. E eles entendem que as coisas mudam, então, quando a descoberta que funcionou como um encanto ontem não aguenta hoje, elas se adaptam.

As 9 Leis da Mineração de Dados: um Guia de Referência

O mineiro de dados pioneiro Thomas Khabaza desenvolveu suas "Nove Leis da Mineração de Dados" para orientar os novos mineiros de dados à medida que começam a trabalhar. Este guia de referência mostra o que cada uma dessas leis significa para o seu trabalho diário.

• 1ª Lei de Mineração de Dados, ou "Lei de Objetivos de Negócios": Os objetivos de negócios são a origem de cada solução de mineração de dados.

  Um mineiro de dados é alguém que descobre informações úteis de dados para suportar objetivos comerciais específicos. A mineração de dados não é definida pela ferramenta que você usa.

• 2ª Lei da Mineração de Dados, ou "Lei do Conhecimento Empresarial": O Conhecimento Empresarial é central para cada etapa do processo de mineração de dados .

  Você não precisa ser um estatístico elegante para fazer mineração de dados, mas você precisa saber algo sobre o que os dados significam e como o negócio funciona.

• 3ª Lei de Mineração de Dados ou "Lei de Preparação de Dados": A preparação de dados é mais de metade de todo processo de mineração de dados .

  Praticamente todos os mineradores de dados passarão mais tempo na preparação de dados do que na análise.

• 4ª Lei da Mineração de Dados, ou "Nenhum Almoço Gratuito para o Minerador de Dados": O modelo certo para uma determinada aplicação só pode ser descoberto pela experiência .

  Na mineração de dados, os modelos são selecionados por meio de tentativa e erro.

• 5ª Lei da Mineração de Dados: Existem sempre padrões nos dados .

  Como mineiro de dados, você explora dados em busca de padrões úteis. A compreensão dos padrões nos dados permite influenciar o que acontece no futuro.

• 6ª Lei da Mineração de Dados, ou "Insight Law": A mineração de dados amplifica a percepção no domínio comercial .

  Os métodos de mineração de dados permitem compreender melhor o seu negócio do que você poderia ter feito sem eles.

• 7ª Lei de Mineração de Dados ou "Lei de Predição": A previsão aumenta a informação localmente por generalização.

  A mineração de dados nos ajuda a usar o que sabemos para fazer melhores previsões (ou estimativas) de coisas que não conhecemos.

• 8ª Lei de Mineração de Dados, ou "Lei do Valor": O valor dos resultados da mineração de dados não é determinado pela precisão ou estabilidade dos modelos preditivos .

  Seu modelo deve produzir boas previsões, de forma consistente. É isso aí.

• 9ª Lei de Mineração de Dados, ou "Lei de Mudança": Todos os padrões estão sujeitos a alterações.

  Qualquer modelo que lhe dê excelentes previsões hoje pode ser inútil amanhã.

Fases do processo de mineração de dados

O Processo padrão entre indústrias cruzadas para mineração de dados ( CRISP-DM ) é a estrutura dominante do processo de mineração de dados. É um padrão aberto; qualquer um pode usá-lo. A lista a seguir descreve as várias fases do processo.

• Compreensão do negócio: Obtenha uma compreensão clara do problema que você está tentando resolver, como isso afeta sua organização e seus objetivos para abordá-lo. As tarefas nesta fase incluem:

  • Identificando seus objetivos de negócios

  • Avaliando sua situação

  • Definindo seus objetivos de mineração de dados

  • Produzindo seu plano de projeto

• Compreensão de dados: Revise os dados que você possui, documentá-lo, identificar problemas de gerenciamento de dados e qualidade de dados. As tarefas para esta fase incluem:

  • Recolher dados

  • Descrevendo

  • Explorando

  • Verificar qualidade

• Preparação de dados: Obtenha seus dados prontos para serem usados ​​para modelagem. As tarefas para esta fase incluem:

  • Selecionando dados

  • Dados de limpeza

  • Construindo

  • Integrando

  • Formatação

• Modelagem: Use técnicas matemáticas para identificar padrões em seus dados. As tarefas para esta fase incluem:

  • Selecionando técnicas

  • Projetando testes

  • Modelos de construção

  • Avaliando modelos

• Avaliação: Revise os padrões que você descobriu e avalie seu potencial para uso comercial. As tarefas para esta fase incluem:

  • Avaliando os resultados

  • Revisando o processo

  • Determinando os próximos passos

• Implantação: Coloque suas descobertas no trabalho diário. As tarefas para esta fase incluem:

  • Implementação de planejamento (seus métodos para integrar as descobertas de mineração de dados em uso)

  • Resultados finais de relatório

  • Revisão dos resultados finais