"La curiosità e la creatività sono senza dubbio innate, ma l'intuizione per i dati deriva dal tempo trascorso ad esplorarlo", afferma Michael Berry, Direttore Business Intelligence di TripAdvisor.
Berry e Gordon Linoff, che insieme hanno co-fondato la società di consulenza Data Miners Inc. e hanno co-scritto il libro Tecniche di data mining per marketing, vendite e gestione delle relazioni con i clienti , erano i nostri ospiti per la puntata del webcast di questo mese di Analytically Speaking. Se ti sei perso il webcast, lo è ora disponibile su richiesta .A causa dell'elevato volume di domande inviate dal nostro pubblico di visualizzazione durante la trasmissione in diretta, non siamo stati in grado di rispondere a tutte le richieste. Ma Berry e Linoff hanno seguito le risposte ad alcune di queste domande sull'analisi.
Domanda: Esiste un processo specifico che segui per l'analisi esplorativa quando ricevi nuovi dati? Ad esempio, con che grafici inizi?
Linoff: Questa è una domanda molto generale e dipende molto da come appaiono i dati. A volte i dati vengono già elaborati nelle firme dei clienti, che sono adatti per la modellazione. In questo caso, le statistiche univariate sono il punto di partenza. Se esiste una componente temporale per i dati, ad esempio all'avvio di un cliente, analizzerei la distribuzione dei valori in base al tempo, in genere utilizzando grafici a dispersione o grafici a barre. Perché tanti clienti iniziano a gennaio? Oppure, perché le interruzioni di pagamento non sono più elevate a maggio? I dati grezzi possono essere più complicati. Per avere piena fiducia nei dati, è necessario comprendere l'elaborazione per assicurarsi che i dati siano coerenti. Qui sono fondamentali diagrammi di valori sparsi e grafici a barre contro il tempo.
Bacca: La prima cosa che guardo è la distribuzione di ogni singola variabile. Io uso gli istogrammi per quello. Successivamente, sono probabile che utilizzerò grafici a dispersione per visualizzare relazioni tra variabili che mi aspetto siano correlate.
Domanda: per quanto tempo consiglieresti di archiviare i dati storici?
Linoff: Lo storage è economico, quindi questo diventa meno di un problema nel tempo. In alcune aziende, è evidente la necessità di archiviare molti anni di dati. In altri, come l'e-tailing, la necessità potrebbe essere meno ovvia. Tuttavia, in genere si desidera almeno 13 mesi di dati per effettuare confronti anno su anno. Tu spesso vuoi di più. Se, ad esempio, sei un sito di notizie di prima qualità sul Web e vuoi capire come le notizie sulle elezioni guidano il comportamento dei lettori, vuoi sapere cosa è successo nel 2008 e forse anche nel 2004.
Bacca: Non esiste una risposta predefinita, ma direi "finché potrebbe essere utile". Alcuni tipi di dati dovrebbero essere salvati "per sempre". Ciò include i dettagli delle relazioni con la clientela come il canale di acquisizione e il prodotto originale acquistato.
Domanda: cosa ti motiva a scrivere e insegnare sul data mining?
Linoff: LOL. Questo è ciò che faccio. Sono fondamentalmente un secchione di cuore, e il data mining è una grande intersezione di dati, statistiche e buonsenso.
Bacca: Trovo veramente affascinante il soggetto e mi piace condividere il mio entusiasmo con il mondo.
Domanda: che cosa posso fare per contribuire a spostare la mia cultura aziendale dal processo decisionale "gut" al processo decisionale basato sui dati?
Linoff: Hai bisogno di un buy-in ad alto livello. UN Harvard Business Review il numero dedicato ai big data è un segno che i dirigenti si preoccupano - o dovrebbero preoccuparsi - di tali problemi. Tuttavia, il processo decisionale basato sui dati può andare contro l'attuale cultura aziendale. A volte devi aspettare errori evidenti ed essere pronto a sfruttare le opportunità che presentano. Per esempio, in un caso, siamo stati in grado di andare avanti con un sistema di previsione di sopravvivenza solo quando il precedente sistema di previsione era così lontano che i dirigenti di alto livello hanno notato la discrepanza.
Bacca: I cambiamenti culturali sono molto difficili, ma alcuni successi verranno notati. Inizia con qualcosa in cui i benefici sono facili da misurare e facili da capire, come un maggiore tasso di conversione o una maggiore ritenzione.
