«Certains des meilleurs mineurs de données ont une Freakonomics état d'esprit », déclare Dean Abbott, président d'Abbott Analytics et leader éclairé dans les domaines de la modélisation, de l'exploration de données et de la visualisation des données. Ces personnes sont des détectives de données curieux qui posent des questions intéressantes.
Abbott a discuté de cette question et bien plus encore avec Anne Milley, directrice principale de la stratégie analytique chez JMP, lors d’une Analytiquement parlant webcast.
J'ai regardé avec plus de 800 téléspectateurs. Voici quelques-uns de ses points clés:
"La partie la plus importante de tout projet d'exploration de données consiste à définir clairement le problème." Et il n’est pas facile de «relier l’analyse aux problèmes à résoudre», car les objectifs commerciaux ne correspondent presque jamais aux techniques d’exploration de données. Le premier pas? Identifiez les variables cibles qui encapsulent le problème. "Je n'essaye pas de remplacer le banc!" La crainte qu'un analyste puisse remplacer un chercheur «sur le banc» n'est pas fondée. Vous devez connaître les données pour pouvoir les interpréter - et c'est la valeur que les experts du domaine apportent à la table. En tant que Data Miner, vous ne cédez pas de solutions. vous divisez plutôt les informations en parties plus petites que les experts peuvent utiliser pour prendre de meilleures décisions. "Aucun modèle ne raconte l'histoire complète." C'est pourquoi les ensembles (une combinaison de modèles) fonctionnent. Chaque modèle offre une perspective différente et vous donne une idée plus précise de l’évolution de vos données. "Les arbres de décision sont gourmands." Et ils peuvent vous tromper parce que vous «ne pouvez pas revenir au début». Les forêts aléatoires incorporent plus de diversité et «obligent les arbres à sortir du sentier gourmand qu'ils descendent». «Les résumés ne rendent pas justice aux données . ”Ils sont utiles, mais peuvent être trompeurs. Alors visualisez toujours les données. "Il n'y a rien qui bat le temps d'horloge." Les gestionnaires doivent laisser à leurs analystes le temps de disposer des données. Lorsque vous vous y attendez le moins, par exemple lorsque vous conduisez chez vous ou que vous avez une conversation au travail, quelque chose déclenchera votre processus de réflexion pour résoudre un problème. "Il n'y a pas de règle qui dit quand vous avez épuisé [les données]." Abbott dit que si ses modèles se comportent de manière cohérente, il sait qu'il tire beaucoup des données. Et parfois, vous devez juger de votre analyse en fonction du temps qu'il vous reste pour mener à bien votre projet. Il y a des rendements décroissants, alors demandez: «Combien de valeur ou plus d'argent puis-je apporter à l'entreprise si je continue?"Cela ne fait qu'effleurer la surface de la conversation. La diffusion Web à la demande sera bientôt disponible. Site parlant analytiquement pour le visionner, ainsi que les prochaines diffusions Web en direct avec d’autres leaders d'opinion.
4 questions d'entretien pour Data Miners - Dice News a écrit:
[…] compétitions de sumo au taux de criminalité. Lorsqu'il mentionne ce texte, Abbott fait référence à l'habitude d'un mineur de données de poser des questions et à un désir insatiable de comprendre un problème avant de créer une [?]
