Dean Abbott über das, was einen guten Data Miner ausmacht
„Einige der besten Data Miner haben eine Freakonomics mindset “, sagt Dean Abbott, Präsident von Abbott Analytics und Vordenker in den Bereichen Modellierung, Data Mining und Datenvisualisierung. Diese Leute sind neugierige Datenkenner, die interessante Fragen stellen.
Dies und vieles mehr diskutierte Abbott während eines Jahres mit Anne Milley, Senior Director of Analytics Strategy bei JMP Analytisch sprechen Webcast.
Ich habe zusammen mit mehr als 800 Zuschauern gesehen. Hier einige seiner wichtigsten Punkte:
"Der wichtigste Teil eines Data Mining-Projekts besteht darin, das Problem klar zu definieren." Und es ist nicht einfach, die Analyse an das vordere Ende der Probleme anzuschließen, die Sie wirklich lösen möchten, da Geschäftsziele fast nie mit Data-Mining-Techniken übereinstimmen. Der erste Schritt? Identifizieren Sie die Zielvariablen, die das Problem enthalten. "Ich versuche nicht, die Bank zu ersetzen!" Die Befürchtung, dass ein Analytiker den Platz eines Forschers "auf der Bank" einnehmen kann, ist unbegründet. Sie müssen etwas über die Daten wissen, um sie interpretieren zu können - und das ist der Wert, den Domain-Experten an den Tisch legen. Als Data Miner übergeben Sie keine Lösungen. Sie zerlegen die Informationen in kleinere Stücke, mit denen Experten bessere Entscheidungen treffen können. "Kein einzelnes Modell erzählt die gesamte Geschichte." Deshalb funktionieren Ensembles (eine Kombination von Modellen). Jedes Modell bietet eine andere Perspektive und gibt Ihnen ein umfassenderes Bild darüber, was mit Ihren Daten passiert. "Entscheidungsbäume sind gierig." Und sie können Sie täuschen, weil Sie „nicht an den Anfang zurückkehren können“. Zufällige Wälder schließen mehr Vielfalt ein und „zwingen Bäume aus dem gierigen Pfad, den sie gehen. „Zusammenfassungen werden den Daten nicht gerecht . ”Sie sind hilfreich, können aber täuschen. So visualisieren Sie immer die Daten. "Nichts ist besser als die Uhrzeit." Manager sollten ihren Analysten Zeit mit den Daten geben. Wenn Sie es am wenigsten erwarten - zum Beispiel, wenn Sie nach Hause fahren oder ein Gespräch bei der Arbeit führen -, wird etwas Ihren Denkprozess zur Lösung eines Problems auslösen. "Es gibt keine Regel, die besagt, wenn Sie [die Daten] erschöpft haben." Abbott sagt, wenn sich seine Modelle konsequent verhalten, weiß er, dass er viel von den Daten bekommen hat. Manchmal müssen Sie Ihre Analyse danach beurteilen, wie viel Zeit Sie noch haben, um Ihr Projekt abzuschließen. Die Renditen gehen zurück, fragen Sie sich also: "Wie viel oder mehr Geld kann ich dem Unternehmen bringen, wenn ich fortfahre?"Dies kratzt nur die Oberfläche der Konversation. Der On-Demand-Webcast wird in Kürze verfügbar sein Analytisch sprechende Website zu sehen, sowie auf bevorstehende Live-Webcasts mit zusätzlichen Vordenkern.
4 Interviewfragen für Data Miner - Dice News schrieb: ... 4 Interviewfragen für Data Miner - Dice News schrieb:
[…] Sumo-Wrestling-Wettkämpfe zu Kriminalitätsraten. Wenn er diesen Text erwähnt, bezieht sich Abbott auf die Gewohnheit eines Data Miners, Fragen zu stellen, und den unersättlichen Wunsch, ein Problem zu verstehen, bevor sie ein […] bauen.
