"Alcuni dei migliori minatori di dati hanno un Freakonomics mentalità ", afferma Dean Abbott, presidente di Abbott Analytics e leader di pensiero nelle aree della modellazione, del data mining e della visualizzazione dei dati. Queste persone sono curiosi informatori di dati che fanno domande interessanti.
Abbott ha discusso questo e molto di più con Anne Milley, Senior Director di Analytics Strategy presso JMP, durante un Parlando analiticamente webcast.
Ho guardato insieme a più di 800 spettatori. Ecco alcuni dei suoi punti chiave:
"La parte più importante di qualsiasi progetto di data mining sta definendo chiaramente il problema." E non è facile "collegare l'analisi al front end dei problemi che si vogliono veramente risolvere" perché gli obiettivi di business non corrispondono quasi mai alle tecniche di data mining. Il primo passo? Identificare le variabili target che incapsulano il problema. "Non sto cercando di sostituire la panchina!" La paura che un analista possa prendere il posto del ricercatore "in panchina" è infondata. Devi conoscere qualcosa sui dati per interpretarlo - e questo è il valore che gli esperti di dominio portano in tavola. Come minatore di dati, non stai consegnando soluzioni; piuttosto, stai infrangendo le informazioni in blocchi più piccoli che gli esperti possono utilizzare per prendere decisioni migliori. "Nessun singolo modello racconta la storia completa". Ecco perché gli ensemble (una combinazione di modelli) funzionano. Ogni modello offre una prospettiva diversa, dandoti un senso più ampio di ciò che sta accadendo con i tuoi dati. "Gli alberi decisionali sono golosi." E possono ingannarti perché "non puoi tornare all'inizio". Le foreste casuali incorporano più diversità e "costringono gli alberi fuori dal sentiero goloso che vanno giù". "I riassunti non rendono giustizia ai dati . "Sono utili, ma possono essere ingannevoli. Quindi visualizza sempre i dati. "Non c'è niente che batte il tempo dell'orologio." I manager dovrebbero dare ai loro analisti il tempo necessario per i dati. Quando meno te lo aspetti - diciamo quando stai guidando verso casa o hai una conversazione al lavoro - qualcosa attiverà la tua riflessione per risolvere un problema. "Non esiste una regola che dice quando hai esaurito [i dati]." Abbott dice che se i suoi modelli si comportano in modo coerente, allora sa di essere diventato molto dai dati. E a volte devi giudicare la tua analisi in base a quanto tempo ti rimane per completare il tuo progetto. Ci sono rendimenti decrescenti, quindi chiedi: "Quanto valore o più soldi posso portare all'azienda se continuo?"Questo graffia solo la superficie della conversazione. Il webcast on-demand sarà presto disponibile, quindi controlla il Sito web analiticamente parlando per vederlo, così come i prossimi webcast live con leader di pensiero aggiuntivi.
4 domande di intervista per i data miners: novità sui dadi ha scritto:
[? |] competizioni sumo-wrestling ai tassi di criminalità. Quando menziona quel testo, Abbott si riferisce all'abitudine di un minatore di dati di fare domande e desiderio insaziabile di comprendere un problema prima di costruire un [â |]
