딘 애보트 (Dean Abbott)
"최고의 데이터 광부 중 일부는 Freakonomics 사고 방식 "이라고 Abbott Analytics의 사장이자 모델링, 데이터 마이닝 및 데이터 시각화 부문의 생각 리더 인 Dean Abbott이 말했습니다. 이 사람들은 재미있는 질문을하는 호기심 많은 데이터 털실입니다.
애보트는 JMP의 분석 전략 담당 수석 이사 인 앤 밀리 (Anne Milley)와 분석적 말하기 웹 캐스트.
저는 800 명이 넘는 시청자들과 함께 지켜 보았습니다. 그의 주요 요점은 다음과 같습니다.
"데이터 마이닝 프로젝트의 가장 중요한 부분은 문제를 명확하게 정의하는 것입니다." 비즈니스 목표가 데이터 마이닝 기술과 거의 일치하지 않기 때문에 분석 문제를 "해결하려는 문제의 프론트 엔드로 연결하는 것은 쉽지 않습니다. 첫 번째 단계? 문제를 캡슐화하는 대상 변수를 식별하십시오. "나는 벤치를 교체하려고하지 않는다!" 분석가가 "벤치에서"연구원을 대신 할 수 있다는 두려움은 근거가 없다. 데이터를 해석하기 위해서는 데이터에 대해 알 필요가 있습니다. 이는 도메인 전문가가 테이블에 가져다주는 가치입니다. 데이터 마이너로서 솔루션을 넘겨주는 것이 아닙니다. 오히려 전문가가 더 나은 결정을 내리는 데 사용할 수있는 작은 덩어리로 정보를 분할하고 있습니다. "어떤 단일 모델도 완전한 이야기를 말하지 않습니다." 그래서 앙상블 (모델 조합)이 효과가 있습니다. 각 모델은 서로 다른 관점을 제공하므로 데이터에 어떤 일이 벌어지고 있는지에 대한 폭 넓은 시각을 얻을 수 있습니다. "의사 결정 나무는 욕심이 많습니다." 그리고 당신이 "처음으로 돌아갈 수 없기 때문에 그들은 당신을 속일 수 있습니다."무작위적인 숲은 더 다양성을 통합하고 "그들이 내려가는 탐욕스러운 길에서 나무를 강타합니다." "요약은 데이터 정의를하지 않습니다. "그들은 도움이되지만 속일 수 있습니다. 따라서 항상 데이터를 시각화하십시오. "시간을 초월하는 것은 없습니다." 관리자는 애널리스트에게 데이터를 제공해야합니다. 집에서 운전할 때나 직장에서 대화 할 때 등등을 최소한으로 예상하면 문제 해결을위한 사고 프로세스가 실행됩니다. "당신이 [데이터]를 다 써버 렸을 때 말하는 규칙은 없습니다." 애보트는 그의 모델이 일관되게 행동한다면 그는 데이터로부터 많은 것을 얻는다는 것을 알고 있다고 말합니다. 그리고 때로는 프로젝트 완료까지 남은 시간을 기준으로 분석을 판단해야합니다. 반품이 줄어들 기 때문에 "계속하면 얼마나 많은 돈을 더 벌 수 있을까요?"라고 물으십시오.이것은 단지 대화의 표면을 긁는 것입니다. 주문형 웹 캐스트는 곧 제공 될 예정이므로 분석적으로 말하기 웹 사이트 그것을 전망하고, 추가로 사고 리더와 함께 곧 생방송 웹 캐스트를 보게됩니다.
데이터 광부들을위한 4 가지 인터뷰 질문 - Dice News는 다음과 같이 썼습니다 : ... 데이터 광부들을위한 4 가지 면접 질문 - 주사위 뉴스 쓴 :
스모 레슬링 대회는 범죄율에 맞선다. 그가 텍스트를 언급 할 때 Abbott은 질문을하는 데이터 광부의 습관과 문제를 이해하기를 원하는 사람들의 욕구를 언급하고 있습니다.
