“Algunos de los mejores mineros de datos tienen una Freakonomics mentalidad ", dice Dean Abbott, presidente de Abbott Analytics y líder de pensamiento en las áreas de modelado, extracción de datos y visualización de datos. Estas personas son curiosas fuentes de datos que hacen las preguntas interesantes.
Abbott discutió esto y mucho más con Anne Milley, Directora Senior de Estrategia de Análisis en JMP, durante un Hablando analíticamente webcast
Miré junto con más de 800 espectadores. Éstos son algunos de sus puntos clave:
"La parte más importante de cualquier proyecto de minería de datos es definir el problema claramente". Y no es fácil "conectar la analítica a la parte frontal de los problemas que realmente quiere resolver" porque los objetivos comerciales casi nunca coinciden con las técnicas de extracción de datos. ¿El primer paso? Identifique las variables objetivo que encapsulan el problema. "¡No estoy tratando de reemplazar el banco!" El temor de que un analista pueda ocupar el lugar del investigador "en el banco" carece de fundamento. Debe interpretar algo sobre los datos para poder interpretarlos, y ese es el valor que los expertos en dominios aportan a la tabla. Como minero de datos, no estás entregando soluciones; más bien, está dividiendo la información en partes más pequeñas que los expertos pueden usar para tomar mejores decisiones. "Ningún modelo único cuenta la historia completa". Es por eso que los conjuntos (una combinación de modelos) funcionan. Cada modelo proporciona una perspectiva diferente, lo que le da una idea más amplia de lo que está pasando con sus datos. "Los árboles de decisión son codiciosos". Y pueden engañarlo porque "no puede volver al principio". Los bosques aleatorios incorporan más diversidad y "obligan a los árboles a salir del camino codicioso que descienden". “Los resúmenes no hacen justicia a los datos . "Son útiles, pero pueden ser engañosas. Así que siempre visualiza los datos. "No hay nada que supere la hora del reloj". Los gerentes deben dar tiempo a sus analistas con los datos. Cuando menos lo espere, por ejemplo, cuando maneje en su casa o tenga una conversación en el trabajo, algo activará su proceso de pensamiento para resolver un problema. "No hay una regla que diga cuándo has agotado [los datos]". Abbott dice que si sus modelos se comportan de manera constante, entonces él sabe que ha obtenido mucho de los datos. Y, a veces, debe juzgar su análisis según el tiempo que le queda para completar su proyecto. Hay rendimientos decrecientes, así que pregunte: "¿Cuánto valor o más dinero puedo aportar a la empresa si continúo?"Esto solo araña la superficie de la conversación. El webcast a pedido estará disponible pronto, así que verifique la Sitio web de habla analítica para verlo, así como las próximas transmisiones en vivo con líderes de opinión adicionales.
4 preguntas de la entrevista para mineros de datos - Noticias de dados escribió:
[â ¦] competiciones de lucha de sumo a las tasas de delincuencia. Cuando menciona ese texto, Abbott se refiere al hábito de un minero de datos de hacer preguntas y un deseo insaciable de entender un problema antes de que construyan un [â ¦]
