Data Mining의 9 가지 법칙 - 인형

모든 직업에는 일상적인 업무에서 구조와 지침을 제공하는 지침 원칙이 있습니다. 데이터 마이닝도 예외는 아닙니다. 다음은 업무에 종사하고 데이터 마이너가되는 과정에서 여러분을 안내하는 9 가지 기본 아이디어입니다. 이들은 선구적인 데이터 광부 인 Thomas Khabaza가 원래 밝혔던 9 가지 데이터 마이닝 법칙입니다.

1 차 법: 비즈니스 목표

데이터 마이닝의 첫 번째 법칙 또는 "비즈니스 목표 법"이 있습니다. 비즈니스 목표는 모든 데이터 마이닝 솔루션의 근원입니다.

데이터를 탐색하여 비즈니스 운영에 도움이되는 정보를 찾습니다. 이것이 모든 비즈니스 데이터 분석의 진언이 아니어야합니까? 물론 그렇게해야합니다! 그러나 초보 데이터 광부는 종종 기술 및 기타 세부 사항에 중점을 두는 경우가 있습니다. 이는 흥미롭지 만 경영진 의사 결정권자의 필요와 목표에 부합하지 않을 수 있습니다.

다른 일을하기 전에 비즈니스 목표를 식별하는 습관을 개발해야하며 데이터 마이닝 프로세스의 모든 단계에서 이러한 목표에 중점을 두어야합니다. 이 법이 중요하다는 것은 중요합니다. 모든 사람들은 데이터 마이닝이 목적을 가진 프로세스라는 것을 이해해야합니다.

데이터 마이닝의 제 2 법칙 또는 "비즈니스 지식 법": 999 비즈니스 지식은 데이터 마이닝 프로세스의 모든 단계에서 핵심입니다.

데이터 마이닝은 비즈니스 지식, 경험 및 통찰력을 활용하고 데이터 마이닝 방법을 사용하여 데이터의 의미를 찾는 사람들 (기업인)에게 힘을줍니다. 데이터 마이닝을 수행하는 데있어 탁월한 통계 전문가 일 필요는 없지만 데이터가 의미하는 것과 비즈니스가 어떻게 작동하는지에 대해 알 필요가 있습니다. 데이터 마이닝 프로세스를 통해 유용한 데이터와 문제를 이해해야만 유용한 정보를 찾아서 사용할 수 있습니다.

데이터 마이닝의 제 3 법칙 또는 "데이터 준비법"이 있습니다.

데이터 준비는 모든 데이터 마이닝 프로세스의 절반 이상입니다.

전통적인 통계 학자들은 특정 연구 문제를 해결하기 위해 새로운 데이터를 수집 할 수있는 기회를 종종 가지고 있습니다. 그들은 실험을 계획하고 설문 조사 설문지를 디자인하거나 특정 연구 목표에 잘 부합하는 고품질 데이터를 수집하기 위해 엄격한 프로세스를 사용할 수 있습니다. 그러나 결국, 그들은 분석을 위해 데이터를 정리하고 준비하는데 많은 시간을 소비합니다.

반면 데이터 마이너는 거의 모든 데이터를 사용할 수 있어야합니다. 기존 비즈니스 기록, 공개 데이터 또는 구매할 수있는 데이터를 사용합니다.데이터 마이닝 이외의 다른 목적을 위해, 그리고 엄격한 계획이나 신중한 데이터 수집 프로세스없이 모든 데이터가 수집 될 가능성이 있습니다. 따라서 데이터 광부는 데이터 준비에 많은 시간을 소비합니다. 네 번째 법칙: 올바른 모델

네 번째 데이터 마이닝 법칙 또는 "NFL-DM"은 다음과 같습니다.

주어진 응용 프로그램의 올바른 모델은 실험을 통해서만 발견 할 수 있습니다.

이 법률은 데이터 마이너를위한 무료 점심이 없음을 의미하는 속기 NFL-DM으로도 알려져 있습니다.

첫째, 모델이란 무엇입니까? 이것은 데이터에서 관찰되는 패턴을 나타내는 방정식입니다. 적어도 그것은 거친 방식으로 패턴을 나타냅니다. 실제 물건의 수학적 모델은 완벽하지 않습니다! 이것은 생명의 사실이며 핵 물리학 자들에게는 데이터 광부와 마찬가지입니다. 데이터 마이닝에서 모델은 시행 착오를 통해 선택됩니다. 다양한 모델 유형을 시험해 볼 것입니다.

5 법칙: 패턴

데이터 마이닝의 5 법칙은 다음과 같습니다.

항상 패턴이 있습니다.

데이터 마이너로서 유용한 패턴을 찾아 데이터를 탐색합니다. 즉, 데이터에서 변수 간의 의미있는 관계를 찾을 수 있습니다. 이러한 관계를 이해하면 비즈니스에 대한 더 나은 이해와 향후 발생할 일에 대한 더 나은 예측을 제공합니다. 무엇보다 중요한 것은 데이터의 패턴을 이해하면 미래에 발생할 일에 영향을 줄 수 있다는 것입니다.

당신은 항상 패턴을 찾습니다. 데이터에는 항상 당신에게 말할 내용이 있습니다. 때때로, 그것은 당신이 한 일이 옳았다는 것을 확인합니다. 그것은 흥미 로울 것 같지 않지만, 적어도 그것은 당신이 올바른 길을 가고 있다는 것을 알려줍니다. 다른 날에는 데이터가 현재 비즈니스 관행이 작동하지 않는다고 말할 수 있습니다. 흥분되는 일이며 단기적으로는 즐겁지는 않을지라도 진실을 아는 것은 개선을위한 중요한 단계입니다. 제 6 법칙: 증폭

데이터 마이닝 법칙 또는 "통찰력 법"이 있습니다.

데이터 마이닝은 비즈니스 영역에서 지각을 증폭시킵니다.

데이터 마이닝 (data-mining) 방법을 사용하면 비즈니스없이 비즈니스를 이해할 수 있습니다. 데이터 마이닝 방법은 돋보기 나 현미경을 사용하여 일반적인보고를 통해 탐지하기 어렵거나 불가능한 효과를 발견 할 수 있습니다.

데이터 마이닝이 순간적이지 않습니다. 데이터 마이닝을 통한 발견 및 학습은 대화식 프로세스입니다. 발견을하고, 각자에게서 조금씩 찾아 내고, 발견 한 것을 사용하여 행동을 취할 것입니다. 시도하는 각 작업의 결과로 더 많은 데이터가 생성되고 그 데이터를 통해 더 많은 것을 이해할 수 있습니다. 그것은 발견의 사이클이며, 탐험과 실험을 계속하는 한 계속됩니다.

7 법칙: 예측

데이터 마이닝 또는 예측 법칙의 제 7 법칙은 다음과 같습니다. 예측은 일반화를 통해 정보를 지역적으로 증가시킵니다.

데이터 마이닝을 사용하면 알고있는 것을 사용하여 모르는 내용을 더 정확하게 예측 (또는 예측) 할 수 있습니다. 데이터 마이닝은 데이터 및 모델링 방법을 사용하여 비공식적 인 기대치를 데이터 중심의 일관성 있고 정확한 예측으로 대체합니다.

제 8 법칙: 가치

데이터 마이닝 결과의 가치는 예측 모델의 정확도 또는 안정성에 의해 결정되지 않습니다. 데이터 광부는 이론에 뒤집어 쓰지 않습니다. 데이터 마이너로서 사용하는 통계 모델의 이론을 알지 못할 수도 있습니다. 아마도 데이터 마이닝에서는 반드시 그 모델을 사용하는 이론을 뒷받침하지 않는 방식으로 이러한 모델을 사용하게 될 것입니다.

올바른 예측을내는 모델을 찾게됩니다 (통계 이론이 아닌 테스트를 사용하여 판단합니다). 그러나 모델이 비즈니스에 합당한 지, 예기치 못한 예측 요소에 대해 알려주는지, 직장에서 사용하기에 실용적인 모델인지 등의 다른 문제에 더욱 관심을 가질 수 있습니다.