예측 분석을위한 데이터를 식별하는 방법 - 예측 분석 프로젝트를위한 더미

예측 분석 프로젝트의 경우 적절한 데이터 소스를 확인하고 해당 소스의 데이터를 풀어 놓아야합니다 구조화되고 체계적인 형식으로 제공됩니다. 이러한 작업은 매우 어려울 수 있으며 조직 전체의 서로 다른 데이터 책임자간에 신중하게 조정해야합니다.

분석 할 변수도 선택해야합니다. 이 프로세스는 데이터 제약, 프로젝트 제약 및 비즈니스 목표를 고려해야합니다.

선택한 변수는 예측력을 가져야합니다. 또한 예산 및 기간 내에서 프로젝트에 가치 있고 실현 가능한 변수를 고려해야합니다. 예를 들어, 범죄 수사에서 은행 거래를 분석하는 경우 관련된 모든 당사자의 전화 기록은 분석과 관련있을 수 있지만 분석가는 액세스 할 수 없습니다.

프로젝트의이 단계에서 상당한 시간을 할애 할 것으로 예상됩니다. 데이터 수집, 데이터 분석 및 데이터 컨텐츠, 품질 및 구조를 처리하는 프로세스는 시간 소모적 인 작업 목록을 추가 할 수 있습니다.

데이터 식별 과정에서 데이터와 그 속성을 이해하는 데 도움이됩니다. 이 지식은 모델 작성에 사용할 알고리즘을 선택하는 데 도움이됩니다. 예를 들어, 시계열 데이터는 회귀 알고리즘으로 분석 할 수 있습니다. 분류 알고리즘을 사용하여 개별 데이터를 분석 할 수 있습니다.

변수 선택은 데이터를 얼마나 잘 이해하는지에 따라 달라집니다. 최소한 처음에는 수백 가지 변수를보고 평가해야한다면 놀라지 마십시오. 다행히도 이러한 변수로 작업하고 핵심 통찰력을 얻기 시작하면 몇 가지로 좁혀갑니다. 또한 프로젝트 전반에 걸쳐 데이터 변경 사항을 이해함에 따라 변수 선택이 변경 될 것으로 기대하십시오.

당신이 아는 것을 추적하고, 모르는 것을 추적하고, 누락 된 부분을 추적하는 데 사용할 수있는 데이터 목록을 작성하는 것이 유익 할 수 있습니다. 데이터 목록에는 다양한 데이터 요소 목록과 프로세스의 후속 단계에서 관련된 모든 특성이 포함되어야합니다.

예를 들어 특정 기간 동안 우편 번호가 누락되었거나 누락 된 레코드가 있는지 여부를 문서화 할 수 있습니다.

비즈니스 지식을 가진 사람들 ( 도메인 지식 전문가 라고도 함)은 프로젝트 결과에 긍정적 인 영향을 미칠 수있는 주요 변수를 선택하는 데 도움을줍니다. 그들은 당신에게이 변수의 중요성뿐만 아니라 어디서 어떻게 얻을 수 있는지, 다른 가치있는 의견들 사이에서 당신을 설명하는 것을 도울 수 있습니다.