數據挖掘建模的標準流程，同時亦稱為跨產業數據挖掘標準作業程序，數據挖掘主要分為商業定義、數據理解、數據預處理、建立模型、實施六步，各步驟的敘述說明如下：
1.定義商業問題，數據挖掘的中心價值主要在於商業問題上，所以初步階段必須對組織的問題與需求深入瞭解，經過不斷與組織討論與確認之後，擬訂一個詳盡且可達成的方案。
2.數據理解，定義所需要的數據，收集完整數據，並對收集的數據做初步分析，包括識別數據的質量問題、對數據做基本觀察、除去噪聲或不完整的數據，可提升數據預處理的效率，接著設立假設前提。
3.數據預處理，因為數據源不同，常會有格式不一致等問題。因此在建立模型之前必須進行多次的檢查修正，以確保數據完整並得到淨化。
4.建立模型，根據數據形式，選擇最適合的數據挖掘技術並利用不同的數據進行模型測試，以優化預測模型，模型愈精準，有效性及可靠度愈高，對決策者做出正確的決策愈有利。
5.評價和理解，在測試中得到的結果，只對該數據有意義。實際應用中，使用不同的數據集其準確度便會有所差異 ，因此，此步驟最重要的目的便是瞭解是否有尚未被考慮到的商業問題盲點。
6.實施，數據挖掘流程通過良性循環，最後將整合過後的模型應用於商業，但模型的完成並非代表整個項目完成，知識的獲得也可以通過組織化、自動化等機制進行預測應用，該階段包含部署計劃、監督、維護、傳承與最後的報告結果，形成整個工作循環。
分享到:
閱讀更多 多智時代 的文章
