本文详细介绍了数据挖掘的六个核心步骤，包括商业理解、数据理解、数据准备、模型建立、模型评估和上线发布，旨在帮助企业更好地运用数据支持业务决策。同时，文章推荐了多本数据科学领域的书籍，涵盖Python数据分析、Pentaho Kettle ETL解决方案、精益数据分析、Tableau数据可视化等，为读者提供深入学习资源。
数据挖掘的过程可以分成以下 6 个步骤。
商业理解：数据挖掘不是我们的目的，我们的目的是更好地帮助业务决策；所以的从实际商业需求出发，在这个基础上，再对数据挖掘的目标进行定义。
数据理解：尝试收集部分数据，然后对数据进行探索，包括数据描述、数据质量验证等。这有助于你对收集的数据有个初步的认知。
数据准备：开始收集数据，并对数据进行清洗、数据集成等操作
模型建立：选择和应用各种数据挖掘模型，并进行优化，以便得到更好的分类结果。
模型评估：对模型进行评价，并检查构建模型的每个步骤，确认模型是否实现了预定的商业目标。
上线发布：模型的作用是从数据中找到金矿，也就是我们所说的“知识”；数据挖掘结果如果是日常运营的一部分，那么后续的监控和维护就会变得重要。
《利用Python进行数据分析》（使用Python的人可以看看）
《Pentaho Kettle解决方案》（ETL工程师会用到）
《精益数据分析》（商业模式画布，如何构建数据指标体系）
《Tableau数据可视化实战》
《看穿一切数字的统计学》
《写给所有人的极简统计学》
绘图工具：幕布类似与石墨文档，在其基础上增加了一键生成思维导图
xmind需要下载，功能上和process on类似，不过process on有在线版，不需要下载；
有道云笔记，博客等都可以记录笔记进行分享
扫一扫
953
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
