零零散散中触发了一些想法，数据为人服务，分几种程度和种类。数据收集与共享、公式计算、业务模型、训练数据模型、各种非结构化数据的应用等。
例如把难以共享的数据，通过数据链路和数据湖进行集成与共享，让更多的人可以直接使用数据；建立好计算模型，用计算机的自动计算替代人工，得出技术参数、管理指标等；把明确了的业务规则用数学表达出来，然后通过数据进行判断与决策；用大数据技术反复训练出可用的规则，用以自动判断和决策；通过图形和视频提升数据的使用效率和准确性。
这些场景依赖于我们业务上的标准和目标是什么，是否可以量化描述和计算，业务规则是否明确，采集和存储这些数据的质量如何。以这些标尺来衡量，可以得出很多应用的场景，可以解决眼前的一个个问题，然而这可能并不是全部。一直期待有一套指导如何使用数据的思想，也许机械工业出版社的美国人派尔的《业务建模与数据挖掘》有可能值得一读。
零零散散中触发了一些想法，数据为人服务，分几种程度和种类。数据收集与共享、公式计算、业务模型、训练数据模型、各种非...
数据挖掘的指导思想是以业务为核心，思路为重点，挖掘技术为辅助的。 一、常见数据分析类型 （1）用户特征分析 通过对...
反欺诈机器学习专家 城市：杭州、上海、北京、深圳 1、负责互联网行业各种业务场景下，数据特征分析与数据建模，挖掘欺...
关于举办 “大数据建模与分析挖掘应用”实战培训班的通知 一、课程简介 大数据建模与分析挖掘技术已经逐步地应用到...
关于举办 “大数据建模与分析挖掘应用”实战培训班的通知 一、课程简介 大数据建模与分析挖掘技术已经逐步地应用到...
Python数据分析与数据挖掘思路分为四大模块：数据获取、数据探索、数据预处理、挖掘建模
关于举办 “大数据建模与分析挖掘应用”实战培训班的通知 一、课程简介 大数据建模与分析挖掘技术已经逐步地应用到新兴...
我们知道，数据挖掘的基本流程包括：（1）业务理解、（2）数据理解、（3）数据准备、（4）数据预处理和建模、（5）模...
我们知道，数据挖掘的基本流程包括：（1）业务理解、（2）数据理解、（3）数据准备、（4）数据预处理和建模、（5）模...
1.数据获取 一般有以下四个手段：数据仓库检测与抓取填写、日志、埋点计算 2.探索性数据分析与可视化 （1）单因子...
本文标题：数据挖掘与业务建模的指导思想
本文链接：https://www.haomeiwen.com/subject/yyutiktx.html
网友评论