数据探索之挖掘之前

刘庆 20060508

假期过去了。刚回到北京，处理一些杂事，和朋友小聚，也挺悠闲。可头脑似乎还没有清醒过来，昏昏沉沉的。

因此，也不想太耗费脑筋去深入思考，五一之前yoyo的这个问题，其实我在写完数据源分析的时候，就有打算，写写挖掘中的数据探索。可自己没有太多的实践，不好瞎喷，即便是同事完成了这个探索，也无法抽象出其中的思路。

上个月，同事给我一份数据探索报告，word格式的，19页，贴满密密麻麻的数字。看了第一、二页，在往下就有些范晕，硬着头皮再看三、四页，决定不再看下去。这不是一份非常理想的数据探索报告。

挖掘中的数据探索，我认为跟数据源分析这种探索一样都是分析的过程，因此仍然使用分析三步曲来衡量。这份19页的文档似乎是平铺直叙，而最后也没有得出什么结论，只是从不同的角度来统计出一些数据。如此，分析的第一步——目的，在这份数据探索中就是缺乏的。开始我以为使自己耐心不够，看不下去，后来还有几个人也表示看不下去，这才释然，原来不是自己懒惰啊，呵呵。后来，探索者又重新将这份文档整理成ppt，一方面条理、主次清晰一些，另一方面并给出结论性的东西——哪些数据范围是适合我们用来建模的。

多少，可以从这个数据探索报告中看到一些探索者的分析思路，大概有两条路线。首先是分析符合某种条件的特定用户群的在全体用户中的占比分布，以及趋势。第二条路线是通过锁定用户群分析趋势变化，所谓锁定，这似乎不是一个通用的术语，它的含义是指在某时间点符合某条件，区别于第一条路线，那是任何时间符合某条件的。

当然，我不知道这样的分析思路是否有重大意义，没有证明，但至少已经有思路了。

这份报告给出了建模数据的约束条件，撇开实践，谈心目中挖掘数据探索的目的，我认为应当还有辅助定义业务目标，例如什么叫做"客户流失"，是客户状态标志为离网就算流失，还是消费降低到某个标准就是流失？如果是后者，这个标准是多少？

另外的目的就是变量的选择，"变量"是数据挖掘中的术语，其实跟上个月大肆谈论的属性是很类似的。虽然，从业务经验上，可以给出一些"变量"，但那时大多都在业务层面，如何细化到物理层面？现有数据是否能够给出这个变量？这应当也是数据探索要给出的答案吧。譬如说考虑竞争对手模型的时候，从业务上期望能够将竞争对手的长途、漫游通话时长作为变量输入，但从现有数据上，恐怕不能支持，只能舍弃。

关于挖掘的数据探索，暂时只有这点水，以后再继续总结吧。

而yoyo的一个感慨，说搞数据挖掘模型的人很牛气，我也有这样的感觉。可能主要的原因是两者说得语言不大相通吧，挖掘模型的人多多少少偏向数学语言，跟平日里多接触的说计算机语言的还不大一样，跟说业务语言的可能更加不同了。

看，如果一项工作对外部是不透明的，是个黑盒子，那么拥有这个黑盒子的人就会牛气。挖掘模型对于软件设计、实现者会是如此；而软件设计者对业务使用者何尝也不是如此牛气呢？

微信扫一扫实时了解行业动态

微信扫一扫分享本文给好友