400-878-3819
EN
EN

数据建模的步骤

文 | Smartbi大数据百科 2021-05-19 阅读次数：6187 次浏览

商业智能BI产品更多介绍：https://www.smartbi.com.cn/

商业智能BI产品更多介绍：点击前往

    数据建模的步骤（一）制订目标

    制订目标的前提是理解业务，明确要解决的商业现实问题是什么？

    如：在社交平台KOL中，存在假粉丝的情况，如何识别假粉就是一个要解决的现实问题。

    数据建模的步骤（二）数据理解与准备

    基于要解决的现实问题，理解和准备数据，一般需要解决以下问题：

    需要哪些数据指标（即特征提取）？（如：哪些指标能区别真粉和假粉？）

    数据指标的含义是什么？

    数据的质量如何？（如：是否存在缺失值？）

    数据能否满足需求？

    数据还需要如何加工？（如：转换数据指标，将类别型变量转化为0-1哑变量，或将连续型数据转化为有序变量）

    探索数据中的规律和模式，进而形成假设。

    需要注意的是，数据准备工作可能需要尝试多次。因为在复杂的大型数据中，较难发现数据中存在的模式，初步形成的假设可能会被很快推翻，这时一定要静心钻研，不断试错。

    数据建模后需要评估模型的效果，因此一般需要将数据分为训练集和测试集。

    数据建模的步骤（三）建立模型

    在准备好的数据基础上，建立数据模型，这种模型可能是机器学习模型，也可能不需要机器学习等高深的算法。选择什么样的模型，是根据要解决的问题（目标）确定的。

    当然可以选择两个或以上的模型对比，并适当调整参数，使模型效果不断优化。

    数据建模的步骤（四）模型评估

    模型效果的评估有两个方面：一是模型是否解决了需要解决的问题（是否还有没有注意和考虑到的潜在问题需要解决）；二是模型的精确性（误差率或者残差是否符合正态分布等）。

    如：在识别KOL假粉的问题中，需要评估的是：

    模型能否识别出假粉？

    识别的误差率是多少？粉丝识别误差率=（假粉误认为真粉的数量+真粉误认为假粉的数量）/总粉丝数

    数据建模的步骤（五）结果呈现

    结果呈现主要关注以下三个方面：

    模型解决了哪些问题？

    解决效果如何？

    如何解决问题？具体操作步骤是什么？

    数据建模的步骤（六）模型部署

    通过大量数据解决了一个或多个重要的现实问题，需要将方案落实下去，一般情况下需要通过线上技术环境部署落实，从而为后面不断优化模型、更好地解决问题打下基础。

    交由工程人员部署技术环境，需要数据建模团队撰写需求文档，并确保工程人员理解需求文档的内容，才能达到较好的模型部署效果。

申请试用 了解更多

文章目录

数据建模的步骤（一）制订目标 数据建模的步骤（二）数据理解与准备 数据建模的步骤（三）建立模型 数据建模的步骤（四）模型评估 数据建模的步骤（五）结果呈现 数据建模的步骤（六）模型部署
试用申请

更聪明的大数据分析软件，快速挖掘企业数据价值！

相关推荐

UI主题套用，模板免费下载

友情链接：

社区问答在线文档达观数据八爪鱼采集器

Copyright© 广州思迈特软件有限公司  粤ICP备11104361号

在线咨询

电话咨询

售前咨询
400-878-3819 转1

售后咨询
400-878-3819 转2
服务时间：工作日9:00-18:00

sales邮箱

商务咨询请联系邮箱

邮箱地址：sales@smartbi.com.cn

Demo体验