以我接触过的一点点市场营销的数据挖掘应用来说，把"模型"当黑盒子也许不算数据挖掘，但其实是有用的。做DM应用很重要的是ROI，如果真的是实干而
不是烧钱。如果一次分析的应用范围不大，仅仅是当前用一下就完事了，或者市场机会稍瞬即逝，也不必做什么深刻的挖掘。在数据集市维护一个特征库，每次建
模在重用原有数据基础上再补充一些新变量。通过数据集市的积累，快速构建分析数据集，随便建个足够有效的模型，快速部署应用，来做到减低成本。（这里
的"模型"仅指数据挖掘圈中所说的模型。）当然随着技术发展，成本可以降低--技术也有很大的进步空间，这是另话。

这个数据挖掘的黑盒子过程实际上包括了统计学的精华。最后的"模型"检验通过了，"模型"的有效性就是可信，可以应用。

要求解释"模型"的一方面，是要降低数据质量的风险，于是就找些与目标不相干的事抽查一下。另一方面是在应用人员控制不了分析流程的情况下，防止挖掘人
员作弊。这些都是"模型"数据输入的问题，不是"模型"自身的问题。

要理解"模型"是另一个问题，就是为了理解现实世界。有些应用场合，实在是无法解释"模型"的，也不是很要紧，例如在文本分类、机器视觉，"模型"很
炫，其中的数学完全让我看不懂，更不要说业务含义。商业的现实世界本身也很混乱，很难用数学解释。尽管如此，如果通过"数据挖掘"能发现一些深层的"知
识"也不错，这时如果仅服务于一个"模型"就有点可惜。在做大的"模型"的过程中，积累这些"微模型"（实质上更广义的模型概念），定期整理，好用的就
封装成可重用的知识构件，这比前面说的数据变量重用要高一个层次。在以后的建模在使用，象砌积木一样，可以以更低的成本搭建更好的"模型"（更佳的可理
解性和准确性）。其实计量经济、微观经济、市场科学的人早就在做这些工作，挖掘工人拿来套一下就可以了。

[@more@]

ITPub博客

关于数据挖掘工具的讨论(转)

最新文章