crisp-dm (cross-industry standard process for data mining)，即跨行業資料挖掘标準流程，描述了資料挖掘的生命周期，是迄今為止最流行的資料挖掘流程，更多crisp-dm的應用示例請看《crisp-dm, still the top methodology for analytics, data mining, or data science projects》這篇文章。
之是以許多資料分析人員使用crisp-dm，因為他們需要的是一種可重複使用的分析方法。然而，如何在日常工作中使用crisp-dm方法時，仍存在一些問題。排名前四的4個問題分别是對業務需求缺乏認知，盲目的返工，盲目的部署和無法形成疊代。決策模組化和決策管理可以解決這些問題，使crisp-dm流程的價值最大化，并確定模型分析的有效性。
完整的crisp-dm資料挖掘流程的各個階段如圖1所示。下面介紹每個階段所要完成的任務。
基于crisp-dm的完整資料挖掘流程圖
圖1 基于crisp-dm的完整資料挖掘流程圖
1.業務了解階段(business understanding)：集中在了解項目目标和從業務的角度了解需求，定義資料挖掘問題和完成目标的初步計劃;
2.資料了解階段(data understanding)：從初始的資料收集開始，通過一些活動的處理，目的是熟悉資料，發現資料的内部屬性，或是探測引起興趣的子集去形成隐含資訊的假設;
3.資料準備階段(data preparation)：資料準備階段包括從未處理的資料中構造最終資料集的所有活動。這些資料将是模組化階段的輸入值，任務包括屬性的選擇、資料表、記錄的抽取，以及将資料轉換為模型工具所需的格式和清洗資料;
4.模組化階段(modeling)：可以選擇和應用不同的模型技術，模型參數被調整到最佳的數值。有些技術在資料格式上有特殊要求，是以需要經常跳回到資料準備階段;
5.評估階段(evaluation)：經過模組化階段後，已建立了一個高品質的決策模型，但在開始最後部署模型之前，重要的事情是徹底地評估模型，檢查構造模型的步驟，確定模型可以完成業務目标。這個階段的關鍵目的是确定是否有重要業務問題沒有被充分的考慮，評估模型是否有達到最初設定的目标;
6.部署階段(deploying)：根據使用者需求，實作一個重複的、複雜的資料挖掘過程。
最外面這一圈表示資料挖掘自身的循環本質，每一個解決方案部署之後代表另一個資料挖掘的過程也已經開始了，需要在運作過程中不斷疊代、更新模型。
crisp-dm是一個偉大的架構，它可以讓項目組聚焦于挖掘真正的商業價值上。crisp-dm路程已經存在有很長時間了，許多使用crisp-dm流程的項目常常會走捷徑，這些捷徑中的有一些是有意義的，但捷徑往往會導緻項目使用不完整的流程，如圖2所示。
典型的不完整crisp-dm
圖2 典型的不完整crisp-dm
這種不完整的crisp-dm流程存在四個問題，具體包括：
1.業務目标不清晰
不能一開始就陷入細節，應該真正去了解業務問題以及明确一個模型可以發揮什麼作用，确定項目團隊的業務目标和提出衡量項目成功的名額。“了解”了業務目标，團隊想把工作負擔最小化，就跳入項目的最有趣的部分–分析資料，但這樣做隻産出有趣的模型，而不能滿足真正的商業需要。
2.盲目地返工
一些分析團隊隻用分析術語來評估他們的模型，認為如果模型隻要做到可預測，那麼它就是一個好的模型。大多數人通常可以意識到模型是有問題的，就會嘗試檢查他們的模型是否符合業務目标。但如果缺乏對商業問題的充分認識，這樣的檢查往往是非常困難的。如果他們開發的模型不符合業務需求，此時團隊幾乎沒得選擇，此時大多數人是在嘗試找到新資料或新的模組化技術，而不是與他們的業務合作夥伴一起重新評估業務問題。
3.盲目地部署
一些分析團隊根本不考慮他們模型的部署和操作的易用性。做得好些的團隊可以認識到他們建構的模型必将處理實時資料，資料通常存儲在資料庫中，或嵌在式作業系統中。即使是這樣的團隊通常也沒有參與到部署工作中，不清楚模型是如何部署的，并不把部署當做分析工作的一部分，結果就是模型直接丢給it團隊去部署，模型是否容易部署、以及在生産環境是否可用都是别人的問題。這增加了模型部署的時間和成本，并産生了大量從未對業務産生影響模型。
4.無法形成疊代
分析專家了解模型的生命周期，為了保證模型的可用性，需要對模型保持更新。他們知道随着商業環境變化，模型的價值會改變，驅動模型的資料模式可能會改變。但他們認為這是另一個時間點的問題。由于他們缺少對業務問題的足夠認識，往往難以确定如何評估模型的表現，相比模型建立階段，他們在模型疊代、修改上的投入更少。畢竟解決另一個新問題更有趣。這使得老的模型不受監控和保護，進而破壞了模型的長期價值。
以上任一問題都可能使建構出來的模型毫無商業價值，真正需要利用分析的組織，特别是資料挖掘、預測和機器學習等更進階的分析，必須避免這些問題。
解決這些問題需要明确、清晰地關注決策，圍繞着決策展開，包括需要改善的決策方法，改善意味着什麼，做能實際改善決策的分析模型，設計可以輔助決策的系統，還需要明确在怎樣的外部環境下需要重新評估模型。
本文轉自d1net（轉載）