数据挖掘和分析并不是万能的

数据挖掘是其收益已经被证明在不同的领域，企业，政府和非营利组织之间的重要工具。其应用领域不断扩大，特别是考虑到收集和整理数据的不断缩小成本。然而，也有针对数据挖掘是完全不适合作为解决问题。

要理解当数据挖掘是不适用的，这将是准确界定时，它有帮助的是适用的。数据挖掘（统计推断，预测分析等）需要存储在足量，质量和相关机器的格式，以便能预测模型的结构，其有助于现实世界的决策数据。我们大部分的时间数据矿工花费担心在数据的质量，并将数据转化为模型的过程中，但它实现了数据挖掘的通常上下文是很重要的。大多数组织可以进行基本的决策胜任，他们已经几千年来一直是这样。是否基座决策过程是人的判断，一组简单的规则或电子表格中，很多的性能潜力已经实现了数据挖掘应用之前。顾问“尽管市场营销，数据挖掘通常栖息的性能，它试图把一个额外的保证金”边缘“。因此，如果上述两个段落描述了有利条件，以数据挖掘成功，什么样的现实情况违抗数据挖掘？最明显的是拥有数据太小，太窄，太嘈杂太少有关的或允许有效的建模问题。它没有保持良好的记录，仍然依靠非计算机程序和那些太少历史就是很好的例子组织。即使在其中收集非常大的组织和存储的巨大数据库，有可能是没有相关数据手头的问题（例如，当正在打开一个新的商业线，还是新产品推出）。令人惊讶的是商务人士多久期望从一个局面中获取价值时，他们都未能投资于适当的数据收集。以最小的数据挖掘潜在的另一个大领域是组织的基本业务流程，以便从根本上打破了通常的决策程序有未能做到一贯的“重任”。我们任何人都可以很容易地回忆起在零售场所，其操作是如此有缺陷的，很明显，利润潜力几乎没有被利用的经验。数据挖掘不能微调这是迄今为止消失的过程。定量分析再多将修复unkept货架，提供的产品或弱的员工行为较差。

转载请注明：数据分析 » 数据挖掘和分析并不是万能的