数据建模的基本流程

数据建模的基本流程主要包含六个步骤：确定分析目标、数据理解、数据准备、建立模型、模型评估、模型发布与应用。

数据建模是以业务为驱动，基于数据构建科学模型应用于实际中去解决问题的过程。这个过程并不以模型构建、或者模型落地就终止的，而是随着业务在不断地循环改进的。我参考了跨行业数据挖掘标准流程 CRISP-DM 和个人的一些拙见，对数据建模的六个环节进行整理，具体如下：

1.确定分析目标
一切分析的开始都是要基于明确的分析目标，不论何种业务场景，在分析前都需要了解好业务背景、业务需求，明确这次分析是为了解决什么业务问题，分析工作的最核心的需求是什么。如何理解业务需求可以做好以下两点：

与相关进行需求讨论，内容围绕业务逻辑、需求合理性、可行性等方面进行。

确定好分析需求后，指定分析框架和项目计划表。分析框架主要包括：目标变量的定义，大致的分析思路，数据抽样规则，潜在自变量的罗列，项目风险评估，大致的落地应用方案。

2.数据理解
数据理解阶段的重点是放在数据采集获取上。在工作中就是常说的“提数”，这个过程可以进行一系列的数据探索和熟悉，识别数据质量问题，发现数据的内部属性等，可以初步形成一些对数据的假设。

提数是数据建模的基础工作，也是影响模型输出结论的最重要的一步。如果源数据就错了，就不要想分析结果是对的。所以常常会有人说，数据分析工作其实是需要花大概80%的时间在数据上的。

在提数的过程中，需要注意：