数据挖掘失败的原因都有哪些（四）

在上一篇文章中我们给大家介绍了两个数据挖掘失败的原因，具体是缺乏对常理的感觉以及缺乏迭代的能力，这两个原因是阻碍我们进行数据挖掘工作的石头。当然，关于数据挖掘失败的原因还有一个，那就是推广。很多人在推广过程中挖掘数据得到了失败的结果，那么到底是怎么回事呢？下面我们就为大家介绍一下这个原因。

推广怎么就成了数据挖掘失败的原因了呢？很多人表示丈二的和尚摸不到头脑，其实就是很多传统企业不同地域上的业务差异，不仅仅造成管理难度加大、体验不一致、系统过于复杂、运营成本高昂，也让模型的建设和推广异常困难。如果从模型本身的角度，不同地域的数据差异有时很大，在一个地方成功的模型，在另一个地方则完全失败，过拟合现象比比皆是。如果从业务理解的角度，建模团队要面对几个甚至十多个做类似业务的团队，各个团队的业务理解上的差异和对于建模的要求各不相同，造成了建模团队的无所适从。从而使得数据挖掘工作难以进展下去。

而数据挖掘中的模型推广，成为了建模团队巨大的负担，复制模型，往往变成了重做模型，搜集结果数据也难上加难，数据挖掘，已经不是一项纯粹的工作，我们在前面说的五点原因都是为了说明数据挖掘所以难，是综合多种因素的结果，可能不是靠建立一个平台，懂得一些算法，掌握一个工具就能简单解决的，往往具有更深层次的原因。这就需要我们在掌握好工具使用的同时，也要抬起头来，更全面的看待数据挖掘这个事情，因地制宜的制定适合自己企业特点的数据挖掘机制和流程。所以在大数据时代的到来之际，我们必须让平台，工具和算法也变得越加重要，这对数据建模师的知识结构也带来了新的冲击。但是新的挑战一般带来的是新的机遇。

说到这里我们就把数据挖掘失败的原因介绍完了，总结过来共有六个原因，分别是数据缺失的现象十分明显、对假数据进行认真的分析、数据的获取变得困难、缺乏对常理的感觉、缺乏迭代的能力、推广问题，我们只有解决了这些问题才能够让数据挖掘工作做得更加出色。