避免了这两件事，你的数据挖掘更容易成功

在数据挖掘中，我们需要注意很多的细节，这样才能使得我们在学习或进行数据挖掘工作时大大提高我们的工作效率和成就感，那么具体都包括哪些内容呢？我们知道，数据挖掘需要注意的细节非常多，在这篇文章中我们就给大家着重介绍两个经常犯的错误，希望大家能够引以为戒。

1.缺乏对于常理的感觉

在社交网络中有一个案例，那就是很多场景中两个对话的交往圈是有一定的重合度的，这样能够识别两个手机号码是否是同一个人的，这个方法看起来很简单，但是却并没有什么用，后来经过相关技术的发展发现判定重合度的阈值是30%，当然，这个也不能说明有问题，但问题出在对于基数的判定上，大量的用户总的交往圈只有3-4个，也就是说，重合1个就可能达到这个阈值，很多新手或者技术控在进行分析数据过程中，往往忽视业务本质的认识。由此可得，数据挖掘不仅仅是一门挖掘语言，还要有足够的生活认知和数据感觉，这个很难短期能够提升，依赖于长期实践，有时候甚至要求人们对数据的敏感程度要求，有些人就是有感觉，一眼能发现问题。不管是数据挖掘还是数据分析都是需要培养对数据敏感的能力，只要我们看到数据就能够靠直觉及时的发展出来。这样就能够加快数据挖掘能力的培养。

2.缺乏迭代的能力

在传统企业中，如果数据挖掘的效果不尽人意，那么一定和企业的组织、机制、流程等相关，不管是什么业务，很多数据挖掘模型就是由于线下流程的原因而被放弃了，做数据分析行业的人都知道，数据挖掘靠的是迭代，很难第一次就成功，这就需要我们不断的尝试，不断的改进以及优化，这样才能够使得数据挖掘的成功案例变多，而传统企业冗长的线下流程，的确成为了模型优化的大杀器，互联网公司天生的在线性让其算法发挥出巨大的价值，而传统企业的建模，往往还在为获得反馈数据而努力，组织、系统和运营上的差距很大。

在这篇文章中我们给大家介绍了数据挖掘失败的原因中普遍性比较高的两条，第一是缺乏对常理的感觉，第二是缺乏迭代的能力，这两条都是我们平时要多加留意和克服的困难，希望大家能够认真对待，让自己在各类场合中表现得更加出色。