数据挖掘失败的原因都有哪些（二）

在上一篇文章中我们给大家介绍了数据挖掘失败的两个原因，具体就是假数据真分析以及数据缺失十分严重，这些原因都能够导致我们的数据挖掘工作的失败，那么数据挖掘失败的原因还有哪些呢？下面我们就给大家介绍一下。

前面讲到了数据挖掘工作失败的两个原因，下面我们就给大家说一下数据挖掘失败的第三个原因，那就是数据获取太难了，就目前而言，很多的大量的促销政策时时轰炸眼球，大家看得是热闹，但对于数据挖掘人员来讲，却是业务理解和数据准备的噩梦了，这是因为业务的理解很困难，数据完全被业务扭曲，如果要预测准确，不仅自身业务促销的因素要考虑进去，还要考虑竞争对手策反政策、地域影响等等，你训练时看到的是一个简单的离网结果数据，但诱导因素异常复杂，这类因素相关的数据根本取不到或者难以量化。正是这几个因素，使得数据的挖掘十分困难，这也就使得后续的数据分析工作渐渐偏离了正轨。

数据挖掘，难就难在要为预测的业务提供跟这个业务相关的数据环境，所以有时候数据挖掘工作没做好并不是模型师的错，也不是算法的问题，而是业务惹的祸，是数据问题。而数据挖掘师特别强调要理解业务，就是希望你基于业务的理解能找到所需的解释数据，外来的和尚所以做不好，也是这个因素，因为打一枪换一个地方的方式，就违背了理解业务的建模文化，从而对数据分析工作有很大的影响。而在数据准备工作中，不确定性总是存在，因此一定程度上讲，这个世界是不可预测的，预测的能力，跟我们采集数据的能力成一定的正相关关系。当然，我们还需要理解大数据的意义，大数据的意义就在于可以采集到更多的数据，这个决定了我们用机器解释世界的可能程度。用机器学习去解释世界的事情，那就能够加快理解世界的速度，进而推动文明的发展以及人类的进步。

在这篇文章中我们给大家介绍了数据挖掘失败的原因其中的一种，那就是数据的获取变得困难以及数据的环境的提供，解决了这些问题才能够让数据挖掘工作做得更出色，为后续的工作奠定坚实的基础。