freshidea——Fotolia
构建预测分析模型需要团队的努力
预测建模不应该是一个单独的活动。希望从数据科学家那里获得最大收益的企业应该确保他们正在合作建立分析模型。
完成预测分析模型的工作不会停止一旦代码写入。为了保证预测建模努力提供准确和有意义的结果，分析管理人员表示，继续继续测试分析模型并重新加工它们，直到它们完全可靠 - 并避免在孤立中拥有型号的个人数据分析师。
“我们推翻了我们的假设和结果，”他说Eric Haller.，Experian DataLabs执行副总裁。“到底，我们想要获得最好的答案。”
DataLabs是Experian PLC内的业务单位，主要是为了其信用评级服务而闻名。Haller的集团为公司的另一武器以及外部客户提供数据分析应用程序。团队数据科学家和预测性建模在DataLabs操作中，通常对信用风险建模工作，有针对性的营销活动和Web数据分析。哈勒说，与他过去曾经工作过的地方不同，他的小组采取了一种以努力为中心的方法来解决这些问题。
例如，与其为了减少开销或加速开发而尽量减少项目中涉及的人员数量，DataLabs让尽可能多的分析师参与进来。这个想法是，不像其他商业环境，开发预测模型从不同的角度获益。Haller说，一个分析师可能会开发一个模型，但另一个分析师可能会问，为什么要包含或排除某些变量，并补充说，每个分析师都必须能够为他们在开发过程中做出的决定辩护。
“当目标是建立你所能建立的最好的模型时，你最好尽可能地让房间里最聪明的人参与进来，”Haller说。
预测建模团队的大小限制
当目标建立最佳型号时，您可以更好地在房间里获得最聪明的思维。 Eric Haller.执行副总裁，Experian DataLabs
所说的比做得更容易。HALLER承认，公司之间正在进行巨大的人才大战雇佣数据科学家。如果能找到这些员工的话，他们的薪水也不便宜，所以让多个聪明的人呆在一个房间里往往是一个挑战。
但Haller表示，能够为构建模型营造良好环境的一些东西——协作、智力挑战、让分析师能够从事多种不同类型的项目——往往都是这类东西数据科学家在工作环境中寻找。因此，为发展提供了强有力的条件预测分析模型也可以解决一些招聘和保留的挑战。
总部位于纽约的在线媒体公司Upworthy的数据分析师采取了类似的团队方法，以确保其分析模型的质量和可靠性。在2015年的演讲大数据创新峰会在波士顿，丹尼尔梅内茨他说，他会让分析师口头向他描述一个真实的情景，在任何东西投入生产之前，这些情景可以解释他们的模型的发现。他说，这迫使分析师们思考媒体消费者的行为，而不是简单地埋头苦干，做出算法。它还可以帮助分析团队在公司的任何人对错误信息采取行动之前发现潜在的错误。
质疑预测分析模型
例如，Mintz的团队最近分析了一些数据，以了解页面加载时间如何影响读者参与，这是根据在页面上花费的时间，滚动和其他因素所花费的时间尺度的度量。他们假设当页面需要很长时间才能加载时，人们会在阅读他们点击的文章之前沮丧并离开网站。然而，他们发现的是长页加载时间实际相关高的参与。
团队已经准备好放弃他们使用的预测分析模型，假设它或它生成的数据有问题。但当他们坐下来解释如何解释结果时，他们意识到，当一个页面需要很长时间加载时，人们可能真的很关心这个主题，这就是为什么他们比其他场景更关注内容的原因。这个模型被证明是一个有用的指标，可以预测读者对内容的投入程度。
“如果你对现实世界中的事物有一个[心理]模型，你就会发现什么时候事情不合理，”明茨说。
Ed Burns是SearchBusinessAnal华体会体育官网-意甲赞助商ytics的网站编辑器。给他发电子邮件[电子邮件受保护]在推特上关注他：@EdBurnsTT。
