分析建模是科学和艺术

先进的分析不会在没有模型的情况下产生一盎司的业务洞察力 - 统计和机器学习算法梳理数据的模式和关系并将其表达为数学方程。该算法往往是非常复杂的 - 数学家和统计学家（认为数据科学家）需要创建它们，然后调整模型以更好地适应不断变化的业务需求和条件。

但是分析模型并不是一个完全定量的左脑努力。这当然是一门科学，但也是一门艺术。

建模的艺术包括为特定的业务问题选择正确的数据集、算法和变量，以及格式化数据的正确技术。但除了建模机制，还有更多的东西。如果企业不了解其结果，任何模式都不会有任何好处。将结果传达给管理人员，以便他们理解模型发现了什么以及如何发现可以使业务受益这是关键但具有挑战性的——这是整个分析建模过程中的“最后一英里”，通常也是最危险的。但是，如果没有这种理解，业务经理可能不愿意使用分析结果来做出关键的业务决策。

通过基本上通过数据点绘制一行来估计分析模型或分类数据值。当应用于新数据或记录时，模型可以根据历史模式预测结果。但并非所有模型都是透明的，有些是彻头彻尾的不透明。这对执行的问题，谁经常不信任模型，直到他们看到基于模拟的洞察的决策的积极结果 - 例如，运营成本下降或收入上升。对于分析工作，建模者需要构建反映业务经理对业务现实的看法的模型 - 他们需要明确这些联系。

他们还应该对他们科学和艺术劳动力的可能果实逼真。虽然一些模型对业务数据进行了新的观察，但大多数人都没有;他们提取人们已经了解的关系或模式，但可能忽略或忽略。

例如，犯罪模式预测犯罪事件的数量将在特定夏季夜晚的特定社区增加。一位富有狂热的警察中士可能会剥夺模型的产出，称他意识到这会发生这种情况，因为当天在当地的赛道那天发生汽车比赛，这总是在邻近的邻居中产生溢出犯罪。“告诉我一些我不知道的东西，”他抱怨道。但这并不意味着所陈旧的建模工作：在这种情况下，模型加强了警察的隐含知识，使其成为他意识的最前沿，所以他可以采取行动。

偶尔，模型确实会发现突破性的见解。一个例子来自信用卡行业，它使用分析模型来检测和防止欺诈。几年前，分析人士利用算法和数据集的结合发现了一种新的不法行为:罪犯使用自动数字生成器来猜测电子商务网站上的信用卡号码。这些模型发现，几乎相同的信用卡号码导致了大量的交易和信用卡数量的下降，从而揭示了一个新的模式。这些公司很快就发现了问题所在，并实施了防范措施，避免了数百万美元的欺诈性交易。

许多人认为，要想在分析方面出类拔萃，他们的公司只需要聘请一群了解复杂算法的细微差别的统计学家，并给他们提供高性能的工具来处理数据。但这也只能到此为止了。分析建模的艺术是一种技能，它需要对组织的流程和数据有深入的了解，并能够以业务术语与业务主管进行沟通。就像优秀的家具制造商一样，掌握这些技能的分析专业人士可以构建具有持久价值的高质量模型，并在此过程中为他们的组织获得巨大的回报。

关于作者:
Wayne Eckerson是主要顾问Eckerson集团，这有助于商业领袖使用数据和技术来推动更好的见解和行动。他的团队提供关于商业智能，分析，绩效管理，数据治理，数据仓库和大数据的信息和建议。给他发电子邮件[电子邮件受保护]。

给我们发电子邮件[电子邮件受保护]，并在Twitter上关注我们:@BizAnalyticsTT。