КОНСПЕКТ ЛЕКЦИЙ КОДЭИ

Процесс построения моделей состоит из нескольких шагов:

1. Формулирование цели моделирования. При построении модели следует отталкиваться от задачи, которую можно рассматривать как получение ответа на интересующий нас вопрос.

Например, в спорте к таким вопросам относятся следующие. Каких результатов добились спортсмены за определенный период?

У каких спортсменов лучшие результаты?

Из каких спортсменов необходимо набирать команду? Как оптимизировать процесс тренировок?

В этом случае можно говорить о создании модели прогнозирования в спорте.

2. Подготовка и сбор данных.

Информационный подход к моделированию основан на использовании данных, подготовить и систематизировать которые — отдельная сложная задача.

3. Поиск модели. После сбора и систематизации данных переходят к поиску модели, которая объясняла бы имеющиеся данные, позволила бы добиться эмпирически обоснованных ответов на интересующие вопросы. В промышленном анализе данных предпочтение отдается самообучающимся алгоритмам, машинному обучению, методам

Data Mining.

4.Проверка полученной модели. Если построенная модель показывает приемлемые результаты на практике, еѐ запускают эксплуатацию.

5.Если качество модели неудовлетворительное, то процесс построения модели повторяется.

Моделирование позволяет получать новые знания, которые невозможно извлечь каким-либо другим способом. Кроме того, полученные результаты представляют собой формализованное описание некоего процесса, вследствие чего поддаются автоматической обработке.

Однако результаты, полученные при использовании моделей,

очень чувствительны к качеству данных, к знаниям аналитика и экспертов и к формализации самого изучаемого процесса. К тому же почти всегда имеются случаи, не укладывающиеся ни в какие модели.

Информационный подход к анализу базируется на различных алгоритмах извлечения закономерностей из исходных данных, результатом работы которых являются модели. Таких алгоритмов довольно много, но они не способны гарантировать качественное решение. Никакой, даже весьма изощренный, метод сам по себе не даст хорошего результата, так как критически важным является качество исходных данных. Чаще всего именно оно становится причиной неудачи.

Особенности данных, накопленных в компаниях

Данные, которые накапливают предприятия и организации в базах данных и прочих источниках, имеют свои особенности:

1. Данные редко накапливаются

специально для решения задач анализа.

Компании часто собирают данные для коммерческих целей: ведения учета, проведения финансового анализа, составления отчетности, принятия решений и т.п. Этим бизнес-данные отличаются от экспериментальных данных, которые собираются для исследовательских целей.