3. Ablauf eines Analytics-Projekts#
Beispiele für Analytics-Modelle, wie man sie in Tutorials und Lehrbüchern findet, sind meist in mehreren Dimensionen stark vereinfacht:
Das zu lösende Problem ist klar und lässt sich mit einem einzelnen Modelltyp lösen - eine Untersuchung der Daten stellt weder die Relevanz des Problems noch den Analytics-Ansatz in Frage
Es sind genug Daten vorhanden und diese sind gut dokumentiert - es sind keine weiteren Datenbeschaffungen oder Qualitätssicherungsmaßnahmen nötig
Die Daten sind wohlgeformt, es sind passende Features vorhanden - es müssen weder neue Features generiert noch welche herausgeworfen werden
Es können einfache Algorithmen mit Standardparametern verwendet werden - es gibt keine Einschränkungen oder nicht-funktionalen Anforderungen
Die Performance des Modells wird auf einem Testdatensatz bestimmt - eine Anwendung in der realen Welt ist nicht notwendig
Das Modell wird aus der Programmierumgebung heraus ausgeführt - eine Einbettung in einen operativen Prozess ist nicht notwendig
Wie die Aufzählung bereits andeutet, ist das in realen Projekten nicht immer der Fall. Mit CRISP-DM gibt es einen Standardprozess, um mit der Komplexität von solchen Projekten umzugehen [CCK+00]. Der Prozess besteht aus 6 Phasen, die ungefähr die oben genannten Aspekte abdecken. Abbildung 3.1 stellt die Phasen und Übergänge dar:
Auch wenn der exakte Ablauf eines Projekts sich nicht immer genau diesen Phasen zuordnen lässt, ist CRISP-DM eine gute Orientierungshilfe. Ein paar Beobachtungen:
Das Vorgehen ist oft explorativ und iterativ
Die Ziele konkretisieren sich im Verlauf des Projekts
Die Modellierungs-Phase ist im Normalfall zeitlich der kürzeste Teil
Es gibt einen entsprechenden Vorlauf bis zu ersten Ergebnissen aus der Modellierung
Eine Modell ist nur erfolgreich, wenn es in der Praxis funktioniert und sinnvoll zu betreiben ist
Im Folgenden gehen wir durch die einzelnen Phasen im Detail.