分析团队在部署模型之前需要了解的5 件事
许多分析和数据科学团队都有构建看似很棒的模型的经验——有效、预测性强、功能强大——但最终却发现令人失望甚至没有业务影响。模型没有部署或部署时间太长，导致其准确性丧失。部署的模型没有使用或使用效率不高。模型会老化，导致性能下降。你能做什么？在部署模型之前，请确保你能回答这 5 个问题。
1. 模型是否根据业务目标进行了良好的评估？
CRISP-DM，即跨行业数据挖掘标准流程，是分析项目最广泛使用的方法。数据分析和模型开发完成后，需要对模型进行评估。确保结果足够好并且这些结果符合原始意图至关重要。如果模型评估不成功，那么项目将回到原点。许多分析或数据科学团队仅从统计或建模角度评估他们的模型。然而，分析模型可以通过这些数学检查，而不能帮助解决业务问题。一个好的分析模型是帮助企业获得更好结果的模型。成功的分析团队会尽量减少分析成功和业务成功之间的空白，根据业务驱动因素和分析驱动因素评估他们的模型。
2. 谁在使用模型，来决定什么、在哪里以及如何使用？
有时，仅从项目的业务目标及其范围就可以看出分析将如何使用。但更多时候，情况并非如此。现实情况是，如果没有清晰的业务理解——谁将使用分析模型以及他们试图用它做出什么决策——通常不可能判断分析是否会成功。此外，决策的自动化程度、自动化地点或向人类决策者呈现的方式也都很重要。
使用图形决策模型和符号(DMN) 标准的决策模型是 CRISP-DM 中业务理解步骤的一部分，它专注于分析工作并与您的业务合作伙伴建立共同理解，帮助确保您能够有效地部署分析来解决目标业务问题或改进目标决策
3. 要使该模型具有可操作性需要做些什么？
人工智能、机器学习和预测分析模型让您可以展望未来并帮助您做出更好的决策。但拥有预测分析模型并不等同于做出更好的决策。您的预测分析必须可行，才能增加商业价值。
DMN 决策模型概述了如何使您的预测分析可行。决策模型展示了您决策的所有要素，而不仅仅是分析要素。决策模型的其他元素代表了限制决策或定义分数截止点和基于您的分析的适当行动的政策和法规。决策模型清楚地表明了需要部署哪些措施来改善决策。
4. 捕获和分析有关模型有效性的数据的计划是什么？
分析和数据科学团队在部署分析之前，会对分析的可能结果进行大量测试和分析。但一旦部署，它就会开始与真实的人、真实的组织、真实的交易进行交互。实际结果可能不会完全符合您的期望。并且模型的使用会改变行为，这可能意味着，例如，欺诈者或忠实客户会改变他们的行为。
在部署模型之前，您必须知道要收集有关模型、使用该模型做出的决策以及由这些决策产生的业务结果的哪些数据。只有当您能够收集这些数据并将其联系起来时，您才能真正了解您的模型在业务方面是否有效。
5. 我们什么时候需要重新审视模型以确保它仍然有效？
一旦模型部署、运行和被跟踪，您仍然没有完成。模型会老化和退化。随着世界的变化和新数据的收集，您的模型的准确性可能会下降，其商业价值会降低，甚至逆转。确保您有计划重新审视您的模型，定期检查其性能，管理您的人工智能、机器学习和分析组合，这对于长期成功和商业价值至关重要。
下一步是什么？
成功部署分析的最佳方法是使用决策建模。决策建模提供了三个主要好处：
l 使用决策模型和符号 (DMN) 标准的决策建模让您清楚地了解您的人工智能、机器学习或分析旨在改进的决策，帮助您评估它并将其置于上下文中。
l 决策模型定义了如何使您的分析具有可操作性，明确了需要部署哪些内容来改善决策。
l 持续改进、实验和分析模型管理确保您的分析能够长期成功。决策模型建立了您需要的框架，以收集和分析有关模型性能及其业务影响的数据。
决策建模是对CRISP-DM 等分析方法的有力补充。使用决策模型和符号 (DMN) 标准构建的决策模型提供了业务影响的必要清晰度，并将您的分析作为整体业务环境的一部分进行协调。
因此，部署前您需要了解以下5 件事：
1. 该模型是否能很好地评估业务目标？
2. 谁在使用模型，决定做什么、在哪里做以及如何做？
3. 如何才能使模型具有规范性而不仅仅是预测性？
4. 捕获和分析模型有效性数据的计划是什么？
5. 我们什么时候需要重新审视模型以确保它仍然有效？
了解更多
以下是了解更多信息或开始使用决策建模的几种方法：
Ø 获取我们的白皮书和使用手册尝试决策建模。
Ø 了解我们的成熟方案和成功案例。
Ø 了解有关我们针对分析团队的 DMN 决策建模参与的更多信息。
我们拥有丰富的经验，专注于帮助客户使用决策管理、业务规则和高级分析技术构建以决策为中心、以行动为导向的系统和流程。使客户快速有效地采用决策建模并将其集成到他们的系统中。我们的客户涉及保险、银行、医疗、制造、供应链、物联网、电信、电商、健康管理和零售等领域的领先公司。
您可以联系我们进行免费咨询并了解有关我们服务的更多信息。
