L'importanza di utilizzare un metodo
Strumento operativo e di analisi, è ripartito in 5 fasi distinte che consentono di gestire i progetti di Data Science
Questa fase prevede la raccolta di dati grezzi, strutturati e non strutturati, in riferimento all’obiettivo che ci siamo prefissati.
Acquisire la conoscenza dei dati trattati e del loro dominio è la base per poter predisporre un’analisi adeguata.
In questa fase, inoltre, è possibile comprendere realmente se tutti i dati a nostra disposizione sono completi, o se ci mancano informazioni necessarie allo scopo.
2. Modellare
Questa fase consiste nel prendere i dati grezzi e metterli in una forma utilizzabile
Dobbiamo creare delle procedure strutturate e automatizzate che raccolgono i dati e li trattano al fine di renderli fruibili alle fasi successive.
3. Processare
Una volta che i dati sono stati acquisiti e modellati ne esaminiamo modelli, intervalli e pregiudizi per determinare quanto saranno utili nell’analisi diagnostica e predittiva.
4. Analizzare
Questa fase prevede l’esecuzione delle varie analisi sui dati, ed è proprio qui che si fa la differenza nel progetto.
Andremo a sviluppare diversi algoritmi di apprendimento automatico e sceglieremo il migliore.
Questa fase si basa su tecniche scientifiche e statistiche, e fornisce risultati di qualità.
5. Comunicare
In questa fase finale prepariamo le analisi svolte, creando soluzioni facilmente comprensibili (come dashboard, grafici e report quantitativi e qualitativi).
Questo output ci consente di mettere a disposizione i risultati raccolti per prendere le migliori decisioni di business.
