無論在報紙、雜志、機場媒體，照舊在酒吧的閑談中，大數據都成了一個熱門話題。每小我私家都在談論這個時尚的話題，但迄今為止只有少少數企業真正樂成的運用這一技能!導致這一環境的重要原因就是企業對成立可操縱的大數據闡明模子樂成要害因素缺乏深刻的認識。團結多年來與多家全球性公司相助履歷，我們認為：為了取得樂成，大數據闡明模子需要滿意如下幾種要求：

(1)業務相關性。

業務相關性是對闡明模子的第一個要害要求。闡明模子必需可以或許辦理特定的貿易問題。那些機能優越，卻不能辦理貿易問題的模子是毫無意義的。顯然，在模子開拓前，對貿易配景和業務問題有全面的領略必不行少。譬喻，在保險欺騙財檢測問題中，必需在一開始對如何界說、權衡和打點欺騙財有清晰的界定。   　　

(2)統計機能。

影響模子樂成的另一個重要要害因素是模子機能表示。換句話說，從統計意義的角度，闡明模子應該明顯提高預測或描寫的機能。按照闡明問題的范例差異，經常回收差異范例的機能評價指標。在客戶細分，統計評價指標主要評價比擬簇內的相似性與簇間的差別性;在客戶流失預測中，美國云服務器 韓國vps云主機，主要評價模子是否賦予了潛在流失客戶的較高得分。   　　

(3)表明性和公道性。

表明性是指闡明模子容易為決定者所領略，公道性是指模子與專家的預期和業務常識相一致。表明本領和公道性都是主觀判定，取決于決定者的常識和履歷。這兩個因素與統計機能闡明之間經常是抵牾的，譬如：巨大神經網絡和隨機叢林模子預測機能較好，可是表明性較差。所以，決定者需要在兩者之間尋找均衡點。在信用風險闡明等應用場景中，表明性和公道性長短常重要的因素，而在欺騙財檢測和營銷響應建模中，這一因素就不是那么重要了。   　　

(4)運行效率。

運行效率涉及模子評估、監測、檢討及重建進程中所需投入的時間。從這個因素來看，很明明的神經網絡或隨機叢林效率較低，而回歸模子和決定樹等更有效率。在信用卡欺騙財檢測等業務場景中，運行效率長短常重要的，因為所有的決定必需在信用卡生意業務開始后幾秒鐘內完成。

(5)經濟本錢。經濟本錢是收集模子所需數據、運行模子以及闡明模子功效的進程中所投入的本錢，另外還包羅引入外部數據和模子的本錢。在闡明模子的經濟回報時，所有的這些本錢都必需思量在內，凡是不是能簡樸直接計較出來的。   　　

(6)合規性。在許多行業中，合規性變得越來越重要。合規性是指模子對現有制度和法令的遵從水平。在信用風險規模，闡明模子切合巴塞爾協議II和III的劃定尤其重要。而在保險行業中，模子則必需遵從歐盟償付本領協議(Solvency II) 。   　　

總結以上，我們扼要闡述了樂成構建數據闡明模子的要害因素。如我們所指出的那樣，每個因素的重要性取決于模子應用場景。