我們在上一篇文章中給大家講述了一部分提高數據挖掘能力的辦法。當然，這也只是從一個方面進行講述的，還需要從多個角度才能夠全面提高數據挖掘能力，下面我們就給大家講述一下數據挖掘能力提高的其他方法。

首先，需要我們降低變量準備時間，這是因為數據挖掘中數據準備時間過長，企業除了考慮數據倉庫建模，還需要考慮是否在此基礎上建立一個數據挖掘的數據中臺，我們必須了解數據中臺的價值，數據挖掘中臺屬於數據中臺的一部分，行業特性會比較明顯，比如電商有電商的數據挖掘中臺，運營商則有運營商的數據挖掘中臺，只要你在某個行業數據挖掘做多了，變量準備做多了，這樣我們自然會找到一些共性的東西，如果能把它們沈澱下來，就能降低變量準備時間，而建立數據挖掘中臺涉及IT戰略問題，對於傳統被動型的數據管理機制流程都是挑戰，比如要建立一支中臺團隊就不容易。由此可見，中臺是一個十分重要的事物，了解了這些，我們才能夠為提高數據挖掘能力做好準備。

然後就是通過運營保有挖掘資產，就目前而言，離網模型在某些企業做的次數會超過幾十次，重做有很多理由，比如市場環境變了，原來模型不好用了等等，但重做意味著對原有投入資源的極大浪費，是最大的不敏捷。很多的企業在建設IT的時候都是重視建設，輕視運營，由於數據挖掘的模型受業務和數據變化的影響很大，隨著時間推移效果下降是必然的事情，而且這個折損跟固定資產折損還不一樣，很多折損雖然說還是能夠正常使用的，但模型效果變差就意味著效益變差，模型更要拼運營能力。

從這個角度看，如果你覺得一個模型重要，就要把它當成一個產品，用產品化的思維去運營它，比如設置獨立的模型經理，從用戶、流量和效果等角度去持續的做提升，很多企業模型建完推廣完了就撒手不管了，這註定了模型的悲劇。模型運營投入的代價是巨大的，一個有1000個挖掘模型的公司，負擔和壓力會非常大，這就需要我們重視模型和運營。

好了，在這篇文章中我們給大家講述了兩個提高數據挖掘能力的方法，在進行數據挖掘的時候，一定要重視模型的應用，這樣我們才能夠做好數據挖掘工作，進而提高自己的工作效率。

如何提高數據挖掘能力（二）