文档介绍：SAS数据挖掘：数据准备
数据是基础，所谓“垃圾入、垃圾出”。
数据准备主要包括数据导入、数据集成、数据导出等，这些一笔带过，主要写一下数据 清洗。
数据可以分为数值和分类变量。
数据清洗包括：孤立点、错误数据、缺失值处理。
针对测的时候，很多工程师会跟甲方承诺一个命 中率。命中率的概念是工程师给出的流失客户的名单中下个月真正流失客户的占比。这 个值好像越高越好，其实不然。这是因为数据挖掘软件作的预测实际上是一种概率的判 决，必然存在错误的判断。精确的说法应该是在一定比例内的命中率。比如本地网有10 万个客户，则3000人名单的准确率、5000人名单的准确率、1万人名单的准确率的说
法才是科学的。企业需要实事求是，根据自己的业务需求确定一个综合考虑覆盖率的准 确率期望。
♦软件工具必须买：造中国自己的***
有些企业经理认为，软件工具必须购买大公司开发的，其复杂、专业、有权威的示范性。
但它是否适应企业或者适应研究的业务并不在经理们重点考虑的范围内。如果我们经常 穿梭于专业的数据挖掘工作组，就会发现真正的高手是不使用商业数据挖掘软件的，即 使使用，也用SASEM这样的可以写代码的软件。他们的工作方法是：探索数据、找合 适的算法、简单编码实现、跑数据和写报告，因为应用的层次深化和效果提升才是最重 要的。中国可以造自己的***，运营商呢？
♦工程师的水平标杆：智慧库与会说话的工具
企业招聘数据挖掘工程师时，应聘者众多，有人自称从事数据挖掘工作已20年，但事 实上，国内人士研究数据挖掘才不过十年。很多人认为统计也是数据挖掘，那么，如何 去衡量数据挖掘工程师的真实实力与水平呢？第一，看他理论基础。第二，看他掌握方 法。没有足够的数学模型能力、统计分析能力、逻辑分析能力的工程师是不合格的。第 三，看他创新能力。一句话，好的数据挖掘工程师是可以依靠的智慧库，不那么优秀的 数据挖掘工程师只是会说话的工具。
♦模型不用更新：流水不腐，户枢不3
有人说，模型做好了就不用更新了。中国古谚'流水不腐，户枢不蠹”，用在数据挖掘上 再合适不过。客户是流动的、业务是变化的、政策是滚动的、对手是狡猾的、经济是波 动的，那么模型是固定的吗？不是，一系列的变化使得客户的行为模式发生变化，模型 也要适时更新，否则商机若失，必成庸碌之辈。
♦算法都一样：西装穿球鞋
1=
有不少仅仅懂得数据挖掘技术皮毛的人会大手一挥：算法都是一样的，不就是聚个类、 预个测吗？我们都知道穿西装是不可以穿球鞋的，因为不匹配，在数据挖掘实践中，算 法是死板的，没有一种算法可以一统江湖，算法的适用性非常重要，对噪声点多而且多 为奇异点的数据，最好不用
K-means这样的算法，而要采用DBSCAN；反之遇到数据 为球状簇分布而且呈哑铃状的粘连簇，K-means的表现要远好于DBSCAN。
♦数据挖掘就是软件：脑指挥手还是手指挥脑
有人可能说，数据挖掘不就是一个软件吗？管理科学一直是先进技术与理念的最佳试验 场，从ERP、MRPII、OLAP、CRM （客户关系管理）到DM （数据挖掘），我们都会 有这样一个经验，管理不是一个软件，系统更不仅仅是一个软件。上了 CRM软件不见 得就搞好了客户关系，数据挖掘软件一装，模型一跑，也并不是一个真正的数据挖掘系 统。软件工具是手，而