數據分析是一個檢查、清理、轉換和數據建模的過程，目的是發現有用的信息、提出結論和支持決策依據。數據建模是數據分析裡的一項，數據建模裡又有一些常見的套路：選擇變量與重構變量、選擇算法、設定參數、加載算法和測試結果。
選擇變量與重構變量
數據分析師在拿到數據時（不管是自己爬取還是數據框裡提取的）不是對所有的變量都要進行分析或者納入到模型裡，有許多變量起不到數據“分析”的任務（比如列號，也是數據集裡的變量），有的變量跟數據分析師所需要達到的目的沒有關係，這就是選擇變量的重要性，一般來說選擇變量有兩個標準：數據邏輯和業務參考。
數據邏輯：
所謂數據邏輯，一般從數據的完整性、集中度和變量相關性（有時候還有考慮因果關係）等角度考慮，一個變量缺失率達到80%，或者一個非布爾值變量但卻集中兩個值……這些都要考慮加入這些變量後是否對後面的分析有價值。
業務參考：
變量基於收集到的數據，在做目標性的數據分析時會產生與業務產生關聯，比如共享單車數據集車輪胎這個變量裡，輪胎數不會是1或者3吧，在接下來的建模中，業務知識告訴你是不會選擇這個變量的。
選擇算法
業務數據分析師所要做的就是要用數據分析解決商業問題，而不是為了建立模型而建模，因此要根據業務背景和所要達到的目的選擇模型，根據挖掘目標和數據形式可以建立分類與預測、聚類分析、關聯規則、時序模式、偏差檢測等模型，幫助企業提取數據中隱藏的商業價值，從以前的主觀決策轉向更科學的數據決策，提高企業的競爭力。下面列舉了一些常見的業務背景和對應的常用算法。
--劃分消費群體：聚類、分類；
--滿意度調查：迴歸、聚類、分類；
--購物籃分析：相關、聚類；
--購買額預測：迴歸、時間序列；
--滿意度調查：迴歸、聚類、分類。
設定參數
確定好要用那種模型後，就需要對模型進行調查參數，比如經典的聚類分析裡的K均值算法就需要給定K的值（希望聚成的類別數量），參數有時候不是一次就能確定好的，需要多次的調整，達到最優的效果。
加載算法與測試結果
模型建立好後需要驗證與測試，要根據算法輸出結果來確定該算法是否能夠解決業務問題，比如聚類算法裡除了K均值算法還有系統聚類等，要是K—means的結果不太好就要考慮其他的算法，又或者回歸模型輸出結果不滿足需求，考慮時間序列模型來做；若不需要換算法，還要測試一下輸出的結果是否有提示的空間，如聚類分析裡的聚類結果有四類，通過可視化發現有兩類的特徵很相近，區分度不明顯，這就造成有很大部分的類處於很模糊的位置，所以就很需要調整參數來優化模型，在不斷調參優化模型的過程中，模型的解釋性和實用性會得到提升，當模型能夠滿足業務需求，那就可以輸出結果。
這是通常建模的一般流程，而建模只是數據分析裡其中一項；流程的熟悉、業務的理解、算法理論及代碼的熟練等等都是考驗一個數據分析師的能力；最後希望這篇文章能夠幫助到你建模時構建一個框架，而不至於在建模時不知道幹嘛；在學習的道路上你我共勉！
閱讀更多 長碧川 的文章
