之前報名舊金山的場次因故無法成行，這次改參加 Washington DC 的場次，主持人 Tony Rathburn 算是業界小有名氣的資深顧問與講師，在 Data Mining Research 上有關於他的訪談。
Tony Rathburn 其實是他撰寫部落格的「藝名」，在兩天的座談裡，Tony 分享了他二十多年來做為資訊系統與資料探勘顧問的一些心得，以及在各個行業裡要應用這種工具所需要注意的要點。從大學教授轉戰業界，Tony 的見解相當獨到，而對於他沒有經歷過的領域（就是小弟向他請益的部份），所提出的建議也非常實用。
兩天的討論內容，當然不太可能短短的篇幅裡道盡細節，不過有幾個個人覺得蠻重要的觀念，倒是可以先摘要出來，以後再慢慢細述。
- Data Analytics 的作用，是利用收集到的資料以及設計出的分析工具，來針對決策做出輔助，真正的目的在於「提高決策的效益」。
- Data Analytics 專案的重點，會在於對整個決策歷程、所涉及的商業模式以及績效指標的理解，使用的分析與資料工具反而是次要的。
- 善用對專案所欲解決問題的理解，盡可能的把解決方案設計成直接與績效指標相關的 binary classification，退而求其次是 multi-label classification，真的萬不得已才使用回歸預報的方式。（個人過去的專案經驗當中對此也有深深的同感，Tony 的說法是「因為我懶惰」，但是實則有更深刻的數學理由，有機會以後再討論）
- 區分 Big Data 和 Fat Data 的不同：對於大多數的現實問題，Big Data 只能提高準確率（而且很有限），Fat Data 才能針對問題找出更多的洞見。（之前摘錄的一篇「大資料與小資料」中的引文也有探討類似的問題）
這些觀念都伴隨著許許多多的實例討論，包括來自 JP Morgan Chase 的毛先生分享金融商品交易的技術。
因為這次舉行的地點是在美國首都，所以有一半的與會成員是美國人事行政局的員工，包含資訊與專案規劃的人員，他們對於每年哪些公務員會退休的預測有很大的興趣，因為這會牽涉到整個人事行政策略的全盤規劃。年底還有一次在 Las Vegas 舉辦的座談會，不知道會不會有賭場的代表參加呢？我個人倒是對這個蠻有興趣的。
總之，覺得參加這個座談會的收穫頗為豐富，只是為了這個要跑一趟美國實在有點累，只好等下次有長假時再看看有沒有機會了。
沒有留言:
張貼留言