一、前言
每次提到数据挖掘，总有些人上来就是ETL、是算法、是数学模型，作为搞工程实施的我而言，很是头疼。其实作为数据挖掘的而言，算法只是其实现手段、是工具和实现手段而已，我们不是在创造算法(国外职业搞研究的除外)，我们是在使用算法而已，换句话说我们是算法的工程化实践者。数据挖掘非今日之物，大数据挖掘也不是一个孤立的概念，其实质还是采用传统的数据挖掘的方法，只是其实现工具发生了变化而已，本质的东西还在。简说一下，发布近20年前的CRISP-DM数据挖掘标准规范模型，以享其用。
CRISP-DM (cross-industry standard process for data mining), 即为'跨行业数据挖掘过程标准'. 此KDD过程模型于1999年欧盟机构联合起草. 通过近几年的发展,CRISP-DM 模型在各种KDD过程模型中占据领先位置,采用量达到近60%.(数据引自Cios and Kurgan于2005年合著的论文trands in data mining and knowledge discovery中 )。
二、框架
CRISP-DM数据挖掘方法论用层次过程模型描述，包括四个抽象（从一般到具体）层次构成的任务集合：阶段（phase）、一般任务（generic task）、具体任务（specialized task）和过程实例（process instance）。每个阶段由若干一般任务组成，每个一般任务又实施若干具体任务，每个具体任务由若干过程实例来完成。
CRISP-DM 模型为一个KDD工程提供了一个完整的过程描述.该模型将一个KDD工程分为6个不同的、但顺序并非完全不变的阶段（如下图示）。
每次提到数据挖掘，总有些人上来就是ETL、是算法、是数学模型，作为搞工程实施的我而言，很是头疼。其实作为数据挖掘的而言，算法只是其实现手段、是工具和实现手段而已，我们不是在创造算法(国外职业搞研究的除外)，我们是在使用算法而已，换句话说我们是算法的工程化实践者。数据挖掘非今日之物，大数据挖掘也不是一个孤立的概念，其实质还是采用传统的数据挖掘的方法，只是其实现工具发生了变化而已，本质的东西还在。简说一下，发布近20年前的CRISP-DM数据挖掘标准规范模型，以享其用。
CRISP-DM (cross-industry standard process for data mining), 即为'跨行业数据挖掘过程标准'. 此KDD过程模型于1999年欧盟机构联合起草. 通过近几年的发展,CRISP-DM 模型在各种KDD过程模型中占据领先位置,采用量达到近60%.(数据引自Cios and Kurgan于2005年合著的论文trands in data mining and knowledge discovery中 )。
二、框架
CRISP-DM数据挖掘方法论用层次过程模型描述，包括四个抽象（从一般到具体）层次构成的任务集合：阶段（phase）、一般任务（generic task）、具体任务（specialized task）和过程实例（process instance）。每个阶段由若干一般任务组成，每个一般任务又实施若干具体任务，每个具体任务由若干过程实例来完成。
CRISP-DM 模型为一个KDD工程提供了一个完整的过程描述.该模型将一个KDD工程分为6个不同的、但顺序并非完全不变的阶段（如下图示）。