Data Requirments e Data Collection | Data Science Methodology

Il nostro percorso sulla data science methodology, iniziato con il Business Understarning e seguito dall’Analytic Approach, prosegue ora con la definizione del data requirments e del data collection.

La Data Science Methodology è una metodologia, cioé un sistema di metodi che, usati in una particolare area di studi, permettono di organizzare ordinatamente i task da completare per raggiungere uno specifico obiettivo.

Nel precedente post abbiamo individuato i primi due step:

• Business Understaning
• Analytic Approach

Ora vediamone altri due.

Data Requirments

L’ Analytic Approach scelto determina i requisiti che i dati devono avere da un punto di vista:

• contenutistico
• strutturale e rappresentativo

A questo punto il domain knownledge gioca un ruolo fondamentale.

Individuare quali siano i dati necessari alla soluzione del problema soddisfa questa fase della data science methodology.

Data Collection

In una fase preliminare, siamo chiamati a identificare e raccogliere tutti i dati disponibili. Possono presentarsi come dati:

• strutturati
• non strutturati
• semi-strutturati

E’ fondamentale chiarire da quali fonti vengano raccolti i dati, ed è assolutamente naturale rimandare decisioni su quelli non disponibili, tentandone la raccolta in una successiva fase. (ad esempio per migliorare le performance del modello, se necessario).

Utile a questo proposito è la collaborazione con i DBA (Data Base Admins) per coordinare l’attività di raccolta, e merging dei dati, volta ad eliminare inutili ridondanze.

Inoltre, è spesso possibile automatizzare determinati processi all’interno dei database così da facilitare il data collection.

Nel prossimo post analizziamo le successive fasi della data science methodology:

• 3 – Data Understanding e Data Preparation
• 4 – Data Modelling e Model Evaluation
• 5 – Model Deployment e Feedback

Un caldo abbraccio, Andrea