我们在上一篇文章中给大家讲述了一部分提高数据挖掘能力的办法。当然，这也只是从一个方面进行讲述的，还需要从多个角度才能够全面提高数据挖掘能力，下面我们就给大家讲述一下数据挖掘能力提高的其他方法。
首先，需要我们降低变量准备时间，这是因为数据挖掘中数据准备时间过长，企业除了考虑数据仓库建模，还需要考虑是否在此基础上建立一个数据挖掘的数据中台，我们必须了解数据中台的价值，数据挖掘中台属于数据中台的一部分，行业特性会比较明显，比如电商有电商的数据挖掘中台，运营商则有运营商的数据挖掘中台，只要你在某个行业数据挖掘做多了，变量准备做多了，这样我们自然会找到一些共性的东西，如果能把它们沉淀下来，就能降低变量准备时间，而建立数据挖掘中台涉及IT战略问题，对于传统被动型的数据管理机制流程都是挑战，比如要建立一支中台团队就不容易。由此可见，中台是一个十分重要的事物，了解了这些，我们才能够为提高数据挖掘能力做好准备。
然后就是通过运营保有挖掘资产，就目前而言，离网模型在某些企业做的次数会超过几十次，重做有很多理由，比如市场环境变了，原来模型不好用了等等，但重做意味着对原有投入资源的极大浪费，是最大的不敏捷。很多的企业在建设IT的时候都是重视建设，轻视运营，由于数据挖掘的模型受业务和数据变化的影响很大，随着时间推移效果下降是必然的事情，而且这个折损跟固定资产折损还不一样，很多折损虽然说还是能够正常使用的，但模型效果变差就意味着效益变差，模型更要拼运营能力。
从这个角度看，如果你觉得一个模型重要，就要把它当成一个产品，用产品化的思维去运营它，比如设置独立的模型经理，从用户、流量和效果等角度去持续的做提升，很多企业模型建完推广完了就撒手不管了，这注定了模型的悲剧。模型运营投入的代价是巨大的，一个有1000个挖掘模型的公司，负担和压力会非常大，这就需要我们重视模型和运营。
好了，在这篇文章中我们给大家讲述了两个提高数据挖掘能力的方法，在进行数据挖掘的时候，一定要重视模型的应用，这样我们才能够做好数据挖掘工作，进而提高自己的工作效率。
原文地址：https://www.cnblogs.com/CDA-JG/p/10277108.html