TechCodeview

A CRISP-DM az adatbányászat ágazatközi szabványos folyamatát jelenti. A CRISP-DM módszertan strukturált megközelítést biztosít az adatbányászati ​​projektek tervezéséhez. Ez egy robusztus és jól bevált módszertan. Semmilyen tulajdonjogot nem tartunk fenn rajta. Nem mi találtuk ki. Hatalmas gyakorlatiasságát, rugalmasságát és hasznosságát átalakítjuk, amikor az elemzést üzleti problémák megoldására használjuk. Ez az aranyszál, amely szinte minden ügyféltalálkozón áthalad.

Ez a modell az események idealizált sorozata. A gyakorlatban sok feladat más sorrendben is végrehajtható, és gyakran vissza kell térni az előző feladatokhoz, és meg kell ismételni bizonyos műveleteket. A modell nem próbál meg minden lehetséges útvonalat rögzíteni az adatbányászati ​​folyamaton keresztül.

Hogyan segít a CRISP?

A CRISP DM útitervet ad, bevált gyakorlatokat ad, és struktúrákat biztosít az adatbányászat jobb és gyorsabb eredményéhez, így segíti az üzletet az adatbányászati ​​projektek tervezése és végrehajtása során.

A CRISP-DM fázisai

A CRISP-DM áttekintést nyújt az adatbányászat életciklusáról, mint folyamatmodellről. Az életciklus-modell hat fázisból áll, nyilak jelzik a fázisok közötti legfontosabb és leggyakoribb függőséget. A fázisok sorrendje nem szigorú. És a legtöbb projekt szükség szerint oda-vissza mozog a fázisok között. A CRISP-DM modell rugalmas és könnyen testreszabható.

Például, ha szervezetének célja a pénzmosás felderítése, akkor valószínűleg nagy mennyiségű adatot kell átvizsgálnia konkrét modellezési cél nélkül. A modellezés helyett a munkája az adatok feltárására és megjelenítésére összpontosít, hogy feltárja a pénzügyi adatok gyanús mintáit. A CRISP-DM lehetővé teszi az Ön igényeinek megfelelő adatbányászati ​​modell létrehozását.

Tartalmazza a projekt tipikus fázisainak leírását, az egyes fázisokhoz kapcsolódó feladatokat, valamint a feladatok közötti kapcsolatok magyarázatát.

1. fázis: Üzleti megértés

A CRISP-DM folyamat első szakasza annak megértése, hogy mit szeretne elérni üzleti szempontból. A szervezetnek lehetnek versengő céljai és korlátai, amelyeket megfelelően ki kell egyensúlyozni. Ennek a folyamatnak a célja a projekt eredményét befolyásoló fontos tényezők feltárása. Ennek a lépésnek a figyelmen kívül hagyása azt jelentheti, hogy sok erőfeszítést kell tenni annak érdekében, hogy a rossz kérdésekre megfelelő válaszokat adjunk.

Melyek a projekt kívánt eredményei?

Célok meghatározása:Írja le elsődleges célját üzleti szempontból. Egyéb kapcsolódó kérdések is lehetnek, amelyeket szeretne megemlíteni. Elsődleges célja lehet például a jelenlegi ügyfelek megtartása azáltal, hogy előre jelzi, mikor hajlamosak versenytárshoz költözni.Projektterv készítése:Ismertesse az adatbányászati ​​és üzleti célok elérésének tervét. A tervnek meg kell határoznia a projekt hátralévő részében végrehajtandó lépéseket, beleértve az eszközök és technikák kezdeti kiválasztását.Az üzleti siker kritériumai:Itt meghatározhatja azokat a kritériumokat, amelyek alapján megállapíthatja, hogy a projekt sikeres volt-e üzleti szempontból. Ideális esetben ezeknek konkrétnak és mérhetőnek kell lenniük, például egy bizonyos szintre csökkentve a vásárlói ütemet. Néha azonban szükség lehet szubjektív kritériumokra, például hasznos betekintésre a kapcsolatokba.

Mérje fel a jelenlegi helyzetet

bal oldali csatlakozás vs jobb csatlakozás

Ez magában foglalja az erőforrások, korlátok, feltételezések és egyéb tényezők részletesebb tényfeltárását, amelyeket figyelembe kell vennie az adatelemzési cél és a projektterv meghatározásakor.

Erőforrás leltár:Sorolja fel a projekthez rendelkezésre álló erőforrásokat, beleértve:
• Személyzet (üzleti szakértők, adatszakértők, műszaki támogatás, adatbányászati ​​szakértők)
• Adatok (rögzített kivonatok, hozzáférés élő, raktározott vagy működési adatokhoz)
• Számítási erőforrások (hardverplatformok)
• Szoftver (adatbányászati ​​eszközök, egyéb releváns szoftverek)
Követelmények, feltevések és korlátok:Sorolja fel a projekt összes követelményét, beleértve a befejezési ütemtervet, az eredmények megkívánt érthetőségét és minőségét, valamint az esetleges adatbiztonsági aggályokat és jogi kérdéseket. Győződjön meg arról, hogy jogosult az adatok felhasználására. Sorolja fel a projekt feltételezéseit! Ezek lehetnek az adatbányászat során ellenőrizhető adatokra vonatkozó feltételezések, de tartalmazhatnak nem ellenőrizhető feltételezéseket is a projekthez kapcsolódó üzletről. Ez utóbbiakat fontos felsorolni, ha befolyásolják az eredmények érvényességét. Sorolja fel a projekt korlátait. Ezek korlátozhatják az erőforrások elérhetőségét, de olyan technológiai korlátokat is magukban foglalhatnak, mint például a modellezéshez praktikusan használható adatkészlet mérete.Kockázatok és váratlan események:Sorolja fel azokat a kockázatokat vagy eseményeket, amelyek késleltethetik a projektet vagy kudarcot okozhatnak. Sorolja fel a megfelelő készenléti terveket, például mit fog tenni, ha ezek a kockázatok vagy események bekövetkeznek?Terminológia:Állítson össze egy szószedetet a projekt szempontjából releváns terminológiáról. Ennek általában két összetevője lesz:
• A releváns üzleti terminológia szószedete a projekt számára elérhető üzleti ismeretek részét képezi. A szószedet összeállítása hasznos „tudásszerzés” és oktatási gyakorlat.
• Az adatbányászati ​​terminológia szószedetét az üzleti probléma szempontjából releváns példák illusztrálják.
Költségek és előnyök:Készítsen költség-haszon elemzést a projekthez, amely összehasonlítja a projekt költségeit a sikeres vállalkozás lehetséges előnyeivel. Ennek az összehasonlításnak a lehető legpontosabbnak kell lennie. Például kereskedelmi helyzetben pénzügyi intézkedéseket kell alkalmaznia.

Határozza meg az adatbányászati ​​célokat

Az üzleti cél célkitűzéseket fogalmaz meg az üzleti terminológiában. Az adatbányászati ​​cél technikai értelemben határozza meg a projekt céljait. Az üzleti cél lehet például a katalóguseladások növelése a meglévő ügyfelek számára. Az adatbányászat célja lehet annak megjóslása, hogy az elmúlt három év során vásárolt vásárlásai, demográfiai adatok (életkor, fizetés, város stb.) és a tétel ára alapján az ügyfél hány kütyüt fog vásárolni.

Az üzleti siker kritériumai:Leírja a projekt tervezett kimeneteit, amelyek lehetővé teszik az üzleti célok elérését.Az adatbányászat sikerességi kritériumai:Meghatározza a sikeres projekteredmény kritériumait. Például egy bizonyos szintű prediktív pontosság vagy egy vásárlási hajlandóság profil adott fokú „emelkedéssel”. Az üzleti siker kritériumaihoz hasonlóan ezeket is szükséges lehet szubjektív módon leírni, ebben az esetben meg kell határozni a szubjektív ítéletet hozó személyt vagy személyeket.

Projektterv készítése

Ismertesse az adatbányászati ​​célok és az üzleti célok eléréséhez tervezett tervet. A tervnek meg kell határoznia a projekt hátralévő részében végrehajtandó lépéseket, beleértve az eszközök és technikák kezdeti kiválasztását.

ascii táblázat c

1. Projektterv: Sorolja fel a projektben végrehajtandó szakaszokat, azok időtartamával, a szükséges erőforrásokkal, bemenetekkel, kimenetekkel és függőségekkel. Ahol lehetséges, próbálja meg explicitté tenni az adatbányászati ​​folyamat nagyszabású iterációit, például a modellezési és kiértékelési fázisok ismétlését.

A projektterv részeként fontos elemezni az időbeosztás és a kockázatok közötti függőséget. Ezen elemzések eredményeit kifejezetten jelölje meg a projekttervben, ideális esetben intézkedésekkel és javaslatokkal, ha a kockázatok megnyilvánulnak. Döntse el, hogy az értékelési szakaszban melyik értékelési stratégiát használja.

A projektterve egy dinamikus dokumentum lesz. Minden fázis végén áttekinti az előrehaladást és az elért eredményeket, és ennek megfelelően frissíti a projekttervet. Ezeknek a frissítéseknek a konkrét felülvizsgálati pontjainak a projektterv részét kell képezniük.

2. Az eszközök és technikák kezdeti értékelése: Az első szakasz végén el kell végeznie az eszközök és technikák kezdeti értékelését. Például kiválaszthat egy adatbányászati ​​eszközt, amely a folyamat különböző szakaszaiban különböző módszereket támogat. Fontos az eszközök és technikák értékelése a folyamat korai szakaszában, mivel az eszközök és technikák kiválasztása befolyásolhatja az egész projektet.

2. fázis: Adatok megértése

A CRISP-DM folyamat második fázisa megköveteli a projekt erőforrásaiban felsorolt ​​adatok beszerzését. Ez a kezdeti gyűjtés magában foglalja az adatok betöltését, ha ez szükséges az adatok megértéséhez. Ha például egy adott eszközt használ az adatok megértéséhez, akkor teljesen logikus az adatok betöltése ebbe az eszközbe. Ha több adatforrást szerez be, mérlegelnie kell, hogyan és mikor fogja ezeket integrálni.

Kezdeti adatgyűjtési jelentés:Sorolja fel a beszerzett adatforrásokat, azok helyét, a beszerzésükhöz használt módszereket és a felmerült problémákat. Jegyezze fel a felmerült problémákat és az elért megoldásokat. Ez segít a projekt jövőbeni replikációjában és hasonló jövőbeni projektek végrehajtásában.

Írja le az adatokat

Vizsgálja meg a nyert adatok „bruttó” vagy „felületi” tulajdonságait, és számoljon be az eredményekről.

Adatleíró jelentés:Mutassa be a megszerzett adatokat, beleértve azok formátumát, mennyiségét, a mezők azonosítását és minden egyéb felfedezett felületi jellemzőt. Mérje fel, hogy a megszerzett adatok megfelelnek-e az Ön igényeinek.

Fedezze fel az adatokat

Ebben a szakaszban az adatbányászattal kapcsolatos kérdéseket kell megválaszolnia lekérdezési, adatvizualizációs és jelentéskészítési technikák segítségével. Ezek a következők lehetnek:

• A legfontosabb attribútumok megoszlása
• Párok vagy kis számú attribútum közötti kapcsolatok
• Egyszerű összesítések eredményei
• Jelentősebb részpopulációk tulajdonságai
• Egyszerű statisztikai elemzések

Ezek az elemzések közvetlenül foglalkozhatnak adatbányászati ​​céljaival. Hozzájárulhatnak vagy finomíthatják az adatleírásokat és a minőségi jelentéseket, valamint beépíthetik a további elemzéshez szükséges átalakítási és egyéb adat-előkészítési lépéseket.

Adatfeltárási jelentés:Ismertesse az adatok feltárásának eredményeit, beleértve az első megállapításokat vagy a kezdeti hipotézist, valamint ezek hatását a projekt hátralévő részére. Adott esetben grafikonokat és diagramokat is beilleszthet ide, hogy jelezze azokat az adatjellemzőket, amelyek az érdekes adatrészhalmazok további vizsgálatát javasolják.

Ellenőrizze az adatok minőségét

Vizsgálja meg az adatok minőségét, és tegye meg a következő kérdéseket:

• Az adatok teljesek, vagy minden szükséges esetet lefednek?
• Helyes-e, vagy tartalmaz-e hibákat, és ha vannak hibák, azok mennyire gyakoriak?
• Hiányoznak értékek az adatokból? Ha igen, hogyan ábrázolják őket, hol fordulnak elő, és mennyire gyakoriak?

Adatminőségi jelentés

Sorolja fel az adatminőség-ellenőrzés eredményeit. Ha minőségi problémák vannak, javasoljon lehetséges megoldásokat. Az adatminőségi problémák megoldása általában nagymértékben függ az adatoktól és az üzleti tudástól.

3. fázis: Adat-előkészítés

Ebben a projektfázisban Ön dönti el, hogy milyen adatokat fog felhasználni az elemzéshez. A döntés meghozatalához felhasználható kritériumok közé tartozik az adatok relevanciája az adatbányászati ​​célokhoz, az adatok minősége és a technikai korlátok, például az adatmennyiség vagy adattípusok korlátozása.

A felvétel/kizárás indoka:Sorolja fel a beszámítandó/kizárandó adatokat és e döntések indokait.

Tisztítsa meg adatait

Ez a feladat magában foglalja az adatok minőségének a kiválasztott elemzési technikák által megkívánt szintre való emelését. Ez magában foglalhatja az adatok tiszta részhalmazainak kiválasztását, megfelelő alapértelmezett értékek beillesztését vagy ambiciózusabb technikákat, például a hiányzó adatok becslését modellezéssel.

Adattisztítási jelentés:Írja le, milyen döntéseket és lépéseket tett az adatminőségi problémák megoldására. Vegye figyelembe a tisztítási célból végzett adatátalakításokat és azok lehetséges hatását az elemzési eredményekre.

A szükséges adatok összeállítása

vödör fajta

Ez a feladat építő jellegű adat-előkészítési műveleteket tartalmaz, például származtatott attribútumok, teljes új rekordok vagy meglévő attribútumok átalakított értékeinek létrehozását.

Származtatott attribútumok:Ezek új attribútumok, amelyeket ugyanabban a rekordban egy vagy több meglévő attribútumból hoznak létre. Például használhatja a hosszúság és a szélesség változóit egy új területváltozó kiszámításához.Generált rekordok:Itt leírja az esetleges teljesen új rekordok létrehozását. Előfordulhat például, hogy rekordokat kell létrehoznia azokról az ügyfelekről, akik nem vásároltak az elmúlt évben. Nem volt ok arra, hogy a nyers adatokban ilyen rekordok szerepeljenek. Ennek ellenére érdemes lehet azt ábrázolni, hogy az adott ügyfelek kifejezetten nulla vásárlást hajtottak végre modellezési célból.

Integrálja az adatokat

Ezek a módszerek több adatbázisból, táblából vagy rekordból származó információkat kombinálnak új rekordok vagy értékek létrehozásához.

javascript globális változó

Egyesített adatok:A táblák összevonása két vagy több, ugyanazon objektumra vonatkozó különböző információkat tartalmazó tábla összekapcsolását jelenti. Például egy kiskereskedelmi láncnak lehet egy táblázata az egyes üzletek általános jellemzőiről (pl. alapterület, bevásárlóközpont típusa), egy másik táblázat az összesített értékesítési adatokkal (pl. nyereség, az előző évhez viszonyított eladások százalékos változása), és egy másik a környék demográfiai adataival. Ezen táblák mindegyike tartalmaz egy rekordot minden üzlethez. Ezek a táblák összevonhatók egy új táblába, minden üzlethez egy rekorddal, a forrástáblák mezőinek kombinálásával.Összesítések:Az aggregációk olyan műveletek, amelyek során több rekordból vagy táblából származó információk összegzésével számítanak ki új értékeket. Például a vásárlói vásárlások táblázatának konvertálása, amelyben minden vásárláshoz egy rekord, és minden vásárlóhoz egy rekord, olyan mezőkkel, mint a vásárlások száma, átlagos vásárlási összeg, a hitelkártyára terhelt megrendelések százaléka, cikkek százaléka. promóció alatt stb.

4. fázis: Modellezés

Válassza ki a modellezési technikát: Első lépésként válassza ki a használni kívánt alapvető modellezési technikát. Bár előfordulhat, hogy az üzleti megértés szakaszában már kiválasztott egy eszközt, ebben a szakaszban a konkrét modellezési technikát választja ki, pl. döntési fa építése C5.0-val vagy neurális hálózat generálása visszaterjedéssel. Ha több technikát alkalmaz, akkor ezt a feladatot mindegyik technikánál külön hajtsa végre.

Modellezési technika:Dokumentálja a használni kívánt alapvető modellezési technikát.Modellezési feltételezések:Számos modellezési technika konkrét feltételezéseket tesz az adatokkal kapcsolatban, például, hogy minden attribútumnak egyenletes eloszlása ​​van, nem megengedettek hiányzó értékek, az osztályattribútumnak szimbolikusnak kell lennie stb. Jegyezze fel az esetleges feltételezéseket.

Tesztterv létrehozása

Mielőtt létrehozna egy modellt, létre kell hoznia egy eljárást vagy mechanizmust a modell minőségének és érvényességének tesztelésére. Például az olyan felügyelt adatbányászati ​​feladatoknál, mint az osztályozás, általános a hibaarányok használata az adatbányászati ​​modellek minőségi mérőszámaként. Ezért az adatkészletet általában vonat- és tesztkészletekre osztja, a modellt a vonatkészletre építi fel, és a minőségét a különálló tesztkészleten becsüli meg.

Teszttervezés:Ismertesse a modellek képzésének, tesztelésének és értékelésének tervezett tervét. A terv elsődleges összetevője annak meghatározása, hogy a rendelkezésre álló adatkészlet hogyan osztható fel oktatási, tesztelési és érvényesítési adatkészletekre.

Modell építése

Futtassa a modellező eszközt az előkészített adatkészleten egy vagy több modell létrehozásához.

Paraméter beállítások:Bármely modellező eszköznél gyakran nagyszámú paraméter állítható be. Sorolja fel a paramétereket, azok értékeit és a paraméterbeállítások kiválasztásának indokait.Modellek:Ezek a modellező eszköz által készített modellek, nem pedig a modellekről készült jelentés.Modellek leírása:Ismertesse a kapott modelleket, számoljon be a modellek értelmezéséről, és dokumentálja a jelentésükkel kapcsolatban felmerülő nehézségeket.

A modell értékelése

Értelmezze a modelleket a domain tudása, az adatbányászat sikerességi kritériumai és a kívánt tesztterv alapján. Ítélje meg a modellezési és felfedezési technikák alkalmazásának sikerét, majd később lépjen kapcsolatba üzleti elemzőkkel és tartományszakértőkkel, hogy megvitassák az adatbányászat eredményeit az üzleti kontextusban. Ez a feladat csak modelleket vesz figyelembe, míg az értékelési szakasz a projekt során keletkezett összes többi eredményt is figyelembe veszi.

Ebben a szakaszban rangsorolni kell a modelleket, és az értékelési szempontok szerint értékelni kell őket. Itt amennyire csak lehet, figyelembe kell vennie az üzleti célokat és a sikerkritériumokat. A legtöbb adatbányászati ​​projektben egyetlen technikát többször alkalmaznak, és az adatbányászati ​​eredményeket több különböző technikával állítják elő.

Modell értékelés:Összefoglalja ennek a feladatnak az eredményeit, felsorolja a generált modellek tulajdonságait (pl. pontosság szempontjából), és rangsorolja a minőségüket egymással.Átdolgozott paraméterbeállítások:A modellértékelés szerint vizsgálja felül és hangolja be őket a következő modellezéshez. Addig ismételje a modellépítést és -értékelést, amíg nem hiszi el, hogy megtalálta a legjobb modell(eke)t. Dokumentáljon minden ilyen felülvizsgálatot és értékelést.

5. fázis: Értékelés

Az eredmények értékelése: A korábbi értékelési lépések olyan tényezőkkel foglalkoztak, mint a modell pontossága és általánossága. Ebben a lépésben felméri, hogy a modell milyen mértékben felel meg üzleti céljainak, és meg kell határoznia, hogy van-e valamilyen üzleti oka annak, hogy ez a modell hiányos. Egy másik lehetőség a modell tesztalkalmazásokon való tesztelése a valós alkalmazásban, ha az idő és a költségvetés megengedi. Az értékelési szakasz magában foglalja az Ön által generált egyéb adatbányászati ​​eredmények értékelését is. Az adatbányászati ​​eredmények olyan modelleket tartalmaznak, amelyek szükségszerűen kapcsolódnak az eredeti üzleti célokhoz, és minden olyan megállapítást, amely nem feltétlenül kapcsolódik az eredeti üzleti célokhoz, de további kihívásokat, információkat vagy tippeket is feltárhat a jövőbeli irányokhoz.

Az adatbányászati ​​eredmények értékelése:Foglalja össze az értékelési eredményeket az üzleti siker kritériumaiban, beleértve a végső nyilatkozatot arra vonatkozóan, hogy a projekt megfelel-e már a kezdeti üzleti céloknak.Jóváhagyott modellek:A modellek üzleti sikerkritériumokhoz való értékelése után a kiválasztott kritériumoknak megfelelő generált modellek lesznek a jóváhagyott modellek.

Felülvizsgálati eljárás

Ezen a ponton az eredményül kapott modellek kielégítőnek tűnnek, és kielégítik az üzleti igényeket. Most célszerű alaposabban áttekintenie az adatbányászati ​​tevékenységet, hogy megállapítsa, van-e olyan fontos tényező vagy feladat, amelyet valamilyen módon figyelmen kívül hagytak. Ez az áttekintés a minőségbiztosítási kérdésekre is kitér. Például: helyesen építettük meg a modellt? Csak azokat az attribútumokat használtuk, amelyeket használhatunk, és amelyek rendelkezésre állnak a jövőbeni elemzésekhez?

A folyamat áttekintése:Foglalja össze a folyamat áttekintését, és emelje ki azokat a tevékenységeket, amelyek kimaradtak, és azokat, amelyeket meg kell ismételni.

Határozza meg a következő lépéseket

Most az értékelési eredmények és a folyamat áttekintése alapján döntheti el, hogyan tovább. Befejezi ezt a projektet, és folytatja a telepítést, további iterációkat kezdeményez, vagy új adatbányászati ​​projekteket állít be? Számba kell vennie fennmaradó erőforrásait és költségvetését is, amelyek befolyásolhatják döntéseit.

A lehetséges műveletek listája:Sorolja fel a lehetséges további intézkedéseket, valamint az egyes lehetőségek melletti és ellenző okokat.Döntés:Mutassa be a továbblépésre vonatkozó döntést az indoklással együtt.

6. fázis: Telepítés

Telepítési terv: A telepítési szakaszban figyelembe kell venni az értékelési eredményeket, és meghatározni a telepítési stratégiát. Ha a megfelelő modell(ek) létrehozásához általános eljárást határoztak meg, ezt az eljárást itt dokumentálják későbbi telepítés céljából. Célszerű az üzembe helyezés módjait és eszközeit mérlegelni az üzleti megértés szakaszában, mert a telepítés kulcsfontosságú a projekt sikeréhez. A prediktív elemzés itt segít javítani vállalkozása működési oldalát.

Telepítési terv:Foglalja össze telepítési stratégiáját, beleértve a szükséges lépéseket és azok végrehajtási módját.

Tervezze meg a felügyeletet és a karbantartást

A felügyelet és a karbantartás fontos kérdés, ha az adatbányászat eredménye a mindennapi üzlet és környezet részévé válik. A karbantartási stratégia gondos elkészítése segít elkerülni az adatbányászati ​​eredmények szükségtelenül hosszú ideig tartó helytelen felhasználását. A projektnek részletes monitorozási folyamattervre van szüksége az adatbányászati ​​eredmény(ek) telepítésének nyomon követéséhez. Ez a terv figyelembe veszi a telepítés konkrét típusát.

Felügyeleti és karbantartási terv:Foglalja össze a felügyeleti és karbantartási stratégiát, beleértve a szükséges lépéseket és azok végrehajtásának módját.

Készítsen zárójelentést

A projekt végén zárójelentést fog írni. Ez a jelentés a telepítési tervtől függően lehet csak a projekt és a tapasztalatok összefoglalása (ha azokat még nem dokumentálták folyamatban lévő tevékenységként), vagy lehet az adatbányászat eredményének végleges és átfogó bemutatása.

Zárójelentés:Ez az adatbányászati ​​megbízás végső írásos jelentése. Tartalmazza az összes korábbi szállítmányt, az eredmények összegzését és rendszerezését.Végső előadás:A projekt után gyakran kerül sor egy megbeszélésre, amelyen az eredményeket bemutatják az ügyfélnek.

Tekintse át a projektet

különbség az oroszlán és a tigris között

Mérje fel, mi volt jó és mi rossz, mi volt jól, és mi az, ami javításra szorul.

Tapasztalat dokumentáció:Foglalja össze a projekt során szerzett fontos tapasztalatokat. Ez a dokumentáció tartalmazhat például minden felmerült buktatót, félrevezető megközelítést vagy tippeket a hasonló helyzetekben legmegfelelőbb adatbányászati ​​technikák kiválasztásához. Ideális projekteknél a tapasztalati dokumentáció kiterjed minden olyan jelentésre is, amelyet az egyes projekttagok a projekt korábbi fázisai során írtak.