2010 Data Miner Survey
HIGHLIGHTS:
- 调查背景与参与者：
- 本次调查在上半年开始，以在线问卷方式进行；总共调查50个题目，其中部分题目为交互式问答
(2009年为40个题目)
(2008年为34个题目)
(2007年为27个题目)
- 来自60个国家地区的735位受访者，参加了2010年的调查
(2009年， 58个国家地区的710位受访者)
(2008年， 44个国家地区的348位受访者)
(2007年， 35个国家地区的314位受访者)
- 领域与目标：受访者来自相当多元化的工作背景；在过去的四年调查中，客户关系管理与营销
(CRM / Marketing)一直都是排名第一的实践领域；更适切地说，「强化对客户的了解」、「留住客户」
以及其他客户关系管理目标，是大多数受访者表达的看法
- 算法：延续过去的调查结果，判定树、回归分析以及集群分析是大多数资料探勘研究人员的
核心工作内容；然而在这次的调查中，我们也发现了受访者已经运用了相当广泛的算法。
今年的调查中，我们第一次提到所谓的「集成模型(Ensemble Model)」，而有22%的受访者正在
使用这项技巧
- 模型：大约有三分之一的受访者，表示他们的最终模型仅包含10个或者更少的变量；
相对之下，有28%的受访者表示他们的模型在建构上，往往会超过45个变数
- 工具：在过去几年的稳步上升后，开源型的数据探勘工具如R，已经成为主流的工具选择
(43%)；此外，STATISTICA同时也在排名上面持续上升，目前已经是资料探勘研究人员的主要工具之一(18%)。
在软件工具的使用行为上，受访者平均使用了4.6个软件工具； STATISTICA、IBM SPSS Modeler与R，
在2009以及2010年获得了最高满意度的排名
- 技术：在本次的调查中，我们发现受访者最常在笔记本计算机或者个人计算机上
面进行数据探勘的分析工作，同时经常性地把数据储存在本机计算机上；我们
也发现，面对不同模型的比较，通常是在兼容的软件环境中进行的。对此，
我们进一步发现，相较于其他软件工具的用户，STATISTICA用户非常喜爱透
过PMML进行模型的部署
- 挑战：如同过去几年的调查结果，「数据来源本身的杂乱」、「如何向他人
解释数据探勘的应用」，以及「数据链路上的困难」仍然是数据探勘研究人
员最大的挑战；在今年的调查中，受访者也分享了从面对到克服这些挑战的
宝贵经验(注，我们将另文摘要说明)
- 未来展望：对于资料探勘在未来的实践上，资料探勘研究人员抱持着相当乐
观的态度，认为目前进行中的工作项目将会带动更多的应用，并且认为这将
是未来的主要趋势首要；但是，我们认为还有很大的提升空间：仅有13%
的受访者认为公司的分析能力「优秀(excellent)」，而且仅有8%的受访者认
为他们掌握的数据质量是「非常好(very strong)」
STATISTICA 10 试用版下载