数据挖掘之-DMAIC模型

DMAIC模型是数据挖掘方法的一种，它引入了循环控制的理念，DMAIC模型包括：

• Define定义需求，即把业务问题转化为数据挖掘问题
• Measure 测量数据，即理解、收集并加工数据，做好准备
• Analyze 分析建模 ，即构建模型、评估模型的过程
• Improve 解决问题，即部署模型来解决目标问题

• Control反馈控制，即评估结果重新开始循环，不断改进

  
  DMAIC模型

基于数据挖掘的方法论，回头来理清产品设计的方法论。通常对于互联网产品设计，比较一致的观点是《用户体验要素》里面的五层模型，战略层→范围层→结构层→框架层→表现层。对于数据产品五层查模型理解：

• 战略层，用户需求和产品目标，比如淘宝魔方的目标用户是品牌卖家，那么它到底帮助品牌卖家用户解决什么问题？对于DMAIC来说，相当于解决Define的问题，即数据要实现什么价值。
• 范围层，功能规格和内容需要，比如淘宝魔方有哪些功能，这些功能有哪些指标，每个指标反应哪些问题？对于DMAIC来说，相当于解决Measure和Analyze的问题，即价值表现为哪些数据指标，这些指标的来龙去脉如何。
• 结构层，交互设计和产品架构，比如淘宝魔方的各种指标怎么分类组织，不同维度的相互关系如何？
• 框架层，界面设计和导航设计，比如流失顾客指标是使用图还是用表格?使用什么类型的图？数据筛选器和图表怎么布局？
• 表现层，视觉设计，比如子行业趋势图使用什么颜色分类？宝贝列表是否显示图片？上述三层，对于DMAIC来说，相当于解决Improve的问题，即数据以什么样的形式来展现其价值。
  具体的产品设计过程中不断运用上述模型进行思考迭代，最终才成型完整的产品，对于DMAIC来说，这就是Control的内涵。