專業化的研究

任何研究是觀察，以澄清和評價這些性能指標之間有意義的關係和互動對象的屬性。

專業化包括在它們的性質和以某種方式不同在某些方面是相互關聯的對象。 該決定的編程任務開始於學科領域的研究。

專業化 - 這才是真正的世界，這是無限的，同時包含重要和不重要的數據的一部分。 研究者必須能夠分配他們的顯著部分。 例如，解決貸款問題，將被視為對客戶的私人生活的所有相關信息（是否與配偶工作，如果客戶帶來的未成年子女，客戶教育等）。 而為了解決與銀行活動的其他任務，這樣的數據將是相當可觀的。 數據的意義取決於我們選擇的主題區。

在研究過程中，你必須創建一個域模型。 來自不同來源的知識應正規化。 專業化是通過任何手段形式化 裝置。 基金 可以是非常不同的。 這可以是所訪問的或專門的圖形符號的文本描述。 隨著域模型描述了發生在它的過程，以及研究區域的數據進行了研究。

問題的聲明也是我們研究的對象的靜態和動態行為的描述。 說明靜態行為涉及對象及其屬性的特性。 在描述的動態行為特徵的原因行為的對象。

對象的動態行為通常與靜態行為一起描述。

有時域和任務分析相結合一步到位。

確定和分析由數據挖掘所需建模數據的數據要求的步驟。 在這項研究中用戶分佈的問題; 分析系統的特性; 必要的分析數據訪問問題。

當組織有專業分析更容易，更有效的數據倉庫。 然而，並不是所有的企業都有這樣的數據倉庫。 在這種情況下，原始數據的源是可操作的數據庫，參考和歸檔的材料，即，從現有的IS（信息系統）的數據。

可以從外部和內部人士透露，不同的紙質文件，以及專業知識和/或投票的結果EC頭需要更多的信息。

你還必須認識到，在數據準備軟件開發過程中必須描述不亞於影響的過程中可能的因素。 可能有一些編碼數據。 例如，在客戶端的特徵之一 - 收入水平，其可以被定義為：非常低，低，中，高，非常高。 在這種情況下，有必要確定收入的灰度級。

在確定數據適量必須考慮到的數據排序。

在他們是有序的情況下，有必要知道是否包括在一組季節性/週期性成分數據。 當他們不下令，即 從數據庫中的事件設置未鏈接到時間線，然後在收集的過程中必須遵守以下規則：

1）在數據庫中的一個小的數量的記錄可以是建立一個不足模型的原因;

2）模型的精度可通過增加數據的數量來改善;

3）舊的數據被排除在集;

4）用於創建非常大的數據庫模型的算法，應該是能夠放大。