因此 ， 工业数据分析项目进行通常有三种模式：
1）有大量先验知识的课题 ， 首先明确OT的经验和假设 ， 通过数据检验 ， 形成有用的特征 ， 接着数据分析建模进一步定量化；
2）数据驱动的课题 ， 基于统计假设 ， 进行建模 ， 在分析结果或象限解读时 ， 融入OT专家的认知或经验（最好是冲突） ， 进一步提升模型结果；
3）数据驱动的课题 ， 但存在前人的模型 ， 这时候做的是尽快用前人模型在新数据上运行 ， 进行结果解读 ， 再改进模型 。
文章图片
最后需要说明一点 ， 在数据分析项目中 ， 我们欢迎“直觉” ， 更喜欢直觉背后的“研判依据” ， 尽管直觉或研判依据不一定完备或正确 ， 直觉触发了跨领域讨论的可能 ， “研判依据”给出了数据探索的思路 ， 经过数据的检验 ， 和跨领域的推理讨论 ， 不断追寻数据现象背后的要素和关系 ， 形成相对完备和自洽的动力学关系图 。 正如爱因斯坦所云“真正可贵的因素是直觉” 。
推荐阅读
- 区块|面向2030：影响数据存储产业的十大应用（下）：新兴应用
- 选型|数据架构选型必读：2021上半年数据库产品技术解析
- 殊荣|蝉联殊荣！数梦工场荣获DAMA2021数据治理三项大奖
- 国家|2022上海国际热处理、工业炉展览会
- 数据|数智安防时代 东芝硬盘助力智慧安防新赛道
- 平台|数梦工场助力北京市中小企业公共服务平台用数据驱动业务创新
- 数据|中标 | 数梦工场以数字新动能助力科技优鄂
- 建设|数据赋能业务，数梦工场助力湖北省智慧应急“十四五”开局
- 市民|大数据、人工智能带来城市新变化 科技赋能深化文明成效
- 趋势|[转]从“智能湖仓”升级看数据平台架构未来方向