IBM SPSS MODELER: Příprava dat pro modelování

Program IBM SPSS Modeler (PS CLEMENTINE) je komplexní dataminingový nástroj, který pokrývá celý dataminingový proces od přípravy dat až po aplikaci modelů do praxe. V tomto kurzu se zaměříme především na nástroje určené pro přípravu dat a jejich praktické využití. Kvalitní příprava dat je nutnou podmínkou pro jakékoli analýzy. Chybná nebo nekvalitní příprava má za následek chybné závěry či nevhodné modely. V dataminingové metodologii CRISP-DM je přípravě dat věnována jedna fáze, kterou uživatelé hodnotí jako časově nejnáročnější. V praxi neexistují data, která by nevyžadovala úpravu před analýzou a modelováním. Typické operace ve fázi přípravy dat zahrnují slučování zdrojů, agregování, restrukturalizaci, prosté i sekvenční odvozování atributů, formátování, výběry, doplňování vynechaných hodnot či hledání duplicit. Ačkoli lze mnohé operace zapsat v SQL nebo v nějakém programovacím jazyce, tento přístup je časově náročný, nepřehledný a odvádí pozornost dataminera od cíle projektu.