Aanpak
CRISP-DM, Cross-Industry Standard Process for Data Mining, is in de late jaren negentig ontwikkeld door een consortium van NCR, SPSS, Daimler-Benz en OHRA en in 2000 gepubliceerd als CRISP-DM 1.0. Het beschrijft een data-scienceproject als een cyclus van zes fasen en is sindsdien de meest gebruikte methodiek in het vak. Twentynext werkt met de tien stappen van IBM’s Foundational Methodology for Data Science, die hierop voortbouwt.
Neem contact op →
Methodiek
De oorspronkelijke CRISP-DM kent zes fasen. In de praktijk werken wij met de tien stappen van IBM’s Foundational Methodology for Data Science: dezelfde zes fasen, aangevuld met vier stappen die CRISP-DM niet als eigen fase benoemt: Analytic Approach, Data Requirements, Data Collection en Feedback. En de pijlen lopen niet alleen vooruit: zes teruglussen horen bij het model. Hieronder staat per fase wat er gebeurt, wat het oplevert en waar het in de praktijk misgaat.
1
stap 1 van 10
Het project begint niet bij de data, maar bij de beslissing die beter moet. We leggen vast welk bedrijfsdoel het project dient, hoe succes meetbaar wordt en wie er straks mee werkt. Wordt deze fase overgeslagen, dan kan het model slagen terwijl er in de organisatie niets verandert.
+ · stap 2–4 van 10 · toevoeging uit de IBM-methodiek
Welke soort analyse past bij de vraag: voorspellen, verklaren, signaleren of optimaliseren. Deze stap staat in het model vóór de dataverkenning, terwijl u vaak pas ná een eerste verkenning weet welke analyse past. Wie dat weet, plant die lus in plaats van hem te ondergaan.
Welke data die analyse nodig heeft: bronnen, formaat, periode en kwaliteit.
Hoe die data binnenkomt, wat er ontbreekt en wat niet gebruikt mag worden. Blijkt tijdens het verzamelen dat de eisen niet kloppen, dan worden ze bijgesteld: de teruglus naar Data Requirements.
2
stap 5 van 10
De eerste confrontatie met de echte data: hoe volledig, hoe actueel en hoe betrouwbaar zijn ze, en betekenen ze wat iedereen aanneemt? In deze fase sneuvelen aannames, en dat is de bedoeling: liever in week drie dan na de livegang. Blijken er data te ontbreken, dan gaat het via de teruglus opnieuw naar Data Collection.
3
stap 6 van 10
Meestal de grootste post van het project: bronnen koppelen, fouten herstellen, kenmerken bouwen en elke bewerking reproduceerbaar vastleggen. Wat hier goed staat, betaalt zich in elke volgende fase terug; wat hier ontbreekt ook, en dan haalt de lus terug naar Data Collection alsnog nieuwe data op.
4
stap 7 van 10
Pas hier wordt er gemodelleerd. We trainen en vergelijken meerdere kandidaten op de maatstaf uit de eerste fase, van eenvoudig naar complex: het eenvoudigste model dat de vraag beantwoordt, wint. Modelleren en voorbereiden wisselen elkaar af: elk tussenresultaat stuurt de datavoorbereiding bij. Het model zelf is in onze projecten zelden het risico; de fasen ervoor en erna zijn dat wel.
5
stap 8 van 10
Twee vragen, in deze volgorde: beantwoordt de oplossing de businessvraag uit fase één, en houden de resultaten stand op data die het model nog niet zag? Hier valt het besluit: naar productie, via de teruglus terug naar Modeling, of stoppen. Ook stoppen is een uitkomst; liever hier dan in beheer.
6
stap 9 van 10
De fase waarin de meeste dataprojecten stranden: van werkend experiment naar een systeem dat in het dagelijkse proces draait, met monitoring, documentatie en een eigenaar. Dit is waar Twentynext op is ingericht: wat wij bouwen, houdt Service & Beheer daarna draaiend. Of uw eigen project die fase haalt, beoordelen we vooraf in de verkenning van onze AI consultancy.
+ · stap 10 van 10 · toevoeging uit de IBM-methodiek
Na de livegang begint het meten pas echt: wordt het gebruikt, kloppen de voorspellingen nog en verschuift de werkelijkheid onder het model? De antwoorden gaan als teruglus naar Modeling: bijstellen, opnieuw uitrollen, en zo veroudert het systeem niet stilletjes.
De volgorde is niet strikt: zodra de bevindingen er aanleiding toe geven, keert u terug naar een eerdere fase. Hoe dat er in de praktijk uitziet, staat in onze cases en projecten.
CRISP-DM beschrijft hoe wij één dataproject uitvoeren. Zoekt u de route waarmee uw héle organisatie op cijfers gaat beslissen, begin dan bij Datagedreven werken. Welke uitbreidingen op CRISP-DM de stappen concreter maken, leest u in Uitbreidingen op CRISP-DM: vier die de stappen concreter maken.
Overzicht
Wat elke fase moet opleveren volgens de oorspronkelijke methodiek, CRISP-DM 1.0. De vier stappen die Twentynext daaraan toevoegt, staan hierboven bij de fasen.
| Fase | Doel | Wat het oplevert volgens CRISP-DM 1.0 |
|---|---|---|
| 1. Business Understanding | Vaststellen welk bedrijfsdoel het project dient en hoe succes meetbaar wordt | Bedrijfsdoelen en succescriteria, situatieanalyse, data-miningdoelen, projectplan |
| 2. Data Understanding | De beschikbare data verzamelen, beschrijven, verkennen en op kwaliteit toetsen | Rapport eerste dataverzameling, databeschrijving, dataverkenning, datakwaliteit |
| 3. Data Preparation | De dataset samenstellen waarop gemodelleerd wordt | Dataset en beschrijving daarvan: selectie, opschoning, afgeleide kenmerken, samenvoeging, formattering |
| 4. Modeling | Technieken kiezen, modellen bouwen en onderling beoordelen | Keuze van modelleertechniek, testopzet, modellen, modelbeoordeling |
| 5. Evaluation | Toetsen of het resultaat de bedrijfsvraag beantwoordt en of het proces deugde | Beoordeling van de resultaten, goedgekeurde modellen, procesreview, lijst met mogelijke vervolgstappen, besluit over inzet |
| 6. Deployment | Het resultaat in gebruik nemen en in gebruik houden | Uitrolplan, monitoring- en onderhoudsplan, eindrapport, projectreview |
De oorspronkelijke publicaties, voor wie de methodiek bij de bron wil nalezen.
Werkblad
Eén A4 met per fase drie vragen die u beantwoordt voordat u verder gaat, en de twee opleveringen waaraan u ziet dat de fase klaar is. Handig als startpunt voor een eigen data- of AI-project, of om een lopend project langs te lopen.
We mailen u de link ook, zodat u het werkblad later terugvindt. Uw gegevens gebruiken we alleen voor dit werkblad en één bericht van ons erover. Zie de privacyverklaring.
CRISP-DM staat voor Cross-Industry Standard Process for Data Mining. De methodiek is in de late jaren negentig ontwikkeld door een consortium van NCR, SPSS, Daimler-Benz en OHRA, in 2000 gepubliceerd als CRISP-DM 1.0 (Chapman e.a., 2000) en is sindsdien de meest gebruikte methodiek voor data-scienceprojecten. Het beschrijft een dataproject als een cyclus in zes fasen, van het begrijpen van de bedrijfsvraag tot het in gebruik nemen van de oplossing.
Business Understanding, Data Understanding, Data Preparation, Modeling, Evaluation en Deployment. De volgorde is niet strikt: zodra de bevindingen er aanleiding toe geven, keert u terug naar een eerdere fase.
Wij volgen IBM’s Foundational Methodology for Data Science, die op CRISP-DM voortbouwt. Vier stappen die bij CRISP-DM binnen de bestaande fasen vallen, krijgen daarin een eigen plek: welke soort analyse het vraagstuk vraagt, welke data daarvoor nodig is, hoe die binnenkomt, en wat er ná oplevering met de uitkomsten gebeurt. Juist die vier bepalen vaak de uitkomst.
Voor complexe dataprojecten van elke omvang. De methodiek begint bij de bedrijfsdoelstelling, eindigt pas bij de implementatie, ondersteunt meerdere iteraties en is niet aan een branche gebonden.
Dan begint de stap Feedback: meten of het systeem wordt gebruikt, of de voorspellingen blijven kloppen en of de werkelijkheid onder het model verschuift. Onze dienst Service & Beheer is daarvoor ingericht: monitoring, onderhoud en doorontwikkeling, zodat het systeem in productie blijft presteren.
Samenwerken
De mensen die het bouwen, beheren het daarna. Sinds 2014 in Eindhoven.
Wij gebruiken Google Tag Manager om bezoek te meten en Leadinfo om te herkennen welk bedrijf onze site bezoekt. Beide laden alleen als u daarmee instemt. Kiest u voor alleen noodzakelijk, dan werkt de site gewoon en meten wij niets. Cookieverklaring · Privacyverklaring
'/%3E%3C/svg%3E){kind=small}
