跨行业数据挖掘标准流程
Parse1 业务理解（Business Understanding）
·主要任务是深刻理解业务需求，在此基础上制定数据挖掘的目标和实现目标的初步计划。
（比如两个月内将硅钢纵条纹比率由12.1%降低到1.8%）
Parse2 数据理解（Data Understanding）
·收集数据、熟悉数据、识别数据的质量问题和探索引起兴趣的子集。
（初步确定影响因素，并对数据具体含义、命中目标值、异常、缺失等详细描述《数据收集及质量检验报告》）
Parse3 数据准备阶段（Data Preparation）
·从收集来的数据集选择必要的属性（因素），并按关联关系将他们连接成一个数据集，然后进行数据清洗（空值及异常值处理、离群值剔除，数据标准化等。
一般最好不要轻易删除数据，对于空值、异常值处理、离群值通常采取均值、迭代回归等方法进行补缺或修正处理，尤其在样本数量较少的情况下。
数据标准化方法：‘0均值-1方差法’（高斯分布标注化？）、最大值-最小值法、移动小数点法
Parse4 建模阶段（Modeling）
·选择应用不同的数据挖掘技术，并确定模型最佳的参数。
·如果初步分析发现模型的效果不太满意，需要再跳回到数据准备阶段，甚至数据理解阶段。
不相容数据：
Parse5 模型评估阶段（Evaluatoin）
·主要对建立的模型进行可靠性评估和合理性解释
Parse6 部署阶段（Deployment）
·根据评估后认为合理的模型，制定将其应用于实际工作的策略，形成应用部署报告。
【SAP 系统就是ERP系统，以供应链为主线，包括从销售订单或生产经营计划->生产排程->组织采购->安排生产->销售发货的整个过程，着力于计划流、物流、信息流、资金流的统一运转，通过计划流驱动物流，通过物流驱动资金流的良性循环。】
