19、数据挖掘与分类分析：挑战、成功与探索之旅

数据挖掘与分类分析：挑战、成功与探索之旅

数据挖掘领域的挑战与成功要素

在数据挖掘领域，优秀的分析师可谓是一将难求。那些具有敏锐直觉，尤其是具备专业领域知识的数据挖掘者更是凤毛麟角。在公共安全和国家安全的实际运作环境中，数据分析往往得不到应有的重视。很多时候，分析岗位只是作为行政人员职业晋升的一种途径，或者由被安排“轻量工作”的运营人员担任，这充分体现出这些岗位的价值未得到充分认可。尽管有一些专门专注于分析的机构，如美国国家安全局（NSA）和中央情报局（CIA），但那些承担运营和执法任务的机构常常低估分析的价值。而且，在许多情况下，组织和结构上的障碍限制了分析与运营之间的直接互动，进而影响了分析在决策中所能发挥的作用。

有一本非常有价值的书，它为这个领域带来了很多启示，那就是Tom Davenport的《Competing on Analytics》。这本书中的很多概念被提炼成了DELTA模型，该模型涵盖了数据（data）、企业（enterprise）、领导力（leadership）、目标（targets）和分析师（analysts）这几个关键要素。

回顾在里士满警察局的工作经历，我们取得成功离不开几个关键要素。
- 领导力 ：我曾与Jerry Oliver上校共事并为他工作。他对创新的执着营造了一个有利于成功的环境，充分激发了员工的潜力，推动了各项工作的顺利开展。
- 企业层面 ：警局的许多指挥人员都在攻读研究生学位，这虽然有时会让犯罪现场的氛围略显荒诞，比如在面对死去的毒贩时，有人还会询问名义数据、分类数据和区间数据的区别。但从另一个角度看，这极大地扩充了我们的研究团队，提升了整个