数据探索器

想达成这个愿望，必须得说清楚那挤出来的东西到底是什么玩意儿。这是个难题，因为，不知道分析的目的，要解决什么问题。因此，这个结论只能是泛泛的。但有总比没­有好，对于能够针对具体问题得到结论，先搁下不谈。

既然这输出的结果不是完全的解决问题的分析报告，是纯粹从数据得来的，应该可以看作是一种数据探索报告。甚至，数据探索多少还带有目的性的。此处，更有点"数据­剖析"的影子了，让我想起，Teradata的挖掘工具中，有个模块就叫做Profiler。当然也有不同，剖析主要是发现数据质量问题，而此处目的主要分析变­量的分布。所以，正如标题，我给这头牛起了个名字——"数据探索器"，名字土点，其实可以叫做"神牛"（以符合我们公司的"神马"精神），或者叫做"超级奶牛"­。先不谈名字问题，看看她应当如何工作。

让这头奶牛工作的方法是：

1、准备饲料，也就是数据。二维表的形式即可，比如一张数据库表，数据文件，或者excel表格；
2、放点佐料，也就是设定参数，诸如是否抽样，指定表字段（变量）的属性，连续型、离散型，考虑是否可以设定一个目标变量字段；
3、等待...
4、按摩乳房，得到输出，得到一份ppt，或word文件或者excel图表。

工作方式是简单的，重要的当然是参数怎么设定，最后得到的结论包含哪些内容，我想应该能够反映如下信息：

1、 最主要的变量是那些，为什么有些变量是可以不考虑的；能够对变量做值分析，哪些变量太多的空值、太多的零值、几乎都是一样的值、是二元值（是否）。
2、 连续变量离散化，并且能够看单个变量的分布情况。连续的看诸如分箱之类的结果。离散变量可以看看饼图构成。
3、 变量之间的关联，两两之间的关联结果；（这样可能导致很多的图表，也许应该只选取最主要变量进行关联）
4、 如果设定了目标变量，能够自动地得到预测该目标的模型，并展现模型结论。

嗯，要将这最后的得出的结果描述清楚，还不是一件容易的事情，至少现在看来，上面的4条不是非常清楚，慢慢来吧。

前段时间跟几个朋友提到这个想法，有位朋友从实现角度给出建议——spss的clemetine可以干这个事。我想大多挖掘工具都能够支持数据剖析、值分析、频­次分析等功能吧。现在就是要将这些功能组合在一起，用常规的数据探索思路作为胶水，将它们粘在一起。

任何人工的操作（包括思维）理论上都可以被机器代替，为什么现在做数据挖掘挺贵的？因为对人的要求不低，他们的思维还没有被代替，如果有机器代替他们去做数据探­索，他们就得寻找其他体现自己价值的地方。当然，这个价值应该是更高的价值。唉，这可有些悲哀了，大家都被科技赶着跑，保不齐那天就被淘汰出局。人能干的事情，­一点一点都被机器代替了，最后人干啥去呢？按照电影上路子，人是要被机器灭掉的。因为机器开始有了感情，可是我想，如果机器也有了感情，它会不会嫌弃那些枯燥的­工作自己干着没意思呢？于是，又想法子去制造一些机器人的机器人呢？最后，他们又被机器人的机器人灭了。接着，反反复复，出现了机器人的机器人的机器人的...­....无穷匮也！

哈哈，这跟元数据有点像了吧。先是用数据来记录工作里面的事物，便于管理、自动化。人、桌子、订单等等的实体。后来发现这些数据多了，又要管理，又用数据来记录­数据，表、视图、动态SQL，这就成了元数据。等元数据多了，又要管理元数据了，那么是不是该弄出"元元数据"了？从逻辑上是有的，不过这个话题早在去年就讨论­过，曾经有教授研究过。元数据啊，元到第四层，在表达方式上就够了，还没想明白呢。

这个"元"字，我想还是"抽象"的意思，从万物中抽象出共性，就是元。因此，形而上学，研究事物的本质，在外文里面，可不就是metaphysical。在中文­里面，不还有"道"这个东西嘛，" 形而上者谓之道，形而下者谓之器"。"道"这个东西说不出来，能说出来，就不是"道"。

嘿，看我扯到哪儿去了。