最近，对数据挖掘和分析的常用方法进行了梳理，并简要介绍了六种模型。
1.CRISP-DM模型
CRISP-DM是数据挖掘跨行业标准流程的缩写。CRISP-DM是20世纪90年代中后期由一个欧洲财团(称为SIG组织)提出的。Crisp-DM是开放数据挖掘项目的一套标准化方法，也是业界普遍接受的数据挖掘和分析的方法论。
2.SEMMA模型
SEMMA是示例、探索、修改、建模和评估的缩写。它是由SAS研究所开发的一种非常著名的数据挖掘和分析方法。SEMMA的基本思想是从样本数据入手，通过统计分析和可视化技术发现和转化最有价值的预测变量，根据变量构建模型，并检查模型的可用性和准确性。
3.DMAIC方法
六适马(6适马)是一种基于数据、追求“零缺陷”的质量管理方法。六适马在商业中的应用是DMAIC，它包括五个步骤：定义、测量、分析、改进和控制。DMAIC方法已经成功地应用于商业领域和环境中，它也可以在数据挖掘项目中找到一席之地。
4.AOSP-SM模型
AOSP-SM是面向应用的智能采矿标准流程的首字母缩略词，中文翻译为“面向应用的敏捷采矿标准流程”。它是基于SMARTBI总结的跨行业数据挖掘流程标准(CRISP-DM)和SAS数据挖掘方法(SEMMA)来指导数据挖掘的面向应用的方法。
5、5A型号
SPSS公司(后被IBM收购)曾提出5A模型，即数据挖掘过程分为五个A:评估、访问、分析、行动、自动化，分别对应需求评估、数据访问、完整分析、模型演示、结果展示五个阶段。
6.数据挖掘和分析的七步法
“七步法”分为七个步骤，即业务理解、数据获取、数据探索、模型构建、模型评估、策略输出和应用部署。“七步法”着眼于从乙方角度完成数据挖掘及其应用的闭环
作者：jesse huang76分享数据产品设计经验，记录数据跨界运营的经验和感悟。连接数据，创新价值！