השאלה כיצד להתארגן ולהתחיל פרויקט DM עולה בכל פעם מחדש, למרות שכבר כתבו ומלמדים את הנושא בכל קורס.
החשש העיקרי הוא הסיכון שהמערכת היקרה והמושקעת לא תיתן את התפוקות המצופות. פרויקטים רבים התחילו בתקיעת חצוצרה ונגמרו בקול דממה דקה. קשה לטפל במטרה הלא ברורה של DM של מציאת קשרים סמויים או הבאת גילויים חדשים!
מהם אותם גילויים? מהם שווים? ואיך מגיעים אליהם?
הרי חיפוש שיטתי של נושא סמוי (לא מוגדר), הוא דבר שכמעט וסותר את עצמו. איך פותרים את זה?
פתרונות DM נחלצים מהבעיה ע"י הפצצת הנתונים באיטרציות חיפש מרובות, כדי לאתר ביניהן צירוף כלשהו שאולי יניב הארה חדשה insight. אך דרושים לכך משאבים רבים וסבלנות... ומעטים מגיעים לכיסוי ההוצאות של זה. אז מה לעשות?
על פי תפיסת GT data mining, המלצתי היא לא להסתבך בהשקעות כבדות אלא להתחיל מניסוי יישומי, ולדאוג שיהיו בו שני רכיבים הכרחיים:
(א) שיטה לאיתור דפוסי התנהגות בנתונים לא דגומים;
(ב) יכולת למסקנות חדשות.
אחרי הניסוי ההמשך קל יותר.
הממצאים שלו מאפשרים להגדיר מטרות מענינות שלוקחות בחשבון ממצאים אודות תופעות סמויות, ולהציב אינדיקטורים מהירים לפיקוח ולקבלת החלטות בשוטף.
הניסוי המעשי גם מנפה את כל הפתרונות הלא מעשיים, כאלה שיש להם דרישות מוקדמות מופלגות, או שהם דלי תוצאות - שהספקים שלהם לא ירצו את מבחן התוצאה.
במשך שנים רבות מוכרים לנו הבטחות, אפשר כבר להתחיל לדרוש הוכחות, לא?
