CRISP-DM reiškia įvairių pramonės šakų standartinį duomenų gavybos procesą. CRISP-DM metodika suteikia struktūrinį duomenų gavybos projekto planavimo metodą. Tai tvirta ir gerai patikrinta metodika. Mes nepretenduojame į jokias nuosavybės teises. Mes to nesugalvojome. Mes keičiame jos galingą praktiškumą, lankstumą ir naudingumą, kai naudojame analizę verslo problemoms spręsti. Tai auksinė gija, kuri eina per beveik kiekvieną klientų susitikimą.

Šis modelis yra idealizuota įvykių seka. Praktiškai daug užduočių gali būti atliekama skirtinga tvarka, todėl dažnai reikės grįžti prie ankstesnių užduočių ir pakartoti tam tikrus veiksmus. Modelis nesistengia užfiksuoti visų galimų maršrutų per duomenų gavybos procesą.

Kaip CRISP padeda?

CRISP DM pateikia gaires, geriausios praktikos pavyzdžius ir struktūras geresniems ir greitesniems duomenų gavybos rezultatams, taigi, tai padeda verslui vadovautis planuojant ir vykdant duomenų gavybos projektą.

CRISP-DM fazės

CRISP-DM pateikia duomenų gavybos gyvavimo ciklo apžvalgą kaip proceso modelį. Gyvenimo ciklo modelį sudaro šešios fazės, o rodyklės rodo svarbiausias ir dažniausias fazių priklausomybes. Fazių seka nėra griežta. Ir dauguma projektų, jei reikia, juda pirmyn ir atgal tarp etapų. CRISP-DM modelis yra lankstus ir lengvai pritaikomas.

Pvz., jei jūsų organizacija siekia aptikti pinigų plovimą, greičiausiai atsijosite didelius duomenų kiekius neturėdami konkretaus modeliavimo tikslo. Užuot modeliavęs, jūsų darbas bus sutelktas į duomenų tyrimą ir vizualizavimą, kad atskleistumėte įtartinus finansinių duomenų modelius. CRISP-DM leidžia sukurti duomenų gavybos modelį, atitinkantį jūsų poreikius.

Jame aprašomi tipiniai projekto etapai, su kiekvienu etapu susijusios užduotys ir paaiškinamas šių užduočių ryšys.

1 etapas: verslo supratimas

Pirmasis CRISP-DM proceso etapas yra suprasti, ką norite pasiekti verslo požiūriu. Jūsų organizacija gali turėti konkuruojančių tikslų ir apribojimų, kurie turi būti tinkamai subalansuoti. Šiuo proceso etapu siekiama atskleisti svarbius veiksnius, turinčius įtakos projekto rezultatui. Šio žingsnio nepaisymas gali reikšti, kad reikia įdėti daug pastangų, kad būtų pateikti teisingi atsakymai į neteisingus klausimus.

Kokie yra pageidaujami projekto rezultatai?

Nustatyti tikslus:Apibūdinkite savo pagrindinį tikslą iš verslo perspektyvos. Taip pat gali kilti kitų susijusių klausimų, kuriuos norėtumėte paminėti. Pavyzdžiui, jūsų pagrindinis tikslas gali būti išlaikyti esamus klientus numatant, kada jie linkę pereiti pas konkurentą.Sukurti projekto planą:Apibūdinkite planą, kaip pasiekti duomenų gavybos ir verslo tikslus. Plane turėtų būti nurodyti veiksmai, kuriuos reikia atlikti per likusį projekto laiką, įskaitant pradinį įrankių ir metodų pasirinkimą.Verslo sėkmės kriterijai:Čia išdėstysite kriterijus, pagal kuriuos nustatysite, ar projektas buvo sėkmingas verslo požiūriu. Idealiu atveju jie turėtų būti konkretūs ir išmatuojami, pavyzdžiui, sumažinant klientų skaičių iki tam tikro lygio. Tačiau kartais gali prireikti turėti daugiau subjektyvių kriterijų, pavyzdžiui, suteikti naudingų įžvalgų apie santykius.

Įvertinkite esamą situaciją

pašto užsakymo pervežimas

Tai apima išsamesnį faktų apie išteklius, apribojimus, prielaidas ir kitus veiksnius, į kuriuos turėsite atsižvelgti nustatydami duomenų analizės tikslą ir projekto planą, tyrimą.

Išteklių inventorius:Išvardykite projektui prieinamus išteklius, įskaitant:
• Personalas (verslo ekspertai, duomenų ekspertai, techninė pagalba, duomenų gavybos ekspertai)
• Duomenys (fiksuoti išrašai, prieiga prie tiesioginių, sandėliuojamų ar veiklos duomenų)
• Skaičiavimo ištekliai (aparatinės įrangos platformos)
• Programinė įranga (duomenų gavybos įrankiai, kita susijusi programinė įranga)
Reikalavimai, prielaidos ir apribojimai:Išvardykite visus projekto reikalavimus, įskaitant užbaigimo grafiką, reikiamą rezultatų suprantamumą ir kokybę, taip pat visus duomenų saugumo ir teisinius klausimus. Įsitikinkite, kad jums leidžiama naudoti duomenis. Išvardykite projekto prielaidas. Tai gali būti prielaidos apie duomenis, kuriuos galima patikrinti duomenų gavybos metu, bet gali apimti ir nepatikrinamų prielaidų apie verslą, susijusį su projektu. Pastaruosius svarbu išvardyti, jei jie turi įtakos rezultatų pagrįstumui. Išvardykite projekto apribojimus. Tai gali būti išteklių prieinamumo apribojimai, bet gali apimti ir technologinius apribojimus, pvz., duomenų rinkinio, kurį būtų praktiška naudoti modeliuojant, dydį.Rizika ir nenumatytos aplinkybės:Išvardykite rizikas ar įvykius, dėl kurių projektas gali atidėti arba žlugti. Išvardykite atitinkamus nenumatytų atvejų planus, pvz., kokių veiksmų imsitės, jei atsirastų tokia rizika ar įvykiai?Terminija:Sudarykite su projektu susijusių terminų žodynėlį. Paprastai tai sudarys du komponentai:
• Atitinkamos verslo terminijos žodynėlis yra projekto verslo supratimo dalis. Šio žodyno sudarymas yra naudinga „žinių įgijimo“ ir švietimo užduotis.
• Duomenų gavybos terminų žodynėlis iliustruotas su verslo problema susijusiais pavyzdžiais.
Išlaidos ir nauda:Sukurkite projekto kaštų ir naudos analizę, kuri palygina projekto išlaidas su galima nauda verslui, jei jis bus sėkmingas. Šis palyginimas turėtų būti kuo konkretesnis. Pavyzdžiui, finansines priemones turėtumėte naudoti komercinėje situacijoje.

Nustatykite duomenų gavybos tikslus

Verslo tikslas nurodo tikslus verslo terminologijoje. Duomenų gavybos tikslas nurodo projekto tikslus technine prasme. Pavyzdžiui, verslo tikslas gali būti padidinti katalogų pardavimą esamiems klientams. Duomenų gavybos tikslas gali būti nuspėti, kiek valdiklių pirks klientas, atsižvelgdamas į jo pirkinius per pastaruosius trejus metus, demografinę informaciją (amžių, atlyginimą, miestą ir kt.) ir prekės kainą.

Verslo sėkmės kriterijai:Jame aprašomi numatomi projekto rezultatai, leidžiantys pasiekti verslo tikslus.Duomenų gavybos sėkmės kriterijai:Jis apibrėžia sėkmingo projekto rezultato kriterijus. Pavyzdžiui, tam tikras nuspėjimo tikslumo lygis arba polinkis pirkti profilis su tam tikru „pakėlimo“ laipsniu. Kaip ir verslo sėkmės kriterijus, gali prireikti juos apibūdinti subjektyviais terminais, tokiu atveju turėtų būti nustatytas asmuo ar asmenys, priimantys subjektyvų sprendimą.

Sukurti projekto planą

Apibūdinkite numatytą planą duomenų gavybos tikslams ir verslo tikslams pasiekti. Jūsų plane turėtų būti nurodyti veiksmai, kuriuos reikia atlikti per likusį projekto laiką, įskaitant pradinį įrankių ir metodų pasirinkimą.

1. Projekto planas: Išvardykite projekto etapus, kurių trukmė, reikalingi ištekliai, įvestis, išėjimai ir priklausomybės. Jei įmanoma, pabandykite aiškiai išreikšti didelio masto iteracijas duomenų gavybos procese, pavyzdžiui, modeliavimo ir vertinimo fazių kartojimus.

Kaip projekto plano dalį, svarbu išanalizuoti laiko grafikų ir rizikos priklausomybes. Projekto plane aiškiai pažymėkite šių analizių rezultatus, geriausia – nurodykite veiksmus ir rekomendacijas, jei pasireikštų rizika. Nuspręskite, kokia vertinimo strategija bus naudojama vertinimo etape.

Jūsų projekto planas bus dinamiškas dokumentas. Kiekvieno etapo pabaigoje peržiūrėsite pažangą ir pasiekimus bei atitinkamai atnaujinsite projekto planą. Konkretūs šių atnaujinimų peržiūros punktai turėtų būti projekto plano dalis.

2. Pradinis priemonių ir metodų įvertinimas: Pirmojo etapo pabaigoje turėtumėte atlikti pirminį įrankių ir metodų įvertinimą. Pavyzdžiui, pasirenkate duomenų gavybos įrankį, kuris palaiko įvairius metodus įvairiuose proceso etapuose. Svarbu įvertinti priemones ir metodus proceso pradžioje, nes įrankių ir metodų pasirinkimas gali turėti įtakos visam projektui.

2 etapas: duomenų supratimas

Antrasis CRISP-DM proceso etapas reikalauja, kad gautumėte duomenis, išvardytus projekto šaltiniuose. Šis pradinis rinkimas apima duomenų įkėlimą, jei tai būtina norint suprasti duomenis. Pavyzdžiui, jei naudojate konkretų įrankį duomenims suprasti, visiškai prasminga įkelti duomenis į šį įrankį. Jei gausite kelis duomenų šaltinius, turite apsvarstyti, kaip ir kada juos integruosite.

kiek nulių 1 mlrd

Pradinė duomenų rinkimo ataskaita:Išvardykite gautus duomenų šaltinius, jų vietas, gautus būdus ir visas iškilusias problemas. Įrašykite problemas, su kuriomis susidūrėte, ir visus pasiektus sprendimus. Tai padės ateityje pakartoti šį projektą ir vykdyti panašius būsimus projektus.

Apibūdinkite duomenis

Ištirkite gautų duomenų „bendrąsias“ arba „paviršines“ savybes ir praneškite apie rezultatus.

Duomenų aprašo ataskaita:Apibūdinkite gautus duomenis, įskaitant jų formatą, kiekį, laukų tapatybes ir visas kitas aptiktas paviršiaus ypatybes. Įvertinkite, ar gauti duomenys atitinka jūsų reikalavimus.

Naršyti duomenis

Šiame etape spręsite duomenų gavybos klausimus naudodami užklausų, duomenų vizualizavimo ir ataskaitų teikimo būdus. Tai gali būti:

• Pagrindinių atributų paskirstymas
• Ryšiai tarp porų arba nedidelio atributų skaičiaus
• Paprastų agregacijų rezultatai
• Reikšmingų subpopuliacijų savybės
• Paprastos statistinės analizės

Šios analizės gali tiesiogiai pasiekti jūsų duomenų gavybos tikslus. Jie gali prisidėti prie duomenų aprašymo ir kokybės ataskaitų arba juos patobulinti ir įtraukti į transformavimo ir kitus duomenų rengimo veiksmus, reikalingus tolesnei analizei.

Duomenų tyrimo ataskaita:Aprašykite savo duomenų tyrimo rezultatus, įskaitant pirmąsias išvadas arba pradinę hipotezę ir jų poveikį likusiai projekto daliai. Jei reikia, čia galite įtraukti grafikus ir diagramas, kad nurodytumėte duomenų charakteristikas, kurios siūlo toliau tirti įdomius duomenų pogrupius.

Patikrinkite duomenų kokybę

Ištirkite duomenų kokybę, spręsdami tokius klausimus kaip:

• Ar duomenys yra išsamūs, ar jie apima visus reikalingus atvejus?
• Ar tai teisinga, ar jame yra klaidų, o jei yra klaidų, kaip dažnai jos pasitaiko?
• Ar trūksta duomenų reikšmių? Jei taip, kaip jie vaizduojami, kur jie atsiranda ir kaip dažni?

Duomenų kokybės ataskaita

Išvardykite duomenų kokybės patikrinimo rezultatus. Jei kyla kokybės problemų, pasiūlykite galimus sprendimus. Duomenų kokybės problemų sprendimai paprastai labai priklauso nuo duomenų ir verslo žinių.

mašinraščio rodyklės funkcija

3 etapas: duomenų paruošimas

Šiame projekto etape jūs nuspręsite, kokius duomenis naudosite analizei. Kriterijai, kuriuos galite naudoti priimdami šį sprendimą, apima duomenų atitikimą duomenų gavybos tikslams, duomenų kokybę ir techninius apribojimus, pvz., duomenų apimties arba duomenų tipų apribojimus.

Įtraukimo / pašalinimo priežastis:Išvardykite duomenis, kuriuos reikia įtraukti / neįtraukti, ir šių sprendimų priežastis.

Išvalykite duomenis

Ši užduotis apima duomenų kokybės pakėlimą iki tokio lygio, kurio reikalauja jūsų pasirinktos analizės metodai. Tai gali apimti švarių duomenų pogrupių pasirinkimą, tinkamų numatytųjų parametrų įterpimą arba ambicingesnius metodus, pvz., trūkstamų duomenų įvertinimą modeliuojant.

Duomenų valymo ataskaita:Aprašykite, kokių sprendimų ir veiksmų ėmėtės siekdami išspręsti duomenų kokybės problemas. Apsvarstykite bet kokius duomenų transformavimus, padarytus valymo tikslais, ir galimą jų poveikį analizės rezultatams.

Sukurkite reikiamus duomenis

Ši užduotis apima konstruktyvias duomenų paruošimo operacijas, pvz., išvestinių atributų, ištisų naujų įrašų arba esamų atributų transformuotų verčių kūrimą.

Išvestiniai atributai:Tai nauji atributai, sukurti iš vieno ar daugiau esamų atributų tame pačiame įraše. Pavyzdžiui, galite naudoti ilgio ir pločio kintamuosius, kad apskaičiuotumėte naują ploto kintamąjį.Sugeneruoti įrašai:Čia aprašote bet kokių visiškai naujų įrašų kūrimą. Pavyzdžiui, gali reikėti sukurti įrašus apie klientus, kurie per pastaruosius metus nepirko. Nebuvo jokios priežasties neapdorotuose duomenyse turėti tokių įrašų. Vis dėlto gali būti prasminga nurodyti, kad tam tikri klientai aiškiai neįsigijo jokių pirkimų modeliavimo tikslais.

Integruoti duomenis

Šie metodai sujungia informaciją iš kelių duomenų bazių, lentelių ar įrašų, kad sukurtų naujus įrašus ar reikšmes.

Sujungti duomenys:Lentelių sujungimas reiškia dviejų ar daugiau lentelių su skirtinga informacija apie tuos pačius objektus sujungimą. Pavyzdžiui, mažmeninės prekybos tinkle gali būti viena lentelė su informacija apie kiekvienos parduotuvės bendrąsias charakteristikas (pvz., plotas, prekybos centro tipas), kita lentelė su apibendrintais pardavimo duomenimis (pvz., pelnas, pardavimų pokytis procentais nuo praėjusių metų) ir kitas su informacija apie apylinkių demografinius rodiklius. Kiekvienoje iš šių lentelių yra po vieną kiekvienos parduotuvės įrašą. Šios lentelės gali būti sujungtos į naują lentelę su vienu įrašu kiekvienai parduotuvei, sujungiant laukus iš šaltinio lentelių.Suvestiniai:Agregacijos yra operacijos, kurių metu naujos reikšmės apskaičiuojamos apibendrinant informaciją iš kelių įrašų ar lentelių. Pavyzdžiui, konvertuoti klientų pirkinių lentelę, kurioje vienas įrašas kiekvienam pirkiniui, į naują lentelę ir vienas įrašas kiekvienam klientui su tokiais laukais kaip pirkinių skaičius, vidutinė pirkimo suma, užsakymų, apmokestintų kredito kortele, procentas, prekių procentas. reklamuojamas ir pan.

4 etapas: modeliavimas

Pasirinkite modeliavimo techniką: pirmiausia turėsite pasirinkti pagrindinę modeliavimo techniką, kurią naudosite. Nors galbūt jau pasirinkote įrankį verslo supratimo etape, šiame etape pasirinksite konkrečią modeliavimo techniką, pvz., sprendimų medžio kūrimas su C5.0 arba neuroninio tinklo generavimas su atgaliniu sklidimu. Jei taikomi keli metodai, atlikite šią užduotį kiekvienai technikai atskirai.

Modeliavimo technika:Dokumentuokite pagrindinę modeliavimo techniką, kurią reikia naudoti.Modeliavimo prielaidos:Daugelis modeliavimo metodų daro konkrečias prielaidas apie duomenis, pavyzdžiui, kad visi atributai turi vienodą pasiskirstymą, neleidžiamos trūkstamos reikšmės, klasės atributas turi būti simbolinis ir tt Užrašykite visas padarytas prielaidas.

Sukurkite testo dizainą

Prieš kurdami modelį, turite sukurti procedūrą arba mechanizmą, kad patikrintumėte modelio kokybę ir galiojimą. Pavyzdžiui, atliekant prižiūrimas duomenų gavybos užduotis, tokias kaip klasifikavimas, įprasta naudoti klaidų rodiklius kaip duomenų gavybos modelių kokybės priemones. Todėl paprastai duomenų rinkinį atskiriate į traukinių ir bandymų rinkinius, sukuriate modelį traukinio rinkinyje ir įvertinate jo kokybę pagal atskirą bandymų rinkinį.

Bandymo dizainas:Apibūdinkite numatytą modelių mokymo, testavimo ir vertinimo planą. Pagrindinis plano komponentas yra nustatyti, kaip turimą duomenų rinkinį padalyti į mokymo, bandymo ir patvirtinimo duomenų rinkinius.

Sukurti modelį

Paleiskite modeliavimo įrankį paruoštame duomenų rinkinyje, kad sukurtumėte vieną ar daugiau modelių.

Parametrų nustatymai:Naudojant bet kokį modeliavimo įrankį, dažnai yra daug parametrų, kuriuos galima reguliuoti. Išvardykite parametrus, jų reikšmes ir parametrų nustatymų pasirinkimo pagrindimą.Modeliai:Tai modeliai, sukurti naudojant modeliavimo įrankį, o ne modelių ataskaita.Modelių aprašymai:Apibūdinkite gautus modelius, praneškite apie modelių interpretaciją ir dokumentuokite visus sunkumus, iškilusius dėl jų reikšmės.

Įvertinkite modelį

Interpretuokite modelius pagal savo srities žinias, duomenų gavybos sėkmės kriterijus ir norimą testo dizainą. Įvertinkite modeliavimo ir atradimo metodų taikymo sėkmę, o vėliau susisiekite su verslo analitikais ir srities ekspertais, kad aptartumėte duomenų gavybos rezultatus verslo kontekste. Šioje užduotyje atsižvelgiama tik į modelius, o vertinimo etape taip pat atsižvelgiama į visus kitus projekto metu gautus rezultatus.

ilgas į eilutę java

Šiame etape turėtumėte reitinguoti modelius ir įvertinti juos pagal vertinimo kriterijus. Čia, kiek galite, turėtumėte atsižvelgti į verslo tikslus ir sėkmės kriterijus. Daugumoje duomenų gavybos projektų viena technika taikoma daugiau nei vieną kartą, o duomenų gavybos rezultatai generuojami naudojant kelis skirtingus metodus.

Modelio įvertinimas:Apibendrina šios užduoties rezultatus, išvardija sugeneruotų modelių savybes (pvz., pagal tikslumą) ir surūšiuoja jų kokybę.Pataisyti parametrų nustatymai:Atsižvelgdami į modelio įvertinimą, peržiūrėkite juos ir suderinkite juos kitam modeliavimui. Kartokite modelio kūrimą ir vertinimą, kol tvirtai tikėsite, kad radote geriausią (-ius) modelį (-ius). Dokumentuokite visus tokius pataisymus ir vertinimus.

5 etapas: įvertinimas

Įvertinkite savo rezultatus: Ankstesni vertinimo veiksmai buvo susiję su tokiais veiksniais kaip modelio tikslumas ir bendrumas. Atlikdami šį veiksmą įvertinsite, kiek modelis atitinka jūsų verslo tikslus, ir sieksite nustatyti, ar yra kokių nors verslo priežasčių, kodėl šis modelis yra netinkamas. Kita galimybė yra išbandyti modelį bandomojoje programoje realioje programoje, jei tai leidžia laiko ir biudžeto apribojimai. Vertinimo etapas taip pat apima visų kitų sugeneruotų duomenų gavybos rezultatų įvertinimą. Duomenų gavybos rezultatai apima modelius, kurie būtinai yra susiję su pradiniais verslo tikslais ir visomis kitomis išvadomis, kurios nebūtinai yra susijusios su pradiniais verslo tikslais, bet taip pat gali atskleisti papildomų iššūkių, informacijos ar užuominų dėl ateities krypčių.

Duomenų gavybos rezultatų įvertinimas:Apibendrinkite vertinimo rezultatus pagal verslo sėkmės kriterijus, įskaitant galutinį teiginį, ar projektas jau atitinka pradinius verslo tikslus.Patvirtinti modeliai:Įvertinus modelius pagal verslo sėkmės kriterijus, sugeneruoti modeliai, atitinkantys pasirinktus kriterijus, tampa patvirtintais modeliais.

Peržiūros procesas

Šiuo metu gauti modeliai atrodo patenkinami ir patenkina verslo poreikius. Dabar tikslinga atlikti nuodugnesnę duomenų gavybos peržiūrą, kad nustatytumėte, ar yra svarbus veiksnys arba užduotis, kuri buvo kažkaip nepastebėta. Ši apžvalga taip pat apima kokybės užtikrinimo klausimus. Pavyzdžiui: ar teisingai sukūrėme modelį? Ar naudojome tik tuos atributus, kuriuos mums leidžiama naudoti ir kurie yra prieinami būsimoms analizėms?

Proceso apžvalga:Apibendrinkite proceso apžvalgą ir pažymėkite veiklas, kurios buvo praleistos ir kurias reikėtų pakartoti.

Nustatykite tolesnius veiksmus

Dabar jūs nuspręsite, kaip elgtis, atsižvelgdami į vertinimo rezultatus ir proceso peržiūrą. Ar baigiate šį projektą ir pereinate prie diegimo, inicijuojate tolesnes iteracijas ar nustatote naujus duomenų gavybos projektus? Taip pat turėtumėte įvertinti likusius išteklius ir biudžetą, kurie gali turėti įtakos jūsų sprendimams.

Galimų veiksmų sąrašas:Išvardykite galimus tolesnius veiksmus ir priežastis už ir prieš kiekvieną variantą.Sprendimas:Aprašykite sprendimą, kaip elgtis, kartu su pagrindimu.

6 etapas: diegimas

Suplanuokite diegimą: diegimo etape atsižvelgsite į vertinimo rezultatus ir nustatysite jų diegimo strategiją. Jei buvo nustatyta bendra atitinkamo (-ų) modelio (-ių) kūrimo procedūra, ši procedūra dokumentuojama čia, kad ją būtų galima įdiegti vėliau. Tikslinga apsvarstyti diegimo būdus ir priemones verslo supratimo etape, nes diegimas yra labai svarbus projekto sėkmei. Čia nuspėjamoji analizė padeda pagerinti jūsų verslo veiklą.

Diegimo planas:Apibendrinkite savo diegimo strategiją, įskaitant būtinus veiksmus ir kaip juos atlikti.

Planuoti stebėjimą ir priežiūrą

Stebėjimas ir priežiūra yra svarbūs klausimai, jei duomenų gavybos rezultatas tampa kasdienio verslo ir jo aplinkos dalimi. Kruopštus priežiūros strategijos parengimas padeda išvengti bereikalingai ilgų netinkamo duomenų gavybos rezultatų panaudojimo laikotarpių. Projektui reikalingas išsamus stebėjimo proceso planas, kad būtų galima stebėti duomenų gavybos rezultato (-ų) diegimą. Šiame plane atsižvelgiama į konkretų diegimo tipą.

Stebėjimo ir priežiūros planas:Apibendrinkite stebėjimo ir priežiūros strategiją, įskaitant būtinus veiksmus ir kaip juos atlikti.

Parengti galutinę ataskaitą

Projekto pabaigoje parašysite galutinę ataskaitą. Atsižvelgiant į diegimo planą, ši ataskaita gali būti tik projekto ir jo patirties santrauka (jei ji dar nebuvo dokumentuota kaip vykdoma veikla), arba tai gali būti galutinis ir išsamus duomenų gavybos rezultato pristatymas.

Galutinė ataskaita:Tai yra galutinė rašytinė duomenų gavybos užduoties ataskaita. Tai apima visus ankstesnius rezultatus, rezultatų apibendrinimą ir išdėstymą.Galutinis pristatymas:Po projekto dažnai vyksta susitikimas, kurio metu rezultatai pristatomi klientui.

Peržiūrėkite projektą

kokie mano kompiuterio ekrano matmenys

Įvertinkite, kas buvo gerai ir kas ne taip, kas buvo padaryta gerai ir ką reikia tobulinti.

Patirties dokumentai:Apibendrinkite svarbią projekto metu įgytą patirtį. Pavyzdžiui, šioje dokumentacijoje gali būti bet kokių spąstų, su kuriais susidūrėte, klaidinančių metodų arba patarimų, kaip pasirinkti tinkamiausius duomenų gavybos metodus panašiose situacijose. Idealiuose projektuose patirties dokumentacija taip pat apima visas ataskaitas, kurias atskiri projekto nariai parašė ankstesniuose projekto etapuose.