数据分析：CRISP-DM（跨行业数据挖掘标准流程）
CRISP-DM 模 型， 通 常 将 数 据 挖 掘 的 整 个 过 程 划 分 为 6 个阶段：业务理解（Business Understanding）、 数 据 理 解（Data Understanding）、 数 据 准 备（Data Preparation）、模型搭建（Modeling）、模型评估（Evaluation）和模型部署
业务理解：从业务角度上更好的了解客户的要求和目的，然后将这些业务理解转化为一个明确的数据挖掘问题，制定项目计划并设计初步方案。
数据理解：收集数据是数据理解阶段的头一步，也是整个数据挖掘项目的基础。为了对数据有初步的理解，接下来需要探索数据特征，进行简单的描述统计并核验数据质量。
数据准备：数据准备阶段将对原始数据进行变量选择、数据清洗、数据加工和数据整合以构建数据挖掘数据集。在整个数据挖掘项目过程中，有可能需要多次实施数据准备工作。
模型搭建：对于某类数据挖掘的需求，通常有多种方法和更佳实践可供选择使用。在模型搭建阶段，应根据数据挖掘项目的需求与特点，选择使用多种技术或方式搭建模型。
模型评估：评估备选模型的准确性、稳定性和性能等指标，从备选模型中遴选更佳模型，并回顾模型搭建的各个步骤环节，确保更佳模型与业务目标一致，除此之外还应与客户根据实际业务场景来共同决定如何使用模型的结果。
模型部署：搭建模型并不是数据挖掘的目的，更不是数据挖掘项目的结束标识，模型只是数据挖掘项目的交付物之一。搭建模型的目的在于应用于业务实践，解决业务问题，实现业务目标，这样才能真正实现数据挖掘的商业价值，这些都是在模型部署阶段完成的。
DCMM（数据管理能力成熟度评估模型）贯标评估是一个系统的过程，旨在帮助企业评估和提高其数据管理能力。以下是进行DCMM贯标评估的一般步骤：
1.第三方评估阶段
选择评估机构：选择合适的第三方评估机构进行评估。
现场评估：评估机构将对组织的数据管理能力进行现场审核，包括文档审查、员工访谈等。
评估报告：评估机构将提供详细的评估报告，指出组织的强项和改进点。
2. 改进提升阶段
制定改进计划：根据评估报告，制定针对性的改进措施和实施计划。
实施改进：按照改进计划进行实施，包括完善数据管理流程、提升数据质量等。
跟踪验证：对改进措施的实施效果进行跟踪和验证。
企业通过DCMM评估，其价值和意义主要在以下四个方面：有利于帮助企业更加熟练地管理数据资产，增强数据管理和应用的能力，并提供一致和可比较的基准，以衡量一段时间内的进展。有利于帮助企业理清数据管理能力的长处和不足在哪里，帮助企业确定选择治理的优先顺序、治理范围和内容，更有效地管理和使用数据。有利于帮助企业建立与企业发展战略相匹配的数据管理能力体系，包含组织体系、制度体系、标准体系以及工具和技术体系等。有利于帮助企业建立数据管理和应用的队伍，培养数字化人才，有利于推动数据思维和数据意识的建立。企业开展DCMM评估是为了找到数据管理中的实际问题、不足或优势，DCMM数据管理能力成熟度评估要求，是为了更好的管理和应用好数据，从而为企业的数字化提供更好的支撑。要通过数据管理成熟度的评估，真正发现问题、找到差距、提出改进方案和更佳路径，帮助企业自身实现数字化转型。
DCMM数据管理能力成熟度评估要求-武汉启明认证由武汉启明认证咨询有限公司提供。武汉启明认证咨询有限公司坚持“以人为本”的企业理念，拥有一支高素质的员工队伍，力求提供更好的产品和服务回馈社会，并欢迎广大新老客户光临惠顾，真诚合作、共创美好未来。启明认证——您可信赖的朋友，公司地址：武汉市汉阳区汉阳大道139号汉商银座D705，联系人：吴经理。