CRISP-DM

CRISP-DMとは
CRISP-DMのステップ

CRISP-DMとは

CRISP-DMは”CRoss-Industry Standard Process for Data Mining”の略で、直訳すると「データマイニングのための業界横断型標準プロセス」です。

データマイニングはデータサイエンスの部分集合といってよいと思いますが、CRISP-DMはデータサイエンス全般に敷衍できるものと考えられています。

出展：Cross-industry standard process for data mining – Wikipedia

CRISP-DMのステップ

本プロセスは、以下の6つのステップから構成されています。

Business Understanding（ビジネスの理解）

データサイエンスのプロジェクトはまず、ビジネスを理解することからはじまります。データサイエンティストに求められるスキルセットのうち、ビジネス力がもっとも必要とされるステップです。

Business Understanding（ビジネスの理解）とData Understanding（データの理解）の間に、「データの取得」というステップがあります。ここでは、Business Understanding（ビジネスの理解）とData Understanding（データの理解）のどちらかに含まれていると解釈します。

Data Understanding（データの理解）

より予測精度の高いモデルを作るためだけでなく、より説明性の高いモデルを作るためにも、データの理解は重要なステップです。探索的データ分析（EDA）と読み替えてもよいでしょう。

Data Understanding（データの理解）を行うためにも、何らかのデータ整形が必要になる場合がほとんどです。Data Preparation（データの準備）との間に双方向の矢印がないため、Data Understanding（データの理解）に含まれていると解釈します。

Data Preparation（データの準備）

データをモデリング可能な形に加工します。

Data Preparation（データの準備）とModeling（モデリング）の間に、「特徴量抽出」というステップがあります。ここでは、Data Preparation（データの準備）とModeling（モデリング）のどちらかに含まれていると解釈します。

Modeling（モデリング）

データを統計モデルや、機械学習モデル（アルゴリズム）にあてはめます。

Evaluation（評価）

モデルの予測精度を評価します。より広い意味では、ビジネスの目的に合っているかどうかを評価します。

Deployment（展開）

モデルをビジネスの現場に展開（デプロイ）します。

Deployment（展開）の後に、「モニタリング」「再学習」というステップがあります。ここでは、Deployment（展開）に含まれていると解釈します。それらの結果によっては、Business Understanding（ビジネスの理解）からやり直さないといけない場合も出てくるかもしれません。大外の円環が、それを表現していると解釈します。

またCRISP-DMでは明示されていませんが、レポーティングによる意思決定への貢献も、データサイエンスが担う重要な役割のひとつです。下の記事も、併せてご参照ください。