雖然數據採礦載入巨集可讓您相當輕鬆且有趣地建立和實驗模型，但當您需要取得可重複、可採取動作的結果時，您必須有足夠的時間來制定基本商務需求，以及取得和準備數據。 本節提供檢查清單來協助您規劃調查，並描述常見問題。
數據準備檢查清單
我已識別出已明確定義的輸出。
規劃如何使用結果。 不同類型的模型有不同的輸出。 時間序列模型會在未來產生數列的值，這些值很容易理解並採取行動。 其他模型會產生複雜集合，必須由主題專家分析，以產生最大價值。
您要哪些輸出？
您可以將輸出定義為單一數據行或值，或其他可採取動作的結果嗎？
您知道模型很有用的準則為何？
您將如何使用和解譯這些結果？
您可以將新的輸入資料對應至預期的結果嗎？
我知道輸入數據的意義、數據類型和分佈。
請花一些時間探索並瞭解源數據。 請務必檢閱模型的人員瞭解使用了何種輸入數據，並知道如何解譯數據類型和變異性，以及平衡和品質。
您有多少數據？ 模型化是否有足夠的數據？
不需要很大的量——更小且平衡的可能會更好。
來自多個來源或單一來源的數據嗎？
數據是否已處理及清除？ 是否有更多輸入數據可供使用？
您知道在收到資料之前，它如何被操控 -- 資料可能怎樣被截斷、摘要或轉換？
輸入數據是否有一些可用於定型的範例結果？
我瞭解我們所擁有的數據完整性層級，以及我們需要的層級。
不正確的數據可能會影響模型的品質，或防止模型完全建置。 您應該充分了解數據的分佈和意義，以及它如何進入這個狀態。 您必須瞭解是否可以或適當地透過標記、截斷數值數據類型或摘要來簡化數據。
數據標籤：它們是否清楚且正確？
數據類型：它們是否合適，而且是否已變更？
您是否已排序、清除或捨棄錯誤的數據？
您是否已確認沒有重複專案？
如何處理遺漏的值？ 遺漏的值是否具有意義？
您是否已驗證來源，以查看匯入程式中是否可能匯入任何錯誤？
輸入儲存在哪裡？ 保留多久時間？
是否有數據字典？ 您可以建立一個嗎？
如果您合併資料集，是否檢查有多個欄表示相同資料？
我知道儲存源數據的位置、來源，以及其處理方式。 如有需要，可以輕鬆地重複此程式。
一次性數據集適用於實驗，但如果您想要將模型投入使用，您可以提前考慮如何將清理過程套用至操作數據。 此外，如果您有操作數據，您需要知道它可能在得到之前如何被變更——您需要知道它如何被四捨五入或總結，這是肯定的。
您要能夠重複實驗嗎？
您將使用哪些工具來準備支援資料分析的格式資料？ 它可以自動化，或您需要有人在 Excel 中檢閱和清除嗎？
如果您要從另一個系統採購數據，您是否能夠擷取和追蹤已套用的篩選？
數據處理架構也可以套用機器學習演算法、執行測試，以及將結果可視化嗎？
我們已就預期預測的數據粒度達成一致，而我們的數據已修改為輸出這些單位。
在準備數據之前，請確定您希望結果的詳細程度，例如，您是希望獲得每日的銷售預測，還是每季度的銷售預測？ 您可以考慮為相同的數據設定不同的數據結構，以處理不同層級的摘要。
目前測量單位或時間單位為何？
您想要在結果中使用的單位為何？
是否可以定義所有輸入資料的基本單位（例如日/小時/分鐘/指令呼叫？
您要合併至更高層級的單位嗎？
類別是否一致地標示？ 新增或移除類別是否容易？
我們的實驗設計是可重複且可重現的。
請考慮分析及驗證結果的策略，並規劃擷取數據快照集，以確保您可以追蹤數據的效果。 如果使用隨機種子，結果可能會稍有不同。 這會使比較和驗證模型變得困難。
如果您對數據進行許多自定義變更，下次您想要建置模型時會發生什麼事？
是否已定義手動程式或核准的程式，您應該用來處理輸入並取得所需的輸出？
您決定要為模型使用種子了嗎？
我們有領域知識來驗證結果，或能夠存取可建議的主題專家。
花時間來驗證變數、模型和結果。 取得專家的協助，以評估互動和結果。 不過，不要讓假設推翻證據。 對新的和意想不到的發現開放。
領域知識是否有助於篩選數據並減少輸入雜訊？
領域專家能否協助瞭解解譯結果並建議改進功能？