中国IDC圈6月14日报道，建模无疑是大数据里面最艺术的部分，也是最令大数据从业者痴迷、得意的领域，一个好的模型就是一篇作品，是一首诗，令人心旷神怡。建模、模型并不是什么新鲜事物，它们早已出现在很多场合，譬如“产品模型”、“推荐模型”、“营销模型”、“挖掘模型”等等。但，它们有什么不同？
建模的幻影有千万种，有些人做过，有些人没做过，我们该如何看待？建模是不是需具备很多专业知识，非专业人士无法掌握？小白杨的所思所想，都在下面的文字。
一、建模并不神秘：让数据产生新的数据
一些建模的观点已在前面的道与法两篇体现，归纳如下：
建模的本质就是让数据产生新的数据。 人类、智能体的认知、行动需要用到不同的数据（Know->行动），如果这个数据没有被直接掌握，那就要基于已知的事实数据推测，这个过程就是“建模”，得到的结果就是一个新的“数据”。
建模就是在做侦探， 都是利用已掌握的大量的、不完整的、不一定可信的事实数据推导还原事实的全部。几乎所有的领域都涉及建模。
模型分三大类，但万变不离其宗。
第一类，利用已知的事实数据计算推测相关联的其它事实数据，譬如应用人的属性、行为数据推测它的消费需求；
第二类，利用已知的事实数据计算推测规律性的数据，譬如基于历史的购买记录分析商品的销售趋势、细分比较等；
第三类，利用已知的细节事实数据组合建立对事实全局的认识（数据），譬如从生效时间、适用区域及客户群、定价等维度建立产品模型，其实就是综合这些细节数据形成了一个“产品”的“数据”。
对“新”的数据的认识不要拘泥于一定要和以前的数据不一样，多个数据组合形成新的含义也是一种新的数据。
数据是人类对世界的观测，把客观世界抽样、采集到数字世界里面，建模就是要在数字世界里面把客观事实还原回来、预测它的发展。有趣的是，在数字世界里面，可以打破客观物质的当前认知局限，任意交叉组合，从而有无限创新的可能。
总结一下，建模本质就是对已知数据的组合、简单或者复杂的计算处理，最终转换成一个新的数据，从而影响行动。
不同类型建模差别很大，接下来我们将聚焦到数据营销领域来探讨，部分观点不具备普适性。
二、建模的六大误区
误区一：会用工具等于会建模？ 数据挖掘 大多遵循CRISP-DM流程，弄来很多的数据维度（有甚者上百种），选取某一种算法，找来训练集训练出一堆莫名其妙的规则，输出的目标用户特征谁也说不清楚，只能告诉你支持度、置信度多少。这个过程本来是没有问题的，前提条件是有明确的挖掘方向。但是很多人都错把业务目标当挖掘方向了。
真正的建模应该从业务目标开始，先基于业务目标理解客户分解挖掘方向（特征明显的群体），再找数据用算法关联推导。懂工具能很好的完成挖掘方向到目标结果的过程，但业务目标到挖掘方向这个过程就不是只掌握工具就能够胜任的了。锐的洞察挖掘方向、正确的数据选取是建摸的核心能力，比掌握工具更加重要！
误区二：建模不与实际销售场景相结合！ 某央企（莫乱猜）各省公司大数据成功案例满天飞，模型成功率动辄30-40%。笔者看到的时候自惭形愧，也一直很纳闷，做了这么多年精准营销，大部分模型的营销成功率都是几个百分点，两位数以上的凤毛麟角，怎么别人的水平都已经赶超美帝了！后来终于搞明白，原来他们的目标客户在各种渠道成功下单都算，不管是否施加了营销动作，而我们只统计针对目标用户采取营销动作的直接转化下单。他们得意于挖出目标用户的精准，其实，这些模型的高成功率只能说明这批用户自然转化率高，找出这些用户并无实质意义，因为不施加任何动作用户就已经购买了，挖它出来干嘛？