1、 模型建立：创建测试数据集，学习数据集，和生产数据集。 运行模型，修正参数，测试模型的可用性，和对运行环境的要求 沟通结果：评判是否达到第一阶段的目标，是否满足业主的要求，是否可以上线运行。 实施：在生产环境部署和实施一个试点项目，应用项目模型。

4、 数据采集阶段：在这一阶段，企业开始认识到数据的重要性，并着手搜集各类数据以备后续分析之用。 由于当时数据量相对较小，处理起来较为简单，因此这一阶段的技术要求并不高。 数据存储与处理阶段：随着数据量的不断增加，企业面临着构建大规模数据处理和存储基础设施的挑战。

2、 阶段五：向数据科学家进阶 数据挖掘是数据分析的进阶，它还有一个更为人所知的名字：机器学习，人工智能只是机器学习里的一个分支。 在这个阶段，你不仅需要从业务的角度去理解数据，还要通过算法来挖掘数据背后隐藏的关系。 机器学习的算法非常非常多，平常人终其一生都可能无法学透。