Aufgabe und Daten
Zuerst werden Entscheidung und Daten geprüft. Fehlwerte, Messfehler, Klassenverteilung und Zeitbezüge gehen der Modellierung voraus. Informationen, die bei der Vorhersage nicht verfügbar sind, dürfen das Trainingsergebnis nicht verfälschen.
Entwicklung und Integration
Aufbereitung, Merkmalsbildung und Modellwahl folgen einem gemeinsamen Bewertungsprozess. Ein einfacher Referenzansatz dient zum Vergleich. API- oder Anwendungsintegration braucht Versionen und Ein-/Ausgabeverträge.
Bewertung und Bereitstellung
Aufteilung und Kennzahlen passen zum Datentyp. Zukünftige Information darf Zeitreihentests der Vergangenheit nicht beeinflussen. Datenänderungen und Fehler werden nach Bereitstellung überwacht; Abnahmekriterien folgen einem konkreten Bedarf.