| Tudni szeretnénk, hogy melyik ügyfelünk milyen
terméket és mikor akar vásárolni, vagy szeretnénk úgy megállapítani
az árakat, hogy figyelembe vegye az ügyfelek árérzékenységét? Az
is hasznos információ volna számunkra, hogy idejében megtudjuk:
melyik ügyfelünk készül elhagyni bennünket, s mit kell tennünk ennek
megakadályozása érdekében? Ezeknek a kérdéseknek a megválaszolására
olyan hatékony adatbányászati megoldásra van szükség, amely képes
kinyerni a tudást nagy mennyiségű adatból, illetve amelynek révén
korábban ismeretlen összefüggéseket fedezhetünk fel, s így vállalatszerte
jobb döntéseket hozhatunk.
 |
Újdonságok
az Enterprise Miner 5.1 verziójában |
|
 |
 |
| - Java alapú
|
| - Új interfészek |
| - Interaktív
lekérdezések, grafikonok |
| - Párhuzamos
futtatás |
| - XML-exportálási
lehetőség |
| - Modell-eredménycsomagok
létrehozása |
- Új node-ok:
| Rule
Induction - ritka események
hatékony becslésére használható; |
| Autoneural
- az optimális NN architektúra
automatikus keresése; |
| Dmine
Regression - Proc Dmine
segítségével; |
| Principal
Component - kategorizálás,
csoportokösszevonása, kereszthatások
beépítése; |
| StatExplore
- egy- és többváltozós leíró statisztikák
és grafikonok; |
| Merge
- adatállományok egyszerű összefűzése; |
| Drop
Variables - felesleges
változók kiejtése. |
|
|
 |
 |
|
|
|
Sajnos, sokszor előfordulhat, hogy az adatbányászati folyamat nem
kellően hatékony, mivel a piacon lévő legtöbb termék nem integrálható,
nem skálázható, illetve csak bizonyos problémák megoldására korlátozódik.
Ennek folyományaként a mennyiségi elemzők értékes időt töltenek
a hozzáféréssel a szétszórt adatokhoz, az adatok előkészítésével
és manipulálásával, ahelyett, hogy modelleznék ezeket az adatokat,
továbbá üzleti problémákat oldanának meg szaktudásukkal. A mai szervezetek
olyan hatékony, többcélú megoldást követelnek, amely a vállalat
egészére kiterjedő együttműködést tesz lehetővé az adatbányászati
projektekben, továbbá különféle igények szerint alakítható.
A SAS Enterprise Miner hatékony
elemzést végez hatalmas mennyiségű adatban, így bőséggel marad idő
pontos előrejelzési és leíró modellek kidolgozására, valamint ezek
megosztására a különböző felhasználók között.
A SAS-szoftver számos előnnyel bír:
 |
Az adatbányászati folyamatot egy sor eszközkészlet
segíti. Figyelembe véve a lehetséges adatbányászati
igényeket, a SAS olyan rugalmas szoftvert kínál, amely minden
szükséges lépést támogat ahhoz, hogy az üzleti problémákat egyetlen,
integrált megoldással lehessen kezelni. Amellett, hogy a nyers
adathalmazból kiindulva eljut a pontos, üzletifolyamat-központú
adatbányászati modellekig, még integrált, kollaboratív környezetet
is teremt. |
 |
Könnyen használható grafikus felület segíti az üzleti
elemzőket és a statisztikusokat több modell hatékony felépítésében.
A SAS Enterprise Miner folyamatdiagramja által biztosított környezet
feleslegessé teszi a kézi kódolást, s nagymértékben csökkenti
a modellek létrehozásának idejét mind az üzleti elemzők, mind
a statisztikusok számára. |
 |
Könnyebbé teszi megbízható üzleti információk elérését.
A SAS adatbányászati szoftvere számos olyan integrált eszközzel
rendelkezik, amelyekkel különböző statisztikai és üzleti modellezési
technikák eredményeit lehet összehasonlítani, egyetlen, könnyen
interpretálható keretben. A modellezések eredményeit aztán könnyedén
meg lehet osztani az érdekelt vállalati felhasználók között
a szoftver által kínált modellmenedzsment-rendszer segítségével. |
 |
Páratlan könnyedséggel lehet teríteni a modelleket
a vállalat minden részében. A scoring az a folyamat,
amellyel az új adatokhoz rendelünk egy modellt; ez egyben az
adatbányászat végeredménye is. A SAS Enterprise Miner automatizálja
a modell-scoring ismétlődő folyamatát, továbbá teljes scoring-kódot
szolgáltat a modellfejlesztés minden fázisához. |
|