Analizy Data Mining

Diagram zależności, opisy szkoleń i kalendarz z cennikiem

Diagram SAS Enterprise Intelligence Platform przedstawia poszczególne komponenty architektury SAS 9 w układzie blokowym wraz z zależnościami pomiędzy nimi. Bloki w diagramie ilustrują podział od strony koncepcyjnej na: dostęp i przetwarzanie danych, składowanie przetworzonych danych w optymalnych formatach oraz realizację dowolnie zaawansowanych zadań raportowych i analitycznych. Podstawa diagramu symbolizuje integrację zarówno w warstwie wykorzystywanych technologii jak i metadanych.

Tradycyjne podejście do analizy danych może być analogią do kierowcy samochodu patrzącego w lusterko wsteczne. Klasyczne metody statystyczne pozwalają na wyciąganie wniosków na podstawie przetwarzania informacji pochodzących z danych historycznych lub bieżących. Trudności pojawiają się przy próbie przewidzenia i interpretacji zjawisk przyszłych.

Zastosowanie technik Data Mining jest krokiem milowym pod kątem możliwości przewidywania lub planowania zjawisk przyszłych na podstawie istniejącej informacji. Dzięki wykorzystaniu możliwości Data Mining możliwa jest budowa modeli predykcyjnych, które z uwzględnieniem specyfiki danego sektora rynku potrafią dostarczyć wiedzę niezbędną w optymalizacji i dopasowaniu do potrzeb odbiorcy planowanych działań i akcji (handlowych, marketingowych itp.). Coraz większa konkurencja na rynku oraz walka o klienta zmuszają firmy do implementacji warstwy analitycznej w systemach klasy CRM, dzięki której bazując na danych opisujących klienta można zaplanować akcje wyprzedzające działania klienta jednocześnie uwzględniające jego preferencje i oczekiwania. Natomiast dzięki możliwościom oceny skuteczności budowanych modeli możliwe jest ich ciągłe uczenie i doskonalenie (np.: uwzględniając zmianę oczekiwań klienta w skali czasu, segmentacja oczekiwań klientów itp.).

Techniki Data Mining mogą być zatem analogią do kierowcy samochodu, który zbliżając się do zakrętu wie z jaką prędkością go pokonać i co napotka na drodze po jego pokonaniu.

W ramach ścieżki szkoleń z analiz Data Mining prezentowane są między innymi następujące zagadnienia:

• modele predykcyjne: drzewa decyzyjne, sieci neuronowe, regresja,
• badanie topologii sieci neuronowej i przycinanie drzew decyzyjnych,
• analiza asocjacji i dysocjacji (analiza koszykowa),
• descriptive modelling (analizy segmentacyjne),
• cross-selling, up-selling, cross-validation,
• churn,
• fraud detection (analiza nadużyć),
• credit scoring,
• modele dwustopniowe,
• badanie adekwatności modelu,
• oversampling, overfitting, surrogate splits,
• wykorzystanie Data Mining w interakcji z klientem,
• systemy CRM: relacja pomiędzy oCRM i aCRM,
• aCRM: stosowane techniki raportowania i analiz,
• cykl życia klienta: optymalizacja czy maksymalizacja,
• zarządzanie lojalnością,
• automatyzacja i optymalizacja procesów marketingu bezpośredniego,
• koncepcja LTV (Live Time Value),