10:10 - 10:50

Podejście ABT w przygotowaniu dużych zbiorów danych do modelowania
Kamil Stupak, SKN Business Analytics

"Oto każdy, kto słucha moich słów i wykonuje je, podobny się stanie do analityka mądrego, który model swój zbudował na abetce"
Jedna z popularnych teorii krążących w środowisku data miningowym głosi, iż odpowiednie przygotowanie danych nie tylko zajmuje około 80% czasu analityka, lecz także przekłada się na 80% finalnego sukcesu modelu. Teza ta jest tym prawdziwsza, im większe i bardziej nieuporządkowane są zastane dane źródłowe; innymi słowy, im bardziej wkraczamy w świat Big Data. Najpopularniejszym obecnie podejściem do tego trudnego tematu jest koncepcja ABT - Analytical Base Table. Pod tą nieco enigmatyczną nazwą kryje się jeden potężny agregat danych, będący odzwierciedleniem możliwie pełnej i dokładnej wiedzy o analizowanym zjawisku. W ramach prezentacji omówiona zostanie metodologia tworzenia tabeli ABT, ze szczególnym uwzględnieniem wypracowanych przez lata "best practices".

10:50 - 11:30

Regularyzacja jako metoda doboru zmiennych objaśniających do modelu statystycznego.
Wojtek Skwirz, SKN Business Analytics

Era Big Data to klęska urodzaju. Przedsiębiorstwa gromadzą petabajty danych, by na ich podstawie podejmować decyzje biznesowe. Jednakże od danych do decyzji wiedzie długa droga. Surowe informacje muszą zostać umiejętnie przetworzone, by prowadzić do konkretnych wniosków. Statystyk stoi przed zadaniem wybrania do modelu jedynie kilku najważniejszych predyktorów. Jak zrobić to efektywnie? Tematem prezentacji są metody doboru zmiennych objaśniających do modeli statystycznych na przykładzie detalicznego ryzyka kredytowego. Zarówno ze strony teoretycznej, jak i praktycznej pokazano techniki regularyzacyjne jako alternatywę dla algorytmu podziału i ograniczeń.

11:30 - 12:00

Przerwa kawowa

12:00 - 12:50

Analityka w realiach FMCG. Modelowanie popytu w Nestlé Polska S.A
Agata Sady, Nestle Polska S.A.

Analityka w praktycznym wydaniu. Realia biznesowe wymagają wykorzystywania coraz większej ilości danych, przy jednoczesnym pragmatycznym i intuicyjnym podejściu. Analityka w praktycznym wydaniu. Realia biznesowe wymagają wykorzystywania coraz większej ilości danych, przy jednoczesnym pragmatycznym i intuicyjnym podejściu. Nestlé Polska S.A. od ponad dwóch lat wykorzystuje rozwiązania analityczne w celu optymalizacji procesów biznesowych i operacyjnych. Wystąpienie będzie podsumowaniem metod modelowania popytu wykorzystywanych w codziennej działalności firmy.

12:50 - 13:30

Jak skutecznie prezentować milionowe korzyści z Advanced Analytics? – Zastosowania modeli predykcyjnych
Dr Karol Przanowski, Szkoła Główna Handlowa w Warszawie

Czy możliwe jest wykazanie przydatności zaawansowanej analizy danych zanim jeszcze wykona się projekt PoC? Czy idąc do potencjalnego klienta możemy przygotować prezentację, w której będą argumenty biznesowe i przede wszystkim finansowe?
Podczas prezentacji zostanie zaproponowana metoda tworzenia prostych case-study w arkuszu kalkulacyjnym, w którym model predykcyjny sprowadzony jest do prostej segmentacji klientów na 20 grup. Każda grupa reprezentuje inny profil klientów mierzony jakąś biznesowo interpretowaną statystyką typu: bad rate, response rate. Tak przygotowany arkusz pozwala wyliczać korzyści z wdrożenia modelu i polepszenia jego mocy predykcyjnej. Prezentacja ma na celu nie tylko pokazanie gotowych rozwiązań, ale także zaproponowanie studentom by rozwijali tego typu narzędzia. Chodzi o stworzenie bazy wielu studiów przypadków reprezentujących prawie wszystkie dziś stosowane procesy biznesowe, w których użyteczne jest, lub może być, stosowanie modeli predykcyjnych. Mamy nadzieję, że konferencje MDB będą owocowały kolejnymi prezentacjami z różnych ciekawych innych przykładów robionych już samodzielnie przez studentów.

13:30 - 14:15

Lunch

14:15 - 14:55

Modelowanie atrybucji w e-commerce
Łukasz Siemaszko, SKN Business Analytics

Codziennie bombardowani jesteśmy przez formaty reklamowe - nasze skrzynki mailowe zapychają newslettery z promocjami, ulubione portale zapełnione są banerami, zachęcającymi do skorzystania z "ostatnich minut promocji". Na ile różne formy marketingowe wpływają na nasze zachowania zakupowe? Jak ocenić, w które reklamy warto przeznaczyć więcej budżetu, a z których zrezygnować? I w końcu - jaka powinna być optymalna ścieżka interakcji konsumenta z reklamami w Internecie? Choć modelowanie atrybucji to stosunkowo młoda dziedzina w analityce internetowej, to dynamicznie zyskująca na znaczeniu - pozwala bowiem odpowiedzieć na pytanie, jak maksymalizować skłonność klienta do zakupu przy danym budżecie. Podczas prezentacji - oprócz wprowadzenie do tematu atrybucji - zostanie zaprezentowana autorska metoda modelowania, bazująca na regresyjnych łańcuchach Markowa wyższych rzędów.

14:55 - 15:40

Praktyczne wykorzystanie kategoryzacji treści jako innowacyjne wsparcie hurtowni danych w Centrum Onkologii-Instytut im. Marii Skłodowskiej-Curie
Rafał Wojdan, SAS Institute

- Dlaczego kategoryzacja treści w Centrum Onkologii w Warszawie?
- Zintegrowana platforma do celów badawczych i naukowych.
- Jak została wykorzystana kategoryzacja treści?
- Kategoryzacja i ekstrakcja treści - teoria i praktyka.
- Narzędzia SAS – reguł kategoryzacji, ekstrakcji oraz metody text miningowe.

15:40 - 16:00

Inauguracja projektu współpracy Kół Naukowych z Biznesem
Marek Frysz, SAS Institute

Wiele mówi się o potrzebie współpracy biznesu z nauką i coraz częściej ma to swój finał w ciekawych inicjatywach, gdzie przedstawiciele świata akademickiego mogą wykazać się wiedzą i innowacyjnością w realnych projektach biznesowych i zdobyć unikalne doświadczenie. Biznes docenia wartość jaką niesie taka współpraca i stawia naukę w roli istotnego stymulatora swoich działań na rynku.

16:00

Zakończenie