Записи с меткой Data Mining

Мерчендайзинг и аналитика, как?

0

Когда я писал о том, как увеличить выручку, упоминал о том, что правильная выкладка товара порой позволяет добиться хороших результатов. Давайте рассмотрим поподробнее как на практике реализовать решение данной задачи. Сеть walmart давно уже использует Data mining в мерчендайзинге причем делает это весьма и весьма упешно.

Давайте попробуем разобраться как же им удается применять данные технологии. Во-первых, чтобы применять инструментарий DM, нам нужны прежде всего данные. Данные о самих товарах считаем, что у нас есть, по крайней мере в большинстве крупных магазинов давно стоят электронные кассы.

Чего нам не хватает – это данные о метоположении товара. Давайте попробуем сгенерить несколько способов решения этой задачи:

1. На мой взгляд самый простой способ – это ввести кодировку расположения мест, например, первые цифры обозначают торговый ряд, вторые цифры раздел, если больше чем один, третья цифра расположение относительно уровня глаз. Теперь если мы при выкладке введем такой код под каждый товар, то вместе с Далее >

Стандарт применения Data mining-а CRISP – DM

0

Сегодня мне хотелось бы рассказать о стандарте, который был принят практиками применения моделей data mining-а CRISP – DM.

CRoss Industry Standard Process for Data Mining (сокращенно CRISP – DM) – кросс-индустриальный стандарт глубинного анализа данных.

CRISP-DM был разработан в конце 1996 года тремя «ветеранами» из молодых и незрелых  компаний  на рынке интеллектуального анализа данных. DaimlerChrysler (в то время Daimler-Benz) был достаточно опытен, опередив большинство промышленных и коммерческих организаций, в применении интеллектуального анализа данных в своих бизнес-операциях. SPSS (тогда ISL) предлагал сервисы на основе интеллектуального анализа данных с 1990 года и в 1994 году запустил первый коммерческий продукт интеллектуального анализа данных Clementine (который, напомню, поглотил IBM в 2009 году). NCR, для предоставления дополнительной ценности своим клиентам хранилищ данных Teradata, создавал группы data mining консультантов и технических специалистов для обслуживания требования своих клиентов.

Модель процесса выглядит следующим образом

Жизненный Далее >

Cognos 10 + SPSS

0

Вчера удалось попасть к IBM на презентацию аналитического решения. IBM уделили внимание двум продуктам это Cognos, который из себя представляет BI решение и купленный ими в 2009 году SPSS Clementine.

Почему в названии поста я поставил именно цифру 10, все потому что в этой версии произошла значительная интеграция этих продуктов в единое решение. Теперь любая аналитика, разработанная в BI, может передаться для анализа в SPSS и наоборот. Все это бесшовно.

SPSS имеет довольно дружелюбный интерфейс по отношению к пользователю, все интуитивно понятно.

Если сравнивать 2 продукта, Oracle BI и Cognos, то я бы выделил несколько преимуществ IBM перед Oracle:

1. Возможность подгружать файлы Excel без соответствующего «танца с бубном» на стороне IT в виде заведения отдельной таблички или витрины данных и включение ее в общую модель данных. Только после этого данные из Excel можно обрабатывать в Oracle BI. Надеюсь в будущем Далее >

Типы закономерностей, выявляемых методами Data Mining

2

Что такое Data Mining мы с Вами разобрались. Сегодня мы поговорим о закономерностях, которые лежат в основе алгоритмов Data Mining-а.

Выделяют пять стандартных типов закономерностей, которые позволяют выявлять  методы Data Mining: ассоциация, последовательность, классификация, кластеризация и прогнозирование. Давайте попробуем разобраться как они применимы на практике.

Ассоциация имеет место в том случае, если несколько событий связаны друг с другом. Например, исследование, проведенное в супермаркете, может показать, что 70% купивших творог берут также и сметану, а при наличии скидки от одного производителя такую пару продуктов покупают в 80% случаев . Располагая сведениями о подобной ассоциации, менеджерам легко оценить, насколько действенна предоставляемая скидка.

Если существует цепочка связанных во времени событий, то говорят о последовательности. Так, например, после покупки квартиры в 45% случаев в течение месяца приобретается и новая кухонная плита, а в пределах двух недель 60% новоселов обзаводятся холодильником.

С помощью классификации выявляются Далее >

Что такое Business Intelligence

0

Если Вы работаете в малом бизнесе, то Вы скорее всего просто не будете понимать, зачем нам какие-то IT-технологии для принятия решений, для формирования прогнозов и т.д. Ведь Вы свои данные о продажах сможете уместить на лист формата A4. Но, если Вы работаете на среднем или на крупном предприятии, имеете не одно структурное подразделение, то наверняка Вы попадали в ситуацию, когда объем данных настолько велик, что Вы просто не знаете как их все использовать при формировании прогноза или оценке рисков или как представить руководству отчет на 10 слайдах презентации в Power Point, в этом случае как раз инструменты Business Intelligence Вам и помогут.

Идея BI и само название были предложены аналитиками GartnerGroup еще в конце 80-х годов. BI-технологии позволяют анализировать большие массивы информации, позволяя пользователю выделять из них ключевые, моделировать исход различных инициатив, отслеживать результаты принятия тех или иных решений.

Business intelligence (BI), возможные переводы на Далее >

Вверх