12
Сценарии интеллектуального анализа Поиск прибыльных клиентов Потребности клиентов Упреждение смены клиентов (анализ лояльности) Предсказание продаж

Сценарии интеллектуального анализа

Embed Size (px)

DESCRIPTION

Сценарии интеллектуального анализа. Предсказываемые данные. Тренировочные данные. Модель. DM Engine. DM Engine. Модель. Модель. Процесс интеллектуального анализа. Данные с пред- сказаниями. Интеллектуальный анализ данных с использованием Data Mining Add-ins. Размещение. Результаты. - PowerPoint PPT Presentation

Citation preview

Page 1: Сценарии интеллектуального анализа

Сценарии интеллектуального анализа

Поиск прибыльных

клиентов

Потребности клиентов

Упреждение смены клиентов

(анализ лояльности)

Предсказание продаж

Page 2: Сценарии интеллектуального анализа

Модель

Процесс интеллектуального анализа

DM EngineDM Engine

Тренировочные данные

Предсказываемые данныеМодель

Данные с пред-сказаниями

Модель

Page 3: Сценарии интеллектуального анализа

Интеллектуальный анализ данных с использованием Data Mining Add-ins

Analysis Services

База данных

Data Mining Add-ins

Размещение

Результаты

Page 4: Сценарии интеллектуального анализа

Analysis ServicesServer

Mining Model

Data Mining Algorithm DataSource

Серверная архитектура DMExcel/Visio/SSRS/Your App

OLE DB/ADOMD/XMLA/AMO

Развер-тывание

BIDSExcelVisioSSMS

AppData

Page 5: Сценарии интеллектуального анализа

Алгоритмы интеллектуального анализа данных

Decision Trees

Association Rules Clustering

Naïve Bayes Sequence Clustering Time Series

Neural Nets Linear Regression

Logistic Regression

Page 6: Сценарии интеллектуального анализа

Алгоритм дерева принятия решений(Decision Trees)• Используйте для:

− Классификации: анализ рисков и перехода клиентов

− Регрессии: предсказание прибыли или дохода

− Анализа ассоциаций, основанного на предсказании нескольких переменных

• Строит одно дерево для каждого предсказываемого атрибута

• Быстрый

Page 7: Сценарии интеллектуального анализа

Упрощенный алгоритм Байеса (Microsoft Naïve Bayes)

• Используется для:− Классификации− Ассоциации с несколькими

предсказываемыми атрибутами

• Предполагает, что все входные данные независимы

• Простой механизм классификации, основанный на вероятности выполнения условий

• Требует меньшего количества вычислений

Page 8: Сценарии интеллектуального анализа

Алгоритмы линейной и логистической регрессииЛинейная регрессия• Находит лучшую прямую через

набор точек

Логистическая регрессия• Находит кривую путем

применения логистического преобразования

Используются для предсказательного анализа (определения отношений между числовыми атрибутами)

Page 9: Сценарии интеллектуального анализа

Алгоритм кластеризации(Clustering)

• Применим к:• Сегментации: группировка

клиентов, маркетинговая рассылка предложений

• Также: классификация и регрессия

• Обнаружение аномалий• Дискретные и

непрерывные атрибуты• Замечания:

• Атрибуты «Predict Only» нельзя использовать

Page 10: Сценарии интеллектуального анализа

ClusteringОбнаружение аномалий

Мужчина Женщина

Сын

Дочь

Родитель

Воз

раст

Page 11: Сценарии интеллектуального анализа

• Применим к:− Классификациии− Регрессии

• Хорош для нахождения сложных взаимосвязей между атрибутами− Но сложно

интерпретировать результаты

Алгоритм нейронной сети (Neural Network)

Age Education Sex Income

Input Layer

Hidden Layers

Output Layer

Loyalty

Page 12: Сценарии интеллектуального анализа

Алгоритм взаимосвязей(Association Rules)

• Используйте для анализа:− Анализа рыночной корзины− Кросс-продаж и рекомендаций

• Находит часто встречающиеся наборы элементов и связей

• Чувствителен к параметрам