3. Kaj je podatkovna znanost?
Podatkovna znanost je sistematično analiziranje velikih
količin podatkov z namenom odkrivanja doslej neznanih
vzročno-posledičnih povezav in napovedovanja prihodnjih
dogodkov.
Cilj podatkovne znanosti je uporaba podatkov za
izboljšanje poslovanja.
Boljše
odločitve
Večja
učinkovitost
Optimizacija
stroškov
Izboljšanje
izkušnje
Novi
produkti
4. Podatkovna znanost odpira nove nivoje analitike
Kompleksnost
Dodanavrednost
Deskriptivna
analitika
Diagnostična
analitika
Prediktivna
analitika
Preskriptivna
analitika
Kaj se je zgodilo?
Zakaj se je zgodilo?
Kaj se bo zgodilo?
Katera odločitev vodi
k najboljšemu izidu?
Rezultati ankete:
Big data use cases 2015,
BARC:
39%
31%
8%
10%
Podjetij iz EU izvaja
big data projekte.
Podjetij je
implementiralo
prediktivno analitiko.
Povprečno povišanje
prihodkov zaradi big
data projektov..
Povprečno zmanjšanje
stroškov zaradi big
data projektov.
5. Raznoliki primeri uporabe
Marketing in prodaja
• Prediktivni lead scoring
• Targetiranje kampanj
• Ocenjevanje dovzetnosti
za nakup produktov
• Mikrosegmentacija
• Personalizacija ponudb
• Napovedovanje odhodov
• Optimizacija cen
• Napovedovanje LTV
Mobilnost
• Napovedovanje povpraševanja
• Optimizacija razvozov
• Lojalnostni programi
Družbe za upravljanje
• Prediktivne trgovalne strategije
Potrošništvo
• Priporočilni sistemi za trgovine,
hotele, fitnese, ipd.
• Optimizacija asortimana in cen
6. V središču podatkovne
znanosti je umetna
inteligenca
Gre za algoritme, ki računalniku
omogočajo:
• da se uči iz preteklih podatkov
brez eksplicitnega programiranja
• da se izboljšuje s pridobivanjem
svežih podatkov.
• da učinkovito prepoznava vzorce
v kompleksnih podatkih,
pridobljenih iz raznolikih virov.
8. Kdo smo?
Poslanstvo: uporabiti najsodobnejše metode in tehnologije, da naročnikom
pomagamo prečkati vse faze na poti do uporabe prediktivnih modelov v
poslovanju.
Pametne
aplikacije
Modeliranje
Priprava
podatkov
Prvo slovensko podjetje nišno specializirano za uporabo prediktivne
analitike v gospodarstvu.
Zaupajo nam:
11. 1. korak: priprava podatkov
DA
Transakcije Produkti
Demografija
Kampanje
KliciE-pošta
Mobilni mediji
Eksterni
Kaj smo vedeli o komitentki
Maji do vključno januarja 2015?
Kaj se je zgodilo
februarja 2015?
Kupila je
nov izdelek
Integracija
in
transformacija
podatkov
Atributi
(prediktorji)
Napovedovana
spremenljivka
301.2 1 4.5 1 10.9
Majin digitalni odtis v povezavi
z njenimi nakupi
12. 1. korak: priprava podatkov (nadaljevanje)
DA
DA
DA
DA
DA
DA
DA
Skupaj zberemo vzorce različnih komitentov ob različnih časovnih presekih.
13. D
A
D
D
D
D
D
D
D
2. korak: prediktivno modeliranje
HistoričipodatkiTekočipodatki
Uč a ožica
Test a ožica
??
Prediktivni model
Učenje
modela
Validacija
modela
Vhodni podatki
(atributi)
Izhodni podatek
(napoved)
25%
Model napove, da za
določeno stranko
obstaja 25% verjetnost,
da bo v roku enega
meseca kupila nov
produkt.
14. Načini napovedovanja
Statično: enkrat naučimo model in nato ves čas uporabljamo enakega.
Dinamično: sproti učimo modele in vedno napovedujemo z najbolj svežim.
Dinamično kumulativno: sproti učimo nove modele, vendar napovedujemo z
vsemi, ki smo jih kadarkoli naučili.
Naučimo modele Napovedujemo
Naučimo modele Napovedujemo
Naučimo modele
Naučimo modele
Napovedujemo
Napovedujemo
Naučimo modele Napovedujemo
Naučimo modele
Naučimo modele
Napovedujemo
Napovedujemo
15. 3. korak: pametne aplikacije
Omogočajo
1. izračunavanje atributov
2. sprotno učenje modelov
3. napovedovanje
4. diagnostiko modelov.
brez programiranja!
Diagnostika
modela
Npr. uporabi model za
napovedovanje nakupa
produkta.
Izbira izključitvenih
kriterijev
Npr. vrni samo stranke, ki so
nad določenim pragom
verjetnosti.
Izbira
modela
Preveri, ali model še vedno
deluje skladno s
predvidevanji.
Kateri atributi so pri
napovedovanju najbolj
pomembni?
17. Priložnosti za sodelovanje?
Zanima nas strateško partnerstvo, v okviru katerega bi
sodelovali pri izvedbi projektov, ki vključujejo:
• obvladovanje velikih količin podatkov,
• razvoj prediktivnih modelov,
• razvoj analitičnih aplikacij za reševanje poslovnih
problemov.