Competitive Predictive Analytics - Tim Salimans op Nyenrode

  • 412 views
Uploaded on

Tim is de oprichter van Algoritmica en een van de beste data scientists in de wereld. Via het competitief data analyse platform Kaggle weet hij keer op keer voor bedrijven als Microsoft, Deloitte en …

Tim is de oprichter van Algoritmica en een van de beste data scientists in de wereld. Via het competitief data analyse platform Kaggle weet hij keer op keer voor bedrijven als Microsoft, Deloitte en Allstate met slimme algoritmes en grote hoeveelheden data de competitie te winnen. Op dit moment is hij in de running voor een prijs van 3 miljoen dollar. In het verleden heeft hij onder andere elektronische trading en market making strategieën gemaakt voor de gokbranche en was verantwoordelijk voor 3% van alle transacties binnen de multi-miljoenen markt van paardenraces. Tim heeft in 2011 de ‘Top Lecturer Award’ van de Erasmus Universiteit gewonnen en heeft inmiddels twee keer in Forbes gestaan. Tim gaat een zeer inspirerend verhaal over zijn activiteiten vertellen waar elke marketeer veel van kan leren.

More in: Business
  • Full Name Full Name Comment goes here.
    Are you sure you want to
    Your message goes here
    Be the first to comment
No Downloads

Views

Total Views
412
On Slideshare
0
From Embeds
0
Number of Embeds
1

Actions

Shares
Downloads
7
Comments
0
Likes
1

Embeds 0

No embeds

Report content

Flagged as inappropriate Flag as inappropriate
Flag as inappropriate

Select your reason for flagging this presentation as inappropriate.

Cancel
    No notes for slide

Transcript

  • 1. Compe&&ve  Predic&ve  Analy&cs  Tim  Salimans  
  • 2. Predictive Analytics¨  Marketing beslissingen worden gemaakt onderonzekerheid¨  De juiste beslissing vraagt om een voorspelling¤  Verwachte opbrengst versus kosten¤  Welke actie op welk moment voor het beste resultaat?¨  Predictive Analytics is het gebruik van data omdeze voorspellingen zo goed mogelijk te maken¨  Algoritmica helpt bedrijven hierbij
  • 3. Competitie
  • 4. Kaggle¨  Platform voor predictive analytics competitions
  • 5. Kaggle¨  Platform voor predictive analytics competitions¨  Bedrijf stelt gedeelte van de data beschikbaar,houdt deel van de data achter¨  Deelnemers bouwen modellen op beschikbare data¨  Deelnemers voorspellen de waardes van deachtergehouden data¨  Beste voorspelling wint de competitie
  • 6. 3 Soorten Competities¨  Case competitions¤  Competities voor het vinden van de beste oplossingvoor een case¨  People competitions¤  Competities voor het vinden van de beste mensen¨  Algorithm competitions¤  Competitie tussen algoritmes
  • 7. Case competitions¨  Definieer de business case¤  Welke beslissing moet worden gemaakt?¤  Welke bronnen van onzekerheid zijn er?¤  Welke informatie is belangrijk?¤  Hoe wordt het resultaat gemeten?¨  Ontsluit relevante data voor deze case¨  Schrijf een wedstrijd uit voor de beste oplossing
  • 8. Allstate Customer Retention Competitie¨  Allstate is een grote Amerikaanse autoverzekeraar¨  Premie verzekering toegespitst op klant¤  Te hoog: klant stap over¤  Te laag: verzekeraar maakt verlies¨  Veel data beschikbaar over klanten¤  Schadevrij?¤  Hoe lang al klant?¤  Hoe oud?¤  Welk merk auto?¤  Waar woont de klant?¨  Vraag: welke premie om klant te behouden?
  • 9. Allstate Customer Retention Competitie¨  3 jaar data beschikbaar gesteld¤  Aangeboden premie¤  Klantgegevens¤  Bleef de klant of niet?¨  ½ jaar test data¤  Aangeboden premie is gegeven¤  Voorspellen of de klant bleef of niet
  • 10. Allstate Customer Retention Competitie
  • 11. Deloitte/FIDE chess rating challenge¨  10 jaar resultaten vanschaakwedstrijden¨  2 jaar achtergehouden, dezemoeten worden voorspeldà A verslaat B, B verslaat C,wat is de kans dat A wint vanC?¨  Gesponsord door wereldschaak federatie FIDE andDeloitte Australia
  • 12. Deloitte/FIDE chess rating challengeFIDE maakt gebruik van het Elo systeem¨  Elke speler krijgt een rating¨  Voorspelde resultaat is een functie van het verschil inratings tussen de spelers¨  Rating punten worden verdeeld op basis van ditrating verschil en de uitslag
  • 13. Deloitte/FIDE chess rating challengeElo system
  • 14. Deloitte/FIDE chess rating challengeProblemen met het Elo systeem¨  Onzekerheid wordt niet correct meegenomen¨  Het kijkt niet terug in de tijd¨  Resultaten uit het verleden worden niet goed gewogen¨  Niet alle informatie bevind zich in de uitslag…
  • 15. Deloitte/FIDE chess rating challengeTrueSkill¨  Bayesiaanse variant Elo¨  Ontwikkeld bij Microsoft¨  Gebruikt voor rating Halospelers¨  Aanpassen om resultatengoed te wegen en alleinformatie mee te nemen
  • 16. Deloitte/FIDE chess rating challenge¨  Eerste poging¨  Dat is makkelijk!
  • 17. Deloitte/FIDE chess rating challenge¨  2 weken later¨  Ik krijg al wat meer competitie
  • 18. Deloitte/FIDE chess rating challenge¨  Weer 2 weken later
  • 19. Deloitte/FIDE chess rating challenge¨  1 week later¨  Weer #1!
  • 20. Deloitte/FIDE chess rating challenge¨  1 dag later¨  Dat duurde niet lang
  • 21. Deloitte/FIDE chess rating challengeEn toen moest ik naar een conferentie in St. Louis….
  • 22. Deloitte/FIDE chess rating challenge¨  Jet lag: Bij gebrek aan slaap nog maar een laatstepoging in de vroege morgen…¨  Weer op de eerste plek!
  • 23. Deloitte/FIDE chess rating challenge¨  En uiteindelijk…¨  Gewonnen!
  • 24. Deloitte/FIDE chess rating challengeBedenkers TrueSkill deden ook meeOp hun uitnodiging 3 maanden gewerktbij Microsoft Research Cambridge
  • 25. Heritage Health Prize
  • 26. People competitions¨  Competitie om talent te ontdekken¤  Extern: wie moet je aannemen?¤  Intern: waar zit ons analytics talent?¨  Deloitte: wereldwijde wedstrijd onder 100,000+werknemers¨  Facebook: recruiting competitions
  • 27. Observing Dark Worlds competition¨  Recruiting competition van Winton Capital¨  80% van de massa in the universum is donkerematerie¨  Donker: Straalt geen licht uit¨  Wel zwaartekrachtàVind de locatie van donkere materie gebaseerd opde effecten van deze zwaartekracht
  • 28. Observing Dark Worlds competition
  • 29. Observing Dark Worlds competition¨  Model¤  Vervorming rond dedonkere materie¤  Kracht van het effectneemt af met 1/r¤  Kracht afhankelijk vande massa van materie​ 𝑒↓𝑡 ≈​ 𝑚/𝑟 
  • 30. Observing Dark Worlds competition¨  Resultaat:Heat map mogelijkelocaties donkere materie¨  Voorspelling:Punt dat de verwachtefout minimaliseert
  • 31. Observing Dark Worlds competitionSlim?Middelmatige score!
  • 32. Observing Dark Worlds competition¨  Leaderboard gebaseerd op maar 30 gevallen¨  Einduitslag gebaseerd op 90 andere gevallen
  • 33. Kaggle in Class
  • 34. Kaggle in Class
  • 35. Algorithm competitions
  • 36. Financiële markten¨  Ultieme voorspellingscompetitie¨  Algoritmes handelen met elkaar¨  Duidelijk doel: winst maken¨  Geen duidelijke case¤  Omgeving niet statisch¨  Algoritmes voeren direct competitie voor bestehandelsmogelijkheden
  • 37. Real-Time Ad Bidding
  • 38. Real-Time Ad Bidding
  • 39. Real-Time Ad Bidding¨  RTB = competitieve marketing tussen algoritmes¨  Het beste algoritme wint¨  Dynamische setting¤  Concurrentie verandert¤  Consument verandert¤  Publishers veranderen¨  RTB de ultieme marketing predictive analytics competitie?¨  Algoritmica werkt met FlxOne aan RTB oplossing
  • 40. Conclusies¨  Competitie een nuttige lens voor het bekijken vanpredictive analytics¤  Vinden van oplossingen¤  Vinden van mensen¨  Marketing en predictive analytics steedscompetitiever
  • 41. Vragen?  Blog:  TimSalimans.com  Consul&ng:  Algoritmica.nl  E-­‐mail:  &m@algoritmica.nl