Your SlideShare is downloading. ×
  • Like
  • Save
Datu analīzes nākotne
Upcoming SlideShare
Loading in...5
×

Thanks for flagging this SlideShare!

Oops! An error has occurred.

×

Now you can save presentations on your phone or tablet

Available for both IPhone and Android

Text the download link to your phone

Standard text messaging rates apply

Datu analīzes nākotne

  • 784 views
Published

 

  • Full Name Full Name Comment goes here.
    Are you sure you want to
    Your message goes here
    Be the first to comment
    Be the first to like this
No Downloads

Views

Total Views
784
On SlideShare
0
From Embeds
0
Number of Embeds
3

Actions

Shares
Downloads
0
Comments
0
Likes
0

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
  • BusinessIntelligence sistēmu izmantošana Jūsu uzņēmuma vai iestādes datu analīzē un pārskatu veidošanā padara šo procesu ātrāku un pārskatus – plašāk izmantojamus. Prezentācijā gūsiet plašāku ieskatu par SQL2008 kā datu glabāšanas un analīzes platformas priekšrocībām, kā arī par integrāciju ar SharePoint, Excel 2010 % PowerPivot risinājumiem.
  • Mēra laikā mirušo statistika un mēģinājumi ierobežot.Viens no pirmajiem demogrāfistiemEpidemoloģijas ekspertsNatural and Political Observations Made upon the Bills of Mortality (1662)
  • Meklēja holeras cēloņusOn the Mode of Communication of Cholera in 1849Vainīgs publiskais ūdens sūknisBayes' theorem (1700s) and regression analysis (1800s).
  • Data mining's second longest family line is artificial intelligence, or AI. This discipline, which is built upon heuristics as opposed to statistics, attempts to apply human-thought-like processing to statistical problems. Because this approach requires vast computer processing power, it was not practical until the early 1980s, when computers began to offer useful power at reasonable prices. AI found a few applications at the very high end scientific/government markets, but the required supercomputers of the era priced AI out of the reach of virtually everyone else. The notable exceptions were certain AI concepts which were adopted by some high-end commercial products, such as query optimization modules for Relational Database Management Systems (RDBMS).
  • BusinessAnalyticsDA konceptsJēgas meklējumi
  • Kopā 57 akreditētās
  • http://smartdatacollective.com/brett-stupakevich/27075/four-trends-business-intelligence-and-data-analyticsCīņas par indivīda datu kopumu, virtuālās personības
  • http://smartdatacollective.com/brett-stupakevich/27075/four-trends-business-intelligence-and-data-analyticsCīņas par indivīda datu kopumu, virtuālās personības
  • Meklēšanas servisiSociālie tīkliInternetsSankcionēts, netīšs, nesankcionēts.
  • http://smartdatacollective.com/brett-stupakevich/27075/four-trends-business-intelligence-and-data-analyticsCīņas par indivīda datu kopumu, virtuālās personības
  • http://smartdatacollective.com/brett-stupakevich/27075/four-trends-business-intelligence-and-data-analyticsCīņas par indivīda datu kopumu, virtuālās personības
  • Visu izšķir modeļa ticamībaVēsturiskie dati, nepārtrauktība
  • Uzņēmums = valsts/privātais/sabiedriskais
  • Ārpakalpojuma nozīme

Transcript

  • 1. Datu analīzes nākotne Tehnoloģijas un darba procesu attīstības vīzija
    Mārtiņš Vanags
  • 2. Pirmā statistika
    Sen sen, Persijā
    Azartspēles
    Pirmie varbūtības novērojumi
  • 3. Pirmsākumi
    1662, Londona, Anglija
    JohnGraunt (1620-1674)
    Iespējams viens no pirmajiem, kas statistiski aprēķināja Londonas iedzīvotāju skaitu un izmaiņas.
    Datu avots – slimību reģistrs.
  • 4. Pirmsākumi
    1854, Londona, Anglija
    John Snow (1813 –1858)
    Epidemoloģijas tēvs
    Cīņa ar holēras izplatību
    Pirmais ĢIS
  • 5. Datoruēra
    1981 – datoru jauda kļūst pieejamāka
    1990 – Data Mining jēdziens
    2000 – Y2K
    2010 – CloudComputing realitāte
    Mākslīgais intelekts
    Relāciju datubāzes
    Mašīnmācīšanās
    Neironu tīkli
    Lēmumu koki (Decision trees)
    Klāsteru analīze
    ...
  • 6. BusinessAnalytics
    DataAnalytics
    DataMining
    PredictiveAnalytics
    BusinessIntelligence
    Statistika
    AI
    Datu analīzes nozare
  • 7. DPA un datu analīze
    2001.gads
    pirmais sadarbības līgums ar SPSS Inc. – SPSS Statistics kompetence
    2009.gads
    SPSS Modeler (Clementine)
    SPSS apmācību programmas
    2011.gads
    IBM SPSS Modeler apmācību programmas
  • 8. SPSS
    40 gadu pieredze statistikas programmatūras ražošanā
    Pilns produktu klāsts statistikas vajadzībām
    Augstskolu apmācību pamats
    2010.gads pievienojas
  • 9. SPSS Latvijā
  • 10. SPSS izglītībai Latvijā
    SPSS izmanto x augstākās izglītības mācību iestādēs
    X = 20
  • 11. Datu analīzes nozares šodiena
    • Uz datiem balstīti lēmumi kļūst pieprasītāki un aktuālāki lēmumu pieņemšanas procesā
    • 12. «Personisko» datu nozīmes pieaugums analītikas procesos
    • 13. Biznesa analītikas nenovēršama virzība pretim lietotājam
    • 14. Mākoņskaitļošanas atnākšana
    • 15. Prognozējošā analītika
    • 16. Automatizācijas funkcijas
  • Datu analīzes nozares šodiena
    • Uz datiem balstīti lēmumi kļūst pieprasītāki un aktuālāki lēmumu pieņemšanas procesā
    • 17. «Personisko» datu nozīmes pieaugums analītikas procesos
    • 18. Biznesa analītikas nenovēršama virzība pretim lietotājam
    • 19. Mākoņskaitļošanas atnākšana
    • 20. Prognozējošā analītika
    • 21. Automatizācijas funkcijas
  • Virtuālā personība
  • 22. Drošība publiskajā tīklā
    Personas datu aizsardzība
    Personiskā atbildība
    Datu fiziskā drošība
  • 23. Sociālie mediji un datu analīze
    Dati ir bezmaksas
    Vispusīgi
    Anonīmi izteikti – ticamāki
    Sabiedrības atmiņu krātuve
  • 24. Patērētājs un datu analīze
    Patērētāju sabiedrība
    Dati par aktivitātēm
    Internetbankas atskaites
    SMS/sarunu pārskati
    E-rēķinu pārskati
    Klientu lojalitātes kartes
  • 25. Datu analīzes nozares šodiena
    • Uz datiem balstīti lēmumi kļūst pieprasītāki un aktuālāki lēmumu pieņemšanas procesā
    • 26. «Personisko» datu nozīmes pieaugums analītikas procesos
    • 27. Biznesa analītikas nenovēršama virzība pretim lietotājam
    • 28. Mākoņskaitļošanas atnākšana
    • 29. Prognozējošā analītika
    • 30. Automatizācijas funkcijas
  • 31. Mākoņskaitļošana
    Attālinātu serveru resursu centralizēta izmantošana
    Praktiski neierobežota jauda
    Salīdzinoši zemas izmaksas
    Pielāgojamība
    Pieejamība
  • 32. Datu analīzes nozares šodiena
    • Uz datiem balstīti lēmumi kļūst pieprasītāki un aktuālāki lēmumu pieņemšanas procesā
    • 33. «Personisko» datu nozīmes pieaugums analītikas procesos
    • 34. Biznesa analītikas nenovēršama virzība pretim lietotājam
    • 35. Mākoņskaitļošanas atnākšana
    • 36. Prognozējošā analītika
    • 37. Automatizācijas funkcijas
  • DATI
    Prognozējošā analītika
    Aprakstošā izpēte
    Analīze
    Lēmuma pieņemšana
    Too many organizations today make decisions based on intuition and ignore the hard data facts available to them inside and outside the enterprise walls.
    Deepak AdvaniVice President, Predictive Analytics and SPSS CEOIBM
  • 38. Prognozēšana
    Prognozējošā analītika ir vēsturisku un aktuālu datu statistiskā analīze ar mērķi atklāt sakarības un, balstoties uz šīm sakarībām, prognozēt turpmākus notikumus/rezultātus/tendences...
  • 39. Ko iespējams prognozēt?
    • Laika apstākļus
    • 40. Biržas svārstības
    • 41. Tirgus izmaiņas
    • 42. Reklāmas efektivitāti
    • 43. Produkta dzīvesciklu
    • 44. Klientu uzvedību un riskus
    • 45. ...
    • 46. Ekonomisko krīzi
  • Cik daudz iespējams prognozēt?
    0.01% - 99.99%
    Vēsturiskie dati + nepārtrauktība + viengabalainība = ticamība
  • 47. Moderns uzņēmums
    Vairākas datu sistēmas
    Vēsturiski dati
    Centralizētas sistēmas
    Dinamiski procesi
    Konkurence
  • 48. DA nozīme uzņēmumā
    Uz faktiem balstīta attīstības plānošana
    Matemātisku modeļu izmantošana tirgus izmaiņu prognozēšanai
    Konkurentu darbības prognozēšana
    Drošu un pamatotu lēmumu pieņemšana
    Uzņēmuma darbības pārraudzība
  • 49. Moderna infrastruktūra
    Modulāra
    Pielāgojama
    Elastīga
    Integratīva
    No platformas neatkarīga
    Analītika
    Pielietojums
    Atskaites
    Pārskati
    Uzņēmuma vide
    Datu sistēmas
  • 50. Moderna valsts pārvalde
    Plaša piekļuve visu veidu datiem
    Datu izmantošanas procedūra
    Kontrole pār personas datiem
    Tehnoloģiskā platforma un kapacitāte
  • 55. Datu analīzes nozares nākotne
    Cilvēki
    Iespējas
    Tehnoloģijas
  • 56. TendencesCilvēki
    Datu analītiķis nonāks frontes pirmajās rindās
    Vairāk atbildības lēmumu ietekmēšanā
    Darba vide pārvietosies uz konferenču zāli
    Amatu apvienošana (analītiķis – konsultants)
    Piekļuve aizvien lielākiem datu apjomiem
    Ārpakalpojumu pieaugošā popularitāte
  • 57. TendencesIespējas
    Datu gudrība (dataknowledge)
    Prognozēšanas iespējas
    Slēptie faktori datos
    Agrāk nezināmas likumsakarības
    Esiet pirmie!
  • 58. TendencesTehnoloģijas
    Mākoņskaitļošana
    Prognozējošās analītikas modeļi
    Mašīnmācīšanās algoritmi
    Centralizētas datu glabātuves
    Liela apjoma datizrace (datamining)
    Saistītās datu bāzes(sociālie tīkli)
    Analīzes automatizācija serveros
  • 59. TendencesUzņēmums
    Uzņēmumam jādarbojas saskaņā ar mērķiem
    Ārpakalpojums kā vērtība
  • 60. Kopsavilkums – Datu analīze
    Tehnoloģijas gaida izaicinājumus
    Datu ticamība ir vērtība
    Aizvien jauni pielietojuma veidi
    Izmaiņas darba procesos