SlideShare a Scribd company logo
© Algolytics. All rights reserved. 1
Automatyczna budowa
modeli predykcyjnych
: AUTOMATIC BUSINESS MODELER
© Algolytics. All rights reserved. 2
Zastosowanie aplikacji „Automatic Business Modeler”,
która automatyzuje proces tworzenia modeli
predykcyjnych
© Algolytics. All rights reserved. 3
ZASTOSOWANIE ABM
Wytypowanie klientów, którzy w najbliższym czasie
najprawdopodobniej przestaną korzystać
z usług/produktów firmy (analiza churn)
Ocena wiarygodności kredytowej
kredytobiorcy (Credit scoring)
Oszacowanie czy klient pozytywnie odpowie
na kampanię marketingową (targetowanie)
Lead scoring…
© Algolytics. All rights reserved. 4
ZASTOSOWANIE ABM
Wytypowanie klientów, którzy w najbliższym czasie
najprawdopodobniej przestaną korzystać
z usług/produktów firmy (analiza churn)
Ocena wiarygodności kredytowej
kredytobiorcy (Credit scoring)
Oszacowanie czy klient pozytywnie odpowie
na kampanię marketingową (targetowanie)
Lead scoring…
© Algolytics. All rights reserved. 5
ZASTOSOWANIE ABM
Wytypowanie klientów, którzy w najbliższym czasie
najprawdopodobniej przestaną korzystać
z usług/produktów firmy (analiza churn)
Ocena wiarygodności kredytowej
kredytobiorcy (Credit scoring)
Oszacowanie czy klient pozytywnie odpowie
na kampanię marketingową (targetowanie)
Lead scoring…
© Algolytics. All rights reserved. 6
ZASTOSOWANIE ABM
Wytypowanie klientów, którzy w najbliższym czasie
najprawdopodobniej przestaną korzystać
z usług/produktów firmy (analiza churn)
Ocena wiarygodności kredytowej
kredytobiorcy (Credit scoring)
Oszacowanie czy klient pozytywnie odpowie
na kampanię marketingową (targetowanie)
Predykcja wielkości sprzedaży
produktów w sklepach
© Algolytics. All rights reserved. 7
Automatyzacja zadań,
takich jak wybór
zmiennych do analizy,
przekształcenia
zmiennych czy wybór
najlepszego modelu
Dostęp do 3
predefiniowanych procesów
reprezentujących odmienne
podejścia do przetwarzania i
modelowania danych
Automatyzacja budowy
modeli klasyfikacyjnych
GŁÓWNE FUNKCJONALNOŚCI
© Algolytics. All rights reserved. 8
Dostęp do systemu w
trybie on-line bez
konieczności instalacji
lokalnie na komputerze
Możliwość obliczenia scoru
dla wskazanych danych
lub wygenerowania
kodu scoringowego
Generowanie raportów
dotyczących przebiegu
poszczególnych etapów
tworzenia modeli
Automatyzacja zadań,
takich jak wybór
zmiennych do analizy,
przekształcenia
zmiennych czy wybór
najlepszego modelu
Dostęp do 3
predefiniowanych procesów
reprezentujących odmienne
podejścia do przetwarzania i
modelowania danych
Automatyzacja budowy
modeli klasyfikacyjnych
GŁÓWNE FUNKCJONALNOŚCI
© Algolytics. All rights reserved. 9
ZAKRES REALIZOWANYCH ZADAŃ
1. Import
danych
2. Podział
danych
3. Próbkowanie
danych
4. Eksploracyjna
analiza danych
5. Selekcja
zmiennych
6. Poprawa
jakości danych
• Obsługa wartości
brakujących
• Obsługa wartości
odstających
7. Tranformacja
zmiennych
8. Tworzenie
interakcji
zmiennych
9. Selekcja
zmiennych
10. Budowa
modeli i wybór
najlepszego
11. Generowanie
raportów
12. Scorowanie
danych
Przygotowanie
danych
Predykcja
© Algolytics. All rights reserved. 10
ZAKRES REALIZOWANYCH ZADAŃ
1. Import
danych
2. Podział
danych
3. Próbkowanie
danych
4. Eksploracyjna
analiza danych
5. Selekcja
zmiennych
6. Poprawa
jakości danych
• Obsługa wartości
brakujących
• Obsługa wartości
odstających
7. Tranformacja
zmiennych
8. Tworzenie
interakcji
zmiennych
9. Selekcja
zmiennych
10. Budowa
modeli i wybór
najlepszego
11. Generowanie
raportów
12. Scorowanie
danych
Przygotowanie
danych
Predykcja
© Algolytics. All rights reserved. 11
Stwórz model predykcyjny
w 4 krokach
© Algolytics. All rights reserved. 12
PREDYKCJA W 4 KROKACH
• Amazon Elastic Compute
Cloud
• Bezpieczny transfer plików
(SSL)
• Import plików CSV
Zaimportuj dane
źródłowe
KROK 1
© Algolytics. All rights reserved. 13
PREDYKCJA W 4 KROKACH
Parametry procesu
• Tryb pracy (Quick, Advanced, Gold)
• Zmienna objaśniana – nazwa, wartość pozytywna targetu
(numeryczna lub tekstowa)
• Typy i role zmiennych
• Próbkowanie danych – sposób (ręcznie, automatycznie),
wielkość próbki
• Metoda stratyfikacji oraz proporcja pozytywnego targetu
• Miara jakości modelu (Lift, Accuracy, Recall, Captured
Response)
• Wartość Cut off (Lift, Captured Response)
• Próg klasyfikacji
Uruchom proces
budowy modelu
KROK 2
© Algolytics. All rights reserved. 14
PREDYKCJA W 4 KROKACH
7 dostępnych raportów
• Dane źródłowe
• Podział i próbkowanie danych
• Eksploracyjna analiza danych
• Statystyki zbudowanych modeli
(m.in. istotność zmiennych,
ocena jakości modeli)
Testuj różne ustawienia parametrów procesu
Oceń modelKROK 3
© Algolytics. All rights reserved. 15
PREDYKCJA W 4 KROKACH
Plik wynikowy (CSV)
• Zmienna ID
• Wartość targetu
• Prawdopodbieństwo
pozytywnej wartości targetu
Kod scoringowy (Java, SQL)
Scoruj nowe daneKROK 4
© Algolytics. All rights reserved. 16
DLA CZEGO ABM?
Oszczędność czasu - skrócenie czasu
niezbędnego do konstrukcji modeli z dni do minut
Human Resources - nie ma potrzeby
zatrudniania zespołu analityków danych
Możliwość budowy wysokiej jakości modeli nawet
przez początkujących analityków
Lepszy wgląd w gromadzone dane
Wypróbuj
narzędzie ABM
online
http://algolytics.pl/produkty
/automatic-business-modeler
(kliknij)

More Related Content

Similar to Automatyczna budowa modeli predykcyjnych

Elitmind @ SQLDay2018: Stream Analytics i Machine Learning – czy to dobrze do...
Elitmind @ SQLDay2018: Stream Analytics i Machine Learning – czy to dobrze do...Elitmind @ SQLDay2018: Stream Analytics i Machine Learning – czy to dobrze do...
Elitmind @ SQLDay2018: Stream Analytics i Machine Learning – czy to dobrze do...
Elitmind
 
ShopCamp Gdynia Rafał irla (Albertus)
ShopCamp Gdynia Rafał irla (Albertus)ShopCamp Gdynia Rafał irla (Albertus)
ShopCamp Gdynia Rafał irla (Albertus)
ecommerce poland expo
 
Clv Kogo pozyskujesz klienta czy jego transakcje
Clv Kogo pozyskujesz klienta czy jego transakcjeClv Kogo pozyskujesz klienta czy jego transakcje
Clv Kogo pozyskujesz klienta czy jego transakcje
Michal Kreczmar
 
Kupuj wartosc a nie transakcje
Kupuj wartosc a nie transakcjeKupuj wartosc a nie transakcje
Kupuj wartosc a nie transakcje
Łukasz Dziekan
 
Case study - Wdrożenie eCommerce w TIM SA
Case study - Wdrożenie eCommerce w TIM SACase study - Wdrożenie eCommerce w TIM SA
Case study - Wdrożenie eCommerce w TIM SATomasz Karwatka
 
Case Study - eCommerce w TIM SA
Case Study - eCommerce w TIM SACase Study - eCommerce w TIM SA
Case Study - eCommerce w TIM SADivante
 
Dane a analizy, czyli jak efektywnie mierzyć używalność witryny
Dane a analizy, czyli jak efektywnie mierzyć używalność witrynyDane a analizy, czyli jak efektywnie mierzyć używalność witryny
Dane a analizy, czyli jak efektywnie mierzyć używalność witryny
Silesia SEM
 
Kult Cargo - czyli błędy przy wprowadzaniu Agile
Kult Cargo - czyli błędy przy wprowadzaniu AgileKult Cargo - czyli błędy przy wprowadzaniu Agile
Kult Cargo - czyli błędy przy wprowadzaniu Agile
Jakub Drzazga
 
10 przykładów Automatyzacji Marketingu w eCommerce - Grzegorz Błażewicz
10 przykładów Automatyzacji Marketingu w eCommerce - Grzegorz Błażewicz10 przykładów Automatyzacji Marketingu w eCommerce - Grzegorz Błażewicz
10 przykładów Automatyzacji Marketingu w eCommerce - Grzegorz Błażewicz
SALESmanago AI driven CDXP
 
SQLDAY2022-AdrianChodkowski-10BledowPowerBI.pdf
SQLDAY2022-AdrianChodkowski-10BledowPowerBI.pdfSQLDAY2022-AdrianChodkowski-10BledowPowerBI.pdf
SQLDAY2022-AdrianChodkowski-10BledowPowerBI.pdf
SeeQuality.net
 
WUD 2009 - Użyteczna magia Google Analytics
WUD 2009 - Użyteczna magia Google AnalyticsWUD 2009 - Użyteczna magia Google Analytics
WUD 2009 - Użyteczna magia Google Analytics
World Usability Day Tour 2009
 
Personalized websites, email & push marketing
Personalized websites, email & push marketingPersonalized websites, email & push marketing
Personalized websites, email & push marketing
Ewelina Ciach
 
Strategie multichannel dla liderów branżowych beta
Strategie multichannel dla liderów branżowych betaStrategie multichannel dla liderów branżowych beta
Strategie multichannel dla liderów branżowych betaKrzysztof Murzyn
 
Od Produktywności do Sabotażu - Sławomir Radzymiński, KraQA #31
Od Produktywności do Sabotażu - Sławomir Radzymiński, KraQA #31Od Produktywności do Sabotażu - Sławomir Radzymiński, KraQA #31
Od Produktywności do Sabotażu - Sławomir Radzymiński, KraQA #31
kraqa
 
"Universal Analytics i Enhanced E-commerce", Aleksandra Lisiecka, Bluerank
"Universal Analytics i Enhanced E-commerce", Aleksandra Lisiecka, Bluerank "Universal Analytics i Enhanced E-commerce", Aleksandra Lisiecka, Bluerank
"Universal Analytics i Enhanced E-commerce", Aleksandra Lisiecka, Bluerank
ecommerce poland expo
 
Bank w chmurze obliczeniowej
Bank w chmurze obliczeniowejBank w chmurze obliczeniowej
Bank w chmurze obliczeniowej
Emil Ślązak
 
ProductTank #5 Kraków, B2B and B2C comparison by Marek Godawski
ProductTank #5 Kraków, B2B and B2C comparison by Marek GodawskiProductTank #5 Kraków, B2B and B2C comparison by Marek Godawski
ProductTank #5 Kraków, B2B and B2C comparison by Marek Godawski
Beata Kupiec
 
Lean startup - jak szybko zweryfikować pomysł na biznes
Lean startup - jak szybko zweryfikować pomysł na biznesLean startup - jak szybko zweryfikować pomysł na biznes
Lean startup - jak szybko zweryfikować pomysł na biznes
Bartek Janowicz
 
SEO, pozycjonowanie celem przyciągnięcia klienta – jak robić to skutecznie?
SEO, pozycjonowanie celem przyciągnięcia klienta – jak robić to skutecznie?SEO, pozycjonowanie celem przyciągnięcia klienta – jak robić to skutecznie?
SEO, pozycjonowanie celem przyciągnięcia klienta – jak robić to skutecznie?
Mateusz Rzetecki
 

Similar to Automatyczna budowa modeli predykcyjnych (20)

Elitmind @ SQLDay2018: Stream Analytics i Machine Learning – czy to dobrze do...
Elitmind @ SQLDay2018: Stream Analytics i Machine Learning – czy to dobrze do...Elitmind @ SQLDay2018: Stream Analytics i Machine Learning – czy to dobrze do...
Elitmind @ SQLDay2018: Stream Analytics i Machine Learning – czy to dobrze do...
 
ShopCamp Gdynia Rafał irla (Albertus)
ShopCamp Gdynia Rafał irla (Albertus)ShopCamp Gdynia Rafał irla (Albertus)
ShopCamp Gdynia Rafał irla (Albertus)
 
Clv Kogo pozyskujesz klienta czy jego transakcje
Clv Kogo pozyskujesz klienta czy jego transakcjeClv Kogo pozyskujesz klienta czy jego transakcje
Clv Kogo pozyskujesz klienta czy jego transakcje
 
Kupuj wartosc a nie transakcje
Kupuj wartosc a nie transakcjeKupuj wartosc a nie transakcje
Kupuj wartosc a nie transakcje
 
Case study - Wdrożenie eCommerce w TIM SA
Case study - Wdrożenie eCommerce w TIM SACase study - Wdrożenie eCommerce w TIM SA
Case study - Wdrożenie eCommerce w TIM SA
 
Case Study - eCommerce w TIM SA
Case Study - eCommerce w TIM SACase Study - eCommerce w TIM SA
Case Study - eCommerce w TIM SA
 
Dane a analizy, czyli jak efektywnie mierzyć używalność witryny
Dane a analizy, czyli jak efektywnie mierzyć używalność witrynyDane a analizy, czyli jak efektywnie mierzyć używalność witryny
Dane a analizy, czyli jak efektywnie mierzyć używalność witryny
 
Kult Cargo - czyli błędy przy wprowadzaniu Agile
Kult Cargo - czyli błędy przy wprowadzaniu AgileKult Cargo - czyli błędy przy wprowadzaniu Agile
Kult Cargo - czyli błędy przy wprowadzaniu Agile
 
10 przykładów Automatyzacji Marketingu w eCommerce - Grzegorz Błażewicz
10 przykładów Automatyzacji Marketingu w eCommerce - Grzegorz Błażewicz10 przykładów Automatyzacji Marketingu w eCommerce - Grzegorz Błażewicz
10 przykładów Automatyzacji Marketingu w eCommerce - Grzegorz Błażewicz
 
SQLDAY2022-AdrianChodkowski-10BledowPowerBI.pdf
SQLDAY2022-AdrianChodkowski-10BledowPowerBI.pdfSQLDAY2022-AdrianChodkowski-10BledowPowerBI.pdf
SQLDAY2022-AdrianChodkowski-10BledowPowerBI.pdf
 
WUD 2009 - Użyteczna magia Google Analytics
WUD 2009 - Użyteczna magia Google AnalyticsWUD 2009 - Użyteczna magia Google Analytics
WUD 2009 - Użyteczna magia Google Analytics
 
Personalized websites, email & push marketing
Personalized websites, email & push marketingPersonalized websites, email & push marketing
Personalized websites, email & push marketing
 
Strategie multichannel dla liderów branżowych beta
Strategie multichannel dla liderów branżowych betaStrategie multichannel dla liderów branżowych beta
Strategie multichannel dla liderów branżowych beta
 
Od Produktywności do Sabotażu - Sławomir Radzymiński, KraQA #31
Od Produktywności do Sabotażu - Sławomir Radzymiński, KraQA #31Od Produktywności do Sabotażu - Sławomir Radzymiński, KraQA #31
Od Produktywności do Sabotażu - Sławomir Radzymiński, KraQA #31
 
"Universal Analytics i Enhanced E-commerce", Aleksandra Lisiecka, Bluerank
"Universal Analytics i Enhanced E-commerce", Aleksandra Lisiecka, Bluerank "Universal Analytics i Enhanced E-commerce", Aleksandra Lisiecka, Bluerank
"Universal Analytics i Enhanced E-commerce", Aleksandra Lisiecka, Bluerank
 
Bank w chmurze obliczeniowej
Bank w chmurze obliczeniowejBank w chmurze obliczeniowej
Bank w chmurze obliczeniowej
 
ProductTank #5 Kraków, B2B and B2C comparison by Marek Godawski
ProductTank #5 Kraków, B2B and B2C comparison by Marek GodawskiProductTank #5 Kraków, B2B and B2C comparison by Marek Godawski
ProductTank #5 Kraków, B2B and B2C comparison by Marek Godawski
 
Wartosc klienta
Wartosc klientaWartosc klienta
Wartosc klienta
 
Lean startup - jak szybko zweryfikować pomysł na biznes
Lean startup - jak szybko zweryfikować pomysł na biznesLean startup - jak szybko zweryfikować pomysł na biznes
Lean startup - jak szybko zweryfikować pomysł na biznes
 
SEO, pozycjonowanie celem przyciągnięcia klienta – jak robić to skutecznie?
SEO, pozycjonowanie celem przyciągnięcia klienta – jak robić to skutecznie?SEO, pozycjonowanie celem przyciągnięcia klienta – jak robić to skutecznie?
SEO, pozycjonowanie celem przyciągnięcia klienta – jak robić to skutecznie?
 

Automatyczna budowa modeli predykcyjnych

  • 1. © Algolytics. All rights reserved. 1 Automatyczna budowa modeli predykcyjnych : AUTOMATIC BUSINESS MODELER
  • 2. © Algolytics. All rights reserved. 2 Zastosowanie aplikacji „Automatic Business Modeler”, która automatyzuje proces tworzenia modeli predykcyjnych
  • 3. © Algolytics. All rights reserved. 3 ZASTOSOWANIE ABM Wytypowanie klientów, którzy w najbliższym czasie najprawdopodobniej przestaną korzystać z usług/produktów firmy (analiza churn) Ocena wiarygodności kredytowej kredytobiorcy (Credit scoring) Oszacowanie czy klient pozytywnie odpowie na kampanię marketingową (targetowanie) Lead scoring…
  • 4. © Algolytics. All rights reserved. 4 ZASTOSOWANIE ABM Wytypowanie klientów, którzy w najbliższym czasie najprawdopodobniej przestaną korzystać z usług/produktów firmy (analiza churn) Ocena wiarygodności kredytowej kredytobiorcy (Credit scoring) Oszacowanie czy klient pozytywnie odpowie na kampanię marketingową (targetowanie) Lead scoring…
  • 5. © Algolytics. All rights reserved. 5 ZASTOSOWANIE ABM Wytypowanie klientów, którzy w najbliższym czasie najprawdopodobniej przestaną korzystać z usług/produktów firmy (analiza churn) Ocena wiarygodności kredytowej kredytobiorcy (Credit scoring) Oszacowanie czy klient pozytywnie odpowie na kampanię marketingową (targetowanie) Lead scoring…
  • 6. © Algolytics. All rights reserved. 6 ZASTOSOWANIE ABM Wytypowanie klientów, którzy w najbliższym czasie najprawdopodobniej przestaną korzystać z usług/produktów firmy (analiza churn) Ocena wiarygodności kredytowej kredytobiorcy (Credit scoring) Oszacowanie czy klient pozytywnie odpowie na kampanię marketingową (targetowanie) Predykcja wielkości sprzedaży produktów w sklepach
  • 7. © Algolytics. All rights reserved. 7 Automatyzacja zadań, takich jak wybór zmiennych do analizy, przekształcenia zmiennych czy wybór najlepszego modelu Dostęp do 3 predefiniowanych procesów reprezentujących odmienne podejścia do przetwarzania i modelowania danych Automatyzacja budowy modeli klasyfikacyjnych GŁÓWNE FUNKCJONALNOŚCI
  • 8. © Algolytics. All rights reserved. 8 Dostęp do systemu w trybie on-line bez konieczności instalacji lokalnie na komputerze Możliwość obliczenia scoru dla wskazanych danych lub wygenerowania kodu scoringowego Generowanie raportów dotyczących przebiegu poszczególnych etapów tworzenia modeli Automatyzacja zadań, takich jak wybór zmiennych do analizy, przekształcenia zmiennych czy wybór najlepszego modelu Dostęp do 3 predefiniowanych procesów reprezentujących odmienne podejścia do przetwarzania i modelowania danych Automatyzacja budowy modeli klasyfikacyjnych GŁÓWNE FUNKCJONALNOŚCI
  • 9. © Algolytics. All rights reserved. 9 ZAKRES REALIZOWANYCH ZADAŃ 1. Import danych 2. Podział danych 3. Próbkowanie danych 4. Eksploracyjna analiza danych 5. Selekcja zmiennych 6. Poprawa jakości danych • Obsługa wartości brakujących • Obsługa wartości odstających 7. Tranformacja zmiennych 8. Tworzenie interakcji zmiennych 9. Selekcja zmiennych 10. Budowa modeli i wybór najlepszego 11. Generowanie raportów 12. Scorowanie danych Przygotowanie danych Predykcja
  • 10. © Algolytics. All rights reserved. 10 ZAKRES REALIZOWANYCH ZADAŃ 1. Import danych 2. Podział danych 3. Próbkowanie danych 4. Eksploracyjna analiza danych 5. Selekcja zmiennych 6. Poprawa jakości danych • Obsługa wartości brakujących • Obsługa wartości odstających 7. Tranformacja zmiennych 8. Tworzenie interakcji zmiennych 9. Selekcja zmiennych 10. Budowa modeli i wybór najlepszego 11. Generowanie raportów 12. Scorowanie danych Przygotowanie danych Predykcja
  • 11. © Algolytics. All rights reserved. 11 Stwórz model predykcyjny w 4 krokach
  • 12. © Algolytics. All rights reserved. 12 PREDYKCJA W 4 KROKACH • Amazon Elastic Compute Cloud • Bezpieczny transfer plików (SSL) • Import plików CSV Zaimportuj dane źródłowe KROK 1
  • 13. © Algolytics. All rights reserved. 13 PREDYKCJA W 4 KROKACH Parametry procesu • Tryb pracy (Quick, Advanced, Gold) • Zmienna objaśniana – nazwa, wartość pozytywna targetu (numeryczna lub tekstowa) • Typy i role zmiennych • Próbkowanie danych – sposób (ręcznie, automatycznie), wielkość próbki • Metoda stratyfikacji oraz proporcja pozytywnego targetu • Miara jakości modelu (Lift, Accuracy, Recall, Captured Response) • Wartość Cut off (Lift, Captured Response) • Próg klasyfikacji Uruchom proces budowy modelu KROK 2
  • 14. © Algolytics. All rights reserved. 14 PREDYKCJA W 4 KROKACH 7 dostępnych raportów • Dane źródłowe • Podział i próbkowanie danych • Eksploracyjna analiza danych • Statystyki zbudowanych modeli (m.in. istotność zmiennych, ocena jakości modeli) Testuj różne ustawienia parametrów procesu Oceń modelKROK 3
  • 15. © Algolytics. All rights reserved. 15 PREDYKCJA W 4 KROKACH Plik wynikowy (CSV) • Zmienna ID • Wartość targetu • Prawdopodbieństwo pozytywnej wartości targetu Kod scoringowy (Java, SQL) Scoruj nowe daneKROK 4
  • 16. © Algolytics. All rights reserved. 16 DLA CZEGO ABM? Oszczędność czasu - skrócenie czasu niezbędnego do konstrukcji modeli z dni do minut Human Resources - nie ma potrzeby zatrudniania zespołu analityków danych Możliwość budowy wysokiej jakości modeli nawet przez początkujących analityków Lepszy wgląd w gromadzone dane