Adatbányászat

A Workshop célja

A workshop általános célja, hogy a hallgatók ismerjék meg … :

• ... az adatbányászat és prediktív modellezés alapjait!

• ... azon üzleti problémákat, amelyek megoldásában az adatbányászat elemzések segítséget nyújthatnak!

• ... hogyan lehet sikeresen integrálni üzleti folyamatokba prediktív modelleket és hogyan lehet sikeresen bemutatni az adatbányászati elemzések eredményeit felső és középvezetőknek!

• ... a legfontosabb adatbányászati eszközöket használat közben!

Milyen tudást szerez meg a hallgató?

... projektek tervezési szakaszában pontosan ki tudják jelölni az adatbányászat helyét és szerepét a teljes projekten belül.
... a projektek megvalósítási szakaszában önállóan tud elvégezni adatbányászati elemzéseket, a projektre szánt erőforrásokat optimalizálni tudja
... projektek záró szakaszában lényegre törően tudja bemutatni az elemzések eredményeit, és ezt megfelelően tudja integrálni az üzleti folyamatokba.

Workshop blokkjai

NAPOK	Rövid leírás
1. nap – Alapismeretek	1. Adatbányászat és prediktív modellezés áttekintés Adatbányászat matematikai háttere Terminológia tisztázása (Data mining, Predictive analytics, ACRM, Business analyses, Data scientist) Adatbányászat az üzleti életben 1995-2015 Adatbányászat és BI – miért a része és miért nem? Adatbányászati trendek 2015 (cloud computing, big data, open source eszközök) 2. Adatbányászati projektek felépítése – CRISP módszertan és ami azon túl van CRISP módszertan ismertetése – prediktív modellezés, mint matematikai probléma CRISP módszertanon túl – hogyan kell üzleti problémákat átfordítani adatbányászati problémára? Mikor kell és nem kell adatbányászat? 3. Adatbányászat, predictive modellezés = speciális tanító adatbázis létrehozása Miben más az adatbányászati adatbázis a hagyományos BI táblákhoz képest? Hogyan kell létrehozni egy tanító adatbázist? Hogyan ellenőrizzük munkánkat? Milyen tipikus hibák szoktak lenni?
2. nap - Prediktív modellezés bemutatása üzleti problémákon keresztül	1. Banki esettanulmány I. – folyószámla churn előrejelzése Projekt célkitűzés? Mit is jelezzünk előre? Hogyan építsünk fel tanító adatbázist? Milyen változókat vizsgáljunk? Eredményeket hogyan értékeljük ki? Hogyan szúrjuk ki a téves összefüggéseket? Prediktív modellezés? Döntési fa vs. regressziós modell érvek és ellenérvek Modellek kiértékelése Javaslattétel a modellek hasznosítására 2. Banki esettanulmány II. – ügyfélérték modellezése Miért kell ügyfélérték számításnál modellezni? Milyen módszerek léteznek ügyférték számolásra? Várható élettartam számítás matematikai háttere? Néhány példa termék jövedelmezőség modellezésére? 3. Webshop esettanulmány – keresztértékesítíés támogatása Email és egyéb kampányokról röviden, hogyan lehet kiértékelni a kampányok hatékonyságát Milyen adatbányászati módszerekkel lehet az értékesítést támogatni: (i) ügyfélszegmentáció, (ii) x-sell modellek Hogyan lehet a kampány folyamatokba integrálni az adatbányászati eredményeket Ajánló rendszerekről röviden
3. nap – Adatbányászati eredmények bemutatása, üzleti tanácsadás és adatbányászat kapcsolata	1. Hogyan mutassuk be az adatbányászati elemzések eredményeit? Prezentáció felépítése Hogyan ábrázoljuk az egy és két dimenziós elemzéseket? Hogyan mutassuk be a prediktív modellek teljesítményét? Tipikus rossz példák bemutatása Hány diát mutathatunk be? Mit emeljünk ki? 2. Ügyfél szintű kampány stratégiák kialakítása Ügyfél és termékközpontú gondolkodás közötti különbség Ügyfél szintű stratégia = Ügyfél szegmentációs + akciótervek Milyen lehetőségek vannak ügyfél szegmentációra: Natív szegmentációtól -> Viselkedés alapú szegmentáció Ajánlati mátrixok elkészítése Stratégia hatékonyság visszamérése 3. Zárás Workshop tapasztalatok kiértékelése Kérdezz-felelek

Workshop díja

A Hálózatkutatás workshop részvételi díja: 180.000 Ft + ÁFA/fő. A díj tartalmazza a szünetekben üdítők és szendvicsek árát, valamint az ebédidőben az ebéd árát.

További információ: office@andego.hu

Legutóbbi bejegyzések