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