Fakty są takie!

Silnik analityczny IBM SPSS Modeler to zaawansowane techniki modelowania oparte o procedury statystyczne oraz sztuczną inteligencję. Oferuje graficzną wizualizację wyników i integrację z innymi środowiskami analitycznymi oraz bazami danych.

Rozwiązanie ułatwia współpracę użytkowników oraz bezpieczne przechowywanie procedur i zasobów analitycznych. Stwarza możliwość uruchamiania scoringów i innych procesów analitycznych przez użytkowników biznesowych.

Wbudowane funkcjonalności pozwalają na rozbudowane zarządzanie procesami analitycznymi - od tworzenia struktury, poprzez nadawanie uprawnień i blokowanie edycji, pracę grupową, aż po kontrolę procesu.

Możliwości automatyzacji procesów obejmują nie tylko uczenie modeli predykcyjnych, ale również rozbudowane typy automatycznego wyzwalania, powiadomienia o statusie wykonania czy historyzację uruchomień.

Architektura rozwiązania pozwala na elastyczne dostosowanie go do wymagań organizacji oraz integrację analiz predykcyjnych z procesami biznesowymi i systemami wewnętrznymi.

Dystrybucja i wdrażanie wyników, ocen czy rekomendacji zapisywanych do baz danych może być realizowana w czasie rzeczywistym poprzez systemy operacyjne.

Trudno przecenić korzyści płynące z możliwości wykonywania skomplikowanych operacji na ogromnych wolumenach danych samodzielnie przez osobę, która bezpośrednio korzysta z wyników w sposób łatwy i szybki z użyciem informacji zwrotnych.

Arsenał algorytmów na twoje usługi!

Algorytmy grupujące pozwalają wyodrębniać jednorodne podgrupy w populacji. Przykładowo, pozwalają podzielić klientów na segmenty ze względu na sposób korzystania z usług firmy. Do tej grupy algorytmów zaliczają się m.in. metoda k-średnich, grupowanie dwustopniowe, sieci Kohonena, algorytm wykrywania anomalii.

Indukcja reguł – Celem tych algorytmów jest zidentyfikowanie, co ze sobą współwystępuje. Klasycznym przykładem wykorzystania jest analiza koszykowa wskazująca, jakie produkty są ze sobą współkupowane. W PS Clementine do tych zadań można wykorzystać m.in. GRI, Apriori, CARMA, algorytm wykrywania sekwencji.

Algorytmy klasyfikujące wskazują na przynależność do jednej z grup na podstawie zestawu charakterystyk. Dzięki nim można wskazywać, którzy z klientów odpowiedzą pozytywnie na przedstawioną ofertę lub którzy z klientów rozważają rezygnację z korzystania z usług firmy, przypisywać ryzyko kredytowe, czy też wykrywać działania fraudowe. Do tych algorytmów zaliczają się min. analiza dyskryminacji, C&RT, CHAID, QUEST, C5.0, listy decyzyjne, klasyfikator binarny, sieci neuronowe, samouczący bayesowski model odpowiedzi.

Algorytmy wykorzystywane do predykcji służą do szacowania na podstawie zadanych charakterystyk wartości dających ująć się ilościowo. Przykładowo, dzięki nim możliwa jest estymacja wartości klienta, jego wieku, czy dochodu. Do predykcji można użyć m.in. analizy regresji, regresji logistycznej, uogólnionego modelu liniowego, analizy szeregów czasowych, sieci neuronowych.

Systemy korzystające z modelowania predykcyjnego


zapobieganie praniu pieniędzy,  PS AML

Dostępne w systemie modele ryzyka zbudowane w PS CLEMENTINE PRO obejmują kluczowe obszary zagrożeń: ocena ryzyka dla nowych klientów, monitorowanie klientów i monitorowanie transakcji. System może zostać łatwo zintegrowany z systemami operacyjnymi instytucji oraz dostosowany do procesów biznesowych, nie powodując opóźnień związanych z dodatkowymi procedurami. Uwzględnia wymogi regulatorów krajowych i europejskich.


zapobieganie nadużyciom, PS FRAUD

Korzystanie z systemu identyfikacji przypadków podwyższonego ryzyka nadużyć pozwala elastycznie definiować scenariusze typowania nadużyć dla różnych obszarów zagrożeń, w tym nadużyć kredytowych, nadużyć wewnętrznych, nadużyć internetowych, nadużyć kartowych, nadużyć transakcyjnych i wielu innych. Dzięki otwartej architekturze PS CLEMENTINE PRO umożliwia szczegółową kalibrację wdrożonych scenariuszy oceny ryzyka, celem ich dostosowania do specyfiki i skali identyfikowanych nadużyć. Proces oceny ryzyka może być w zależności od obszaru realizowany w trybie on-line lub w trybie wsadowym.

zarządzanie relacjami z klientami, PS ACRM

Dzięki wykorzystaniu zaawansowanych algorytmów PS CLEMENTINE PRO, można skutecznie wpływać na takie obszary jak zwiększenie przychodów, czy poziomu odpowiedzi z kampanii, ograniczenie odchodzenia klientów, czy pozyskiwanie nowych klientów. Umożliwia to realizację celów biznesowych poprzez właściwe określenie celów analitycznych i wykorzystanie informacji zawartych w danych. Otrzymane wyniki mogą zostać udostępnione w postaci raportu, a także modeli predykcyjnych do wsparcia działań off-line i on-line.


zarządzanie procesem windykacji, PS VINDICATIO

Analityk w ramach jednego rozwiązania ma możliwość zarządzania i wykonywania analiz predykcyjnych w oparciu o dane historyczne korzystając z rozwiązania PS CLEMENTINE PRO. Pozwala na automatyczne wyliczanie scoringów, a także integrację z systemami zewnętrznymi. Dysponuje wbudowanymi modelami predykcyjnymi pozwalającymi ocenić szanse odzyskania długu na początkowym etapie procesu windykacji. Zaimplementowane są również scenariusze wykorzystania historycznych danych do poszukiwania nieskutecznych elementów strategii działania lub tworzenia oceny strategii korzystając z podejścia typu „champion challenger”.


Komponenty PS CLEMENTINE PRO

Dostęp do narzędzi i technik wspomagających proces pozyskiwania danych z różnego typu źródeł. Rozwiązanie pozwala na sprawne i szybkie zarządzanie jakością danych i ich przekształcenia.

Więcej

Szeroki zakres konfigurowalnych algorytmów, technik statystycznych i data mining pozwala na łączenie wiedzy z danych, wiedzy biznesowej i eksperckiej podczas modelowania.

Więcej

Repozytorium analityczne zapewnia bezpiecznie i łatwe przechowywanie oraz współdzielenie modeli, czy wyników oraz zarządzanie pracą zespołu, poprzez system kontroli uprawnień.

Więcej

Automatyczne wykonywanie procedur analitycznych zgodnie ze zdefiniowanym harmonogramem, w wyniku wystąpienia określonego zdarzenia lub przy wykorzystaniu Web Serwisów.

Więcej

Używaj sprawdzonej metodologii data mining


CRISP-DM (CRoss-Industry Standard Process for Data Mining) to metodologia realizacji projektów oraz model procesów data mining, które zapewniają kompletną i uniwersalną mapę dla projektów mających na celu wypracowanie rozwiązań biznesowych z wykorzystaniem technik data mining. PS CLEMENTINE PRO w pełni wspiera ten model i pozwala zorganizować pracę.

zrozumienie uwarunkowań biznesowych - zadaniami tej fazy jest zrozumienie uwarunkowań biznesowych oraz zmapowanie celów biznesowych na cele analityczne i opracowanie planu projektu.
zrozumienie danych - celem tej fazy jest zidentyfikowanie źródeł danych, zapoznanie się z nimi oraz zrozumienie ich znaczenia biznesowego.
modelowanie - produktami modelowania są zarówno modele realizujące określone cele analityczne, jak również dodatkowa wiedza wynikająca z ich interpretacji.
przygotowanie danych - zadania tej fazy prowadzą do utworzenia końcowych zbiorów spełniających warunki formatu, skali pomiaru i czystości dla potrzeb modelowania oraz ich opisu dla potrzeb czytelnej interpretacji modeli. Produktami modelowania są zarówno realizujące określone cele analityczne modele, jak również dodatkowa wiedza wynikająca z ich interpretacji.
ewaluacja - celem fazy jest werfikacja modeli w świetle kryteriów biznesowych, wybór najlepszych modeli do dystrybucji i decyzja o dalszych krokach i zmianach dla kolejnych iteracji procesu.
wdrożenie - kluczowym etapem jest skierowanie wyników do odbiorców, co może oznaczać jedynie dostarczenie raportu, w projektach data mining częściej jednak dotyczy również zapisu dodatkowych informacji do baz danych lub oznacza wykorzystanie modeli dla potrzeb udostępniania odbiorcom w czasie rzeczywistym rekomendacji biznesowych

Szkolenia Data Mining

Linia kursów data mining pokazuje, jak wiele informacji można uzyskać z istniejących danych i jak za ich pomocą budować modele predykcyjne. Uczymy jak w praktyce realizować projekty data mining, by zbudowane w ich trakcie modele pracowały na rzecz instytucji. Na przykład typując klientów do kampanii i rekomendując dla nich określone działania.

Kursy tej serii podchodzą do zagadnień data mining kompleksowo, omawiając każdy z etapów. Począwszy od audytu i przygotowania danych, poprzez budowę i ewaluację modelu, a na integracji modeli z systemami informatycznymi kończąc.


DM 1


data mining, metodyka prowadzenia projektów,
przygotowanie danych i wprowadzenie do modelowania

stanowi doskonałe wprowadzenie w świat data mining, daje też możliwość zapoznania się z programem

DM 2


data mining, zrozumienie, ocena jakości
i przygotowanie danych do modelowania

dla zainteresowanych pogłębieniem wiedzy z zakresu przygotowania danych i tworzenia danych analitycznych



O Predictive Solutions

Firma Predictive Solutions (dawniej SPSS Polska) od 25 lat wspiera klientów w pozyskiwaniu informacji z danych. Oferuje wiedzę i doświadczenie oraz oprogramowanie i kompleksowe rozwiązania pozwalające efektywnie stosować analizę danych w biznesie, administracji publicznej, badaniach naukowych i edukacji.

Rozwiązania oferowane klientom wykorzystują technologie IBM SPSS, których Predictive Solutions jest głównym dystrybutorem w Polsce od 1991 roku. Na ich bazie powstały rozwiązania dedykowane dla wybranych obszarów biznesowych: przeciwdziałania praniu pieniędzy (PS AML), zarządzania relacjami z klientami (PS ACRM), zapobiegania nadużyciom (PS FRAUD) i inne. Firma tworzy również własne rozwiązania, takie jak: kompleksowa platforma analityczno-raportująca PS IMAGO PRO czy system zarządzania sprawami (PS SYMOBIS).

Od statystyki i raportowanie, poprzez data mining i rozwiązania predykcyjne, firma Predictive Solutions pomaga wykorzystywać dane by spojrzeć w przyszłość i podejmować najlepsze decyzje.

Predictive Solutions Sp. z o.o. [dawniej SPSS Polska]
ul. Racławicka 58 ⋅ 30-017 Kraków
tel. 12 636 45 35 ⋅ faks wew. 102

Formularz kontaktowy

Proszę uzupełnić pole Imię i Nazwisko

Proszę uzupełnić pole Email

Proszę uzupełnić pole Wiadomość

Proszę uzupełnić CAPTCHA


Email nie został wysłany



Email został wysłany