Category: Business Intelligence

Feed: SAS Blogs. Author: Nihan Yami. Yeni tip korona virus (COVID-19) ile yapılan global mücadeleye veri bilimi ışığında katkıda bulunmak ister misiniz? Uzmanların belirttiği üzere, “sosyal mesafe”ye dikkat etmek ve temel hijyen kurallarını takip etmek başta olacak şekilde, almamız gereken önlemler var. Veri bilimciler ise bu pandeminin en etkili şekilde yönetilmesinde çeşitli projelerle yardımcı olmaktalar. Sizler de tedbir almanın dışında neler yapılabileceğini merak ediyorsanız, yapay zeka uygulamalarının virüsün etkilerini azaltmakta nasıl yardımcı olduğunu keşfedebiliriz. Örneğin, medyada karşılaşacağınız görselleştirmelerin birçoğu gelişmiş analizlerin sonucudur, hatta bazıları yapay zeka kullanılarak yapılan geleceğe yönelik tahminleri içerir. Ülke bazında vakaları takip etmek için kullanabileceğiniz bir ... Read More

Feed: SAS Blogs. Author: Paul Gittins. Until recently I’d not appreciated the flurry of hackathons that have occurred over the past few weeks, many with the admirable aim to identify and improve measures to combat the effects of COVID-19 or to better enable organisations (public and private) to cope with its fallout. How can we understand more about the spread of infectious disease? Notable public examples include: At the same time, some commercial organisations are doing much the same thing to address immediate challenges, such as: How to better forecast demand for product lines over the coming months, reflecting the ... Read More

Feed: SAS Blogs. Author: Javier Alexander Rengifo. Usualmente, las crisis son el principal incentivo para adoptar cambios originados por un factor externo, circunstancial y con impactos negativos, y el COVID-19 no será la excepción, las políticas adoptadas por los gobiernos han llevado a las organizaciones a replantear la forma de trabajar y la manera en la que nos comunicamos con nuestro entorno profesional (colegas, partners, clientes, proveedores y demás) para así diseñar e implementar medidas efectivas de teletrabajo. Bajo esta premisa es inminente la necesidad de los diversos sectores de activar los planes de contingencia en pro de mitigar los ... Read More

Feed: Microsoft Dynamics 365 Blog. Author: Manoj Swaminathan. Disruptions in global supply chains have significantly increased over the last decade, fueled by a myriad of triggers ranging from trade wars, demand surges from social marketing, natural disasters, and most recently, the recent COVID-19 pandemic.Updates to Microsoft Dynamics 365 Supply Chain Management in the 2020 release wave 1 help organizations proactively transform every aspect of manufacturing and supply chain operations to reduce disruptions. These new and updated capabilities drive automation and reduce downtime using IoT and mixed reality, and provide the agility to re-plan production in real time to dynamically changing ... Read More

Feed: SAS Blogs. Author: Alyssa Grube. Over the last few weeks, the world has experienced unprecedented events. The current situation with COVID-19 continues to develop rapidly, and it’s requiring parents to think outside the box to solve problems – from home. With their new, sometimes invasive co-workers. Their kids. Parents don’t cease to be parents when their laptops are open, and kids don’t cease to be kids when Mom or Dad have back to back calls. Daily life has been turned upside down and with school and daycare closures, parents are trying to find ways to keep their kids healthy ... Read More

Feed: SAS Blogs. Author: Luis Barrientos. Cuando reflexionaba recientemente sobre la publicación final de la regulación relacionada con IFRS 9 en México, me di canta de que la discusión versaba sobre si las herramientas tecnológicas actuales eran capaces, con algunos ajustes, de soportar los cambios de este proyecto de norma en lo que corresponde a la metodología general estándar de cálculo de reservas preventivas por riesgo crediticio. A manera  introducción sobre IFRS 9 se tiene que, a raíz de la crisis financiera de 2008, el Consejo de Normas Internacionales de Contabilidad (IASB, por sus siglas en inglés) desarrolló y publicó ... Read More

Feed: SAS Blogs. Author: Sophia Rowland. Before joining SAS, I was unaware of the possibilities around hyperparameter autotuning. When trying to maximize model performance, I would code up cumbersome pipelines trying multiple hyperparameter values across multiple models. This effort created a better performing model, but it still took up a large chunk of my time. In SAS VDMML, adding hyperparameter autotuning only requires an extra line of code or a button click. While SAS searches the hyperparameter space in the background, I am free to pursue other work. Hyperparameter autotuning is now one of my favorite machine learning capabilities (right ... Read More

Feed: Actian. Author: Pradeep Bhanot. There are times when financial markets trend up. There are times that markets trend down.  And then there are times that the markets go crazy and the only thing predictable is volatility. When markets encounter these volatile periods, financial services companies become highly reliant on data analytics to determine where the real market forces are coming from and determine how best to react. There are five key analytics capabilities that financial services companies need to perform effectively in a volatile market environment.Connected Data The more data you have available to analyze, the more accuracy you ... Read More

Feed: SAS Blogs. Author: SAS Taiwan. 決策樹結果重在商業邏輯的解釋 決策樹不似其他預測模型方法，依照每一觀察者的不同的特徵屬性值，計算出各自的發生機率值，它則是某一區間內的特徵屬性給定一個分數，歸屬在同一條預測規則下的觀測點，都會給定同一個值，發生機率都會判定相同，所以會有一定的誤差值。也就造成決策樹的準確度雖然不是最佳，但由於其容易表達、方便解讀，對於入門data mining的初階miner，賽博士卻是大大推薦決策樹一定要好好學習。模型的準確度在初學時，常會被我們認為是分析結果的重點。事實上，模型結果具有商業解釋性才更勝於一切，模型看似準確高，但產出的模型結果卻是分析人員或產業專家無法解釋，其實就等於是無用的模型。而模型準確度也可透過資料的處理或重要衍生變數的投入，提升模型的準度。準度也必需要禁得起時間的考驗，也就是每定期的模型驗證，來確定模型的穩定性。過度配適(model over-fitting)也可能造成一時的模型預測正確率很高，但幾期的時間觀察下來，卻發現模型越來越失準。(模型評估的方法，我們可以另闢一期來特別說明)。 SAS EM決策樹混合各種決策樹演算方法 我們常聽到的決策樹演算方法有：ID3、CHID、CART、C4.5、C5等方法，SAS EM的決策樹模型分析方法則混合了上述所提各種的決策樹演算法，在單一決策樹分析節點裡就可以連結各種決策樹處理演算法，分析者只需將欲輸入的資料集的資料型態設定好，在SAS EM決策樹分析節點的分割規則(Splitting Rule)的各項參數，進行適當調整，即可選擇想要的演算方法進行預測模型建置。 表一、決策樹演算法之比較 資料屬性 分割規則 修剪樹規則 Quinlan（1979） 離散型資料 Entropy、 Gain Ratio Predicted Error Rate Quinlan（1993） 離散型資料 Gain Ratio Predicted Error Rate Kass（1980） 離散型資料 Chi-Square Test No Pruning Briemen（1984） 連續型資料 Gini Index Entire Error Rate 運用SAS EM決策樹產生CART分析 CART (Classification and Regression Trees)演算方法是以每個節點的動態臨界值作為條件判斷式，藉由單一輸入的變數函數，在每個節點分隔資料，並建立一個二元決策樹，CART是使用 Gini Ratio來衡量指標，如果分散的指標程度很高，表示資料中分佈許多類別，相反的，如果指標程度越低，則代表單一類別的成員居多。C4.5 與CART 建構過程非常類似，兩者之間最大不同就在於節點分支的數目，C4.5 會在每一個節點產生不同數目分支，分支數目會決定於行為變項中類別的個數。而CART 只會在每一個節點產生兩個分支。C4.5 是較新出現的決策樹演算法，它的前身即為ID3。 在SAS EM決策樹裡產生CART分析，必須進行以下參數調整： 運用SAS EM決策樹產生CHAID分析  CHAID (Chi-Square Automatic Interaction Detector)演算法為利用卡方分析(Chi-Square Test)預測二個變數是否需要合併，如能夠產生最大的類別差異的預測變數，將成為節點的分隔變數。透過計算節點中類別的 P值 (P-Value)，以P值大小來決定決策樹是否繼續生長，所以不需像C4.5或CART要再做決策樹修剪的動作。CHAID 與CART、C4.5 之差異在於，CHAID只限於處理類別變數，如連續變數必須採用區段的方式，轉換成類別變數。另一差異部分在於修剪的部分，CART、C4.5 是先過度套用資料訓練，之後再修剪。但CHAID 則是在過度套用之前即停止支點蔓生擴大。 ... Read More

Feed: SAS Blogs. Author: SAS Taiwan. 介紹完如何運用SAS EM的關聯分析節點進行購物籃分析，是不是覺得運用EM進行購物籃分析不是件難事? 此外，關聯分析容易產生大量的關聯規則，但並不一定每一個都是有用的，有些關聯規則是業務老手早已知道的規則，有些則無法解釋，都必須一一剔除。所以這些資料解讀與處理程序，也是購物籃分析的重點之一。 關聯分析結果重在行銷策略應用 同一個關聯規則，運用不同的行銷方法，可能會產生不同的行銷效果。不同的行銷人員看到同一個關聯規則，引發他們的行銷設計也可能不同。如何讓關聯分析的結果產生效用，重要的必須結合行銷策略的設計與應用。 舉例而言，分析人員得到了「買芭比娃娃就會糖果」的關聯規則，若你是行銷人員，你的行銷會是策略如何？ 把兩項商品擺在一起 特意把兩項商品擺在相距較遠的地方 將糖果和芭比娃娃組合起來一起賣 糖果+芭比娃娃+銷售較差的商品一起組合銷售 定價策略：提供一個單價，降低另一個商品價格 廣告策略：芭比娃娃和糖果不需要同時廣告活動 產品設計：設計芭比娃娃形狀的糖果 提供芭比娃娃的配件，提升銷售 ……等等。 以上都是可行的行銷方案設計，沒有一定的標準答案。但若是要比較出哪一個行銷方案的效果較好，則可以將關聯分析連結前幾期所提的預測模型演算方法透過EM建置回應預測模型，來進行行銷方案回應效果的比較。 關聯規則結合客群分析實務應用效果更好 此外，購物籃分析所得到的關聯規則，若能配合客群分析，實務的應用效果會更好。分析所得的關聯規則再透過進一步的分析，找到是哪些客戶特徵的人特別喜好這樣的消費組合，再依此結果進行行銷方案規劃，回應效果會更加精準。 如何運用關聯分析結合客群分析的步驟： 關聯規則歸戶客戶ID匯出。 執行完關聯分析，至參數設定列內的Rules參數選項中的Export Rule by ID改成Yes，並重新執行關聯分析節點。 2.檢視執行後的資料表結果。點選參數設定列內General參數選項內的Exported Data。 開啟後，會跳出Exported Data視窗方框，點選TRAIN後，選擇瀏覽Browse…。 開啟檢視資料表後，可以看到SAS EM已將關聯分析所產生的關聯規則，轉成歸戶資料表，每一關聯規則自動產生一個資料欄位，以Dummy變數方式儲存。 若要將有此交易規則：「芭比娃娃-->糖果」的客戶挑選出來進一步分析，則只要將此變數值為1的客戶名單篩選出來。 3.進行客群分析，以針對不同客群設計適宜的行銷方案。 同樣是買芭比娃娃就會買糖果的客戶，給予相同的行銷刺激並不會每個人都會有回應。因此結合客群分析，給予適當的行銷區隔，則可以提高回應效果。將上述步驟所篩出的名單，結合客戶的交易偏好、客戶基本資料等資訊，利用SAS EM的分群節點Cluster Node進行簡單的分群分析，如下圖例，依據客戶資料分成四群並命名，掌握到每一群的客戶的特徵後，再對應各分群設計行銷活動，則容易打動到各客群的真實回應效果。 ... Read More