close

Вход

Забыли?

вход по аккаунту

?

Книга – «Бизнес-аналитика: от данных к знаниям

код для вставкиСкачать
Книга – «Бизнесаналитика: от
данных к знаниям»
Учебный курс по бизнес-анализу
«Бизнес-аналитика:
от данных к
знаниям» – книга от
издательского дома
«Питер»
Объем более 600
стр., CD-диск в
комплекте
Тираж 1500
экземпляров
Профессиональная
редактура и верстка
BaseGroup Labs
Содержание книги
Книга состоит из 2 частей – теории бизнесанализа и практики решения бизнес-задач в
Deductor.
Теоретическая часть универсальна,
поскольку не привязана к конкретному
программному продукту
Большое количество примеров по ходу
изложения
На CD-диске – дистрибутив Deductror
Academic, файлы к бизнес-задачам,
видеоролики и презентации
BaseGroup Labs
Ориентация книги
Книга ориентирована на широкий круг
читателей, но в первую очередь - на
бизнес-аналитиков, а также:
Специалистов в области хранилищ
данных
Специалистов, занимающихся
прогнозированием временных рядов
Начинающих и профессиональных
аналитиков Data Mining
BaseGroup Labs
Авторы книги
Авторы книги Н. Паклин и В. Орешков –
сотрудники BaseGroup Labs с большим
опытом ведения реальных проектов и
преподавания курсов по бизнес-аналитике:
Освещение теории велось с учетом
последних инноваций в анализе данных
Некоторые разделы впервые широко
публикуются в отечественной литературе
Все бизнес-примеры излагаются с учетом
российской специфики и реального опыта
Научный редактор – к.т.н. Н.Б. Паклин
BaseGroup Labs
Часть 1 – теория бизнес-анализа
Путь от «сырых» данных к знаниям длинный. Поэтому
теоретическая часть книги — «Теория бизнесанализа» разбита на главы, каждая из которых
посвящена какой-либо одной задаче:
Технологии анализа данных
Консолидация данных
Трансформация данных
Визуализация данных
Очистка и предобработка данных
Data Mining
Ансамбли моделей
Сравнение моделей
BaseGroup Labs
Часть 1 – введение, консолидация, трансформация
Первая глава «Технологии анализа данных» является
вводной. В ней излагаются базовые сведения о принципах
анализа, подготовке информации, структурированных данных и
технологиях Knowledge Discovery in Databases и Data Mining.
Данные нередко хранятся в разрозненных источниках. Решение
задачи сбора информации, пригодной для анализа в едином
источнике, при помощи технологии многомерных и реляционных
хранилищ данных изложено в главе «Консолидация данных».
Для решения задач анализа собранную воедино информацию
требуется группировать, фильтровать, кодировать и
преобразовывать в определенный вид при помощи специальных
техник, о которых рассказывается в главе «Трансформация
данных».
BaseGroup Labs
Часть 1 – визуализация, очистка, предобработка
Нерегламентированные запросы и аналитическая OLAPотчетность — неотъемлемые составляющие любого
аналитического проекта по бизнес-анализу. Кроме того,
существует множество способов расширенной визуализации —
от графиков и диаграмм до специализированных
визуализаторов — для оценки качества моделей и
интерпретации выявленных зависимостей. Все эти вопросы
рассматриваются в главе «Визуализация данных».
В условиях постоянного роста объемов информации критически
важным становится качество данных. Пропуски, дубликаты,
противоречия и аномалии — со всеми этими проблемами
необходимо бороться, используя специальные методы и
алгоритмы, чему посвящена глава «Очистка и предобработка
данных».
BaseGroup Labs
Часть 1 – Data Mining
Рассматриваются алгоритмы машинного обучения и
математической статистики, неоднократно
показавшие свою эффективность при решении
практических задач в системах бизнес-аналитики.
Четыре главы посвящены методам Data Mining:
Ассоциативные правила
Задачи кластеризации
Классификация и регрессия – статистические
методы
Классификация и регрессия – машинное
обучение
BaseGroup Labs
Часть 1 – анализ временных рядов
Многие бизнес-процессы отражают динамику:
продажи, поставки, заявки, трафик. Поэтому в
аналитических приложениях важную роль играет
прогнозирование, для чего необходимо владение
методами анализа временных рядов. Эти вопросы
раскрываются в главе «Анализ и прогнозирование
временных рядов»:
Временной ряд и его компоненты
Тренд и сезонная компонента
Модели временных рядов
Модели прогнозирования
Прогнозирование в торговле и логистике
BaseGroup Labs
Часть 1 – ансамбли моделей
Разнообразие алгоритмов Data Mining говорит о том,
что не существует одного универсального метода для
решения всех задач. В то же время, если объединить
усилия нескольких методов, можно значительно
повысить качество решения аналитических задач.
Поэтому в главе 11 «Ансамбли моделей»
рассматриваются современные подходы к
комбинированию и объединению моделей:
Бустинг (boosting);
Бэггинг (bagging);
Стэкинг (stacking).
BaseGroup Labs
Часть 1 – сравнение моделей
Разнообразие алгоритмов порождает проблему
выбора лучшей модели на основе объективных
критериев. Знание методов сравнения моделей
позволит при необходимости реализовать
автоматический перебор моделей, что важно при
«конвейерной» обработке больших массивов данных.
Этому посвящена глава 12 «Сравнение моделей»:
ROC-анализ
Lift-, Profit-, Gain-кривые
Модели с учетом издержек
BaseGroup Labs
Часть 2 – бизнес-анализ в Deductor
Вторая часть «Бизнес-анализ в Deductor» содержит
примеры решения задач на базе аналитической
платформы Deductor в различных областях.
Рассматриваемые следующие бизнес-задачи:
Консолидация и отчетность аптечной сети
Ассоциативные правила в стимулировании
розничных продаж
Сегментация клиентов телекоммуникационной
компании
Оценка кредитоспособности заемщиков
Прогнозирование продаж в оптовой компании
Повышение эффективности массовой
рассылки клиентам
BaseGroup Labs
BaseGroup Labs
BaseGroup Labs – профессиональный
поставщик Data Warehouse, OLAP, KDD, Data
Mining решений и инструментов.
Web-сайт:
Образование:
E-mail:
BaseGroup Labs
www.basegroup.ru
edu.basegroup.ru
info@basegroup.ru
Документ
Категория
Презентации по информатике
Просмотров
149
Размер файла
696 Кб
Теги
1/--страниц
Пожаловаться на содержимое документа