Analiza danych dla managerów – źródło przewagi konkurencyjnej nowoczesnego biznesu
12 czerwca 2013


Dane, wiedza, sukces – STATISTICA Decisioning Platform

STATISTICA Decisioning Platform to rozwiązanie pomagające firmom sprawniej podejmować trafne decyzje z wykorzystaniem analizy danych. Dzięki analizie danych możemy udoskonalić istniejący proces decyzyjny, aby przełamać bariery na drodze do realizacji celów biznesowych. Nasze rozwiązanie pozwala przy pomocy jednego środowiska pracy połączyć rekomendacje wynikające z modeli analitycznych oraz analityczne bądź eksperckie reguły decyzyjne w jeden, kompleksowy proces wspierający on-line podejmowanie decyzji. Użyteczna wiedza wydobyta z danych w połączeniu z regułami decyzyjnymi, umożliwia przedsiębiorstwu udoskonalenie procesów m.in. W obszarach pozyskiwania i utrzymania klienta ( cross-selling, up-selling i churn), zarządzania zasobami ludzkimi, zarządzania ryzykiem, wykrywania nadużyć (ang. fraud detection) czy optymalizacji procesów.


Nowoczesne podejście do modelowania predykcyjnego

Wystąpienie poświęcone będzie omówieniu systemu umożliwiającego sprawną realizację całego procesu wydobywania z danych użytecznej wiedzy: od przygotowania danych, przez modelowanie predykcyjne, aż do stosowania modeli i reguł biznesowych dla nowych danych. W szczególności przedstawione zostaną możliwości integracji całego rozwiązania z istniejącym środowiskiem informatycznym.


Skoring kredytowy nie tylko dla banków

Skoring kredytowy to nie tylko banki, ale również firmy telekomunikacyjne kredytujące swoich abonentów czy firmy handlowe udzielające kredytu kupieckiego swoim odbiorcom. Podczas prezentacji zaprezentowane zostaną korzyści ze stosowania modeli skoringowych do identyfikacji niewiarygodnych kontrahentów. Omówione zostaną poszczególne etapy realizacji strategii skoringowej oraz korzyści, jakie przynosi wdrożenie jej kolejnych elementów.


Wykrywanie nadużyć (fraud detection) z wykorzystaniem modeli predykcyjnych

Wykrywanie nadużyć (ang. fraud detection) dotyczy bardzo wielu różnych sektorów, od banków i instytucji ubezpieczeniowych, przez sklepy internetowe, portale aukcyjne, a skończywszy na administracji publicznej. Podczas wystąpienia omówione zostanie jak statystyka i data mining mogą pomóc w wykrywaniu nadużyć w różnych dziedzinach. Przedstawione zostaną podejścia analityczne oraz system informatyczny wskazujący podejrzane działania.


Prognozowanie – nie zgadywanie

Prawidłowe prognozowanie nie może być zgadywaniem przyszłości, musi opierać się na rzetelnej analizie danych. To jedno z najczęściej występujących zadań analitycznych – każdy chciałby wiedzieć, co stanie się w przyszłości i móc to wykorzystać w podejmowaniu decyzji. Bez względu na to jakie wartości chcemy prognozować, czy to poziom popytu, zakupów, zasobów czy wartości sprzedaży poszczególnych produktów, to są to informacje kluczowe, które umożliwiają optymalizację bieżących działań, a w długiej perspektywie pomagają w kreowaniu strategii i kierunków rozwoju firmy. Podczas prezentacji omówione zostaną m.in. korzyści jakie osiągnęli wybrani klienci dzięki stosowaniu nowoczesnego podejścia analitycznego do prognozowania.


Zwiększanie wartości życiowej klienta – modele sprzedaży krzyżowej (cross-selling) w praktyce

Znajomość wzorców zachowania klientów oraz czynników, jakie na nie wpływają jest jednym z krytycznych warunków sukcesu kampanii sprzedażowych. Bardzo pomocne w poznawaniu klientów są narzędzia służące do zgłębiania danych (data mining). Wykorzystanie tych technik jest szczególnie warte polecenia w sytuacji, gdy dysponujemy dużą liczbą cech każdego z klientów takich jak dane demograficzne klienta, historia jego transakcji itp. Dzięki analizie tych danych, możemy odkryć ukryte, nieznane wcześniej zależności oraz zidentyfikować reguły zachowań klientów niemożliwe do wykrycia w inny sposób. Podczas wystąpienia zaprezentowane zostaną praktyczne aspekty budowy modeli pozwalające ocenić skłonność klientów do zakupu.


Proszę nie odchodź! – analiza lojalności klienta za pomocą modeli anty-churn

Podczas wystąpienia zaprezentowane zostaną schematy migracji klientów z różnych branż biznesu takich jak telekomunikacja, bankowość, ubezpieczenia czy handel. Przybliżona zostanie również specyfika budowy i walidacji modeli pozwalających na przewidywanie skłonności klientów do odejścia, zilustrowana przykładem budowy i stosowania modelu.


Analiza danych w erze BIG DATA

Ilość gromadzonych danych ciągle rośnie, rosną też oczekiwania co do tego co można z tych danych wywnioskować. Coraz istotniejsza jest już nie tylko ogromna ilość danych, jaka dociera każdego dnia do przedsiębiorstwa, ale również ich różnorodność oraz szybkość ich pozyskiwania. Dzięki zastosowaniu nowoczesnych rozwiązań analityki predykcyjnej możliwe jest wydobycie z nich użytecznej wiedzy, która stanowić może kluczowy czynnik uzyskania przewagi konkurencyjnej na rynku. Podczas prezentacji zostaną omówione przykłady zastosowania w predykcji nieustrukturyzowanych danych pochodzących z różnych źródeł (np. z mediów społecznościowych (social media)).