Dolování podnikových dat data mining

"Data mining" bývá definován jako "získávání dosud neznámých, ověřených a použitelných znalostí z rozsáhlých ...


"Data mining" bývá definován jako "získávání dosud neznámých, ověřených a
použitelných znalostí z rozsáhlých databází pro provádění klíčových
podnikatelských rozhodnutí" [1]. Je zřejmé, že každý manažer nebo obchodní
analytik se často rozhoduje podle "znalostí získaných z dat" třeba při odhadu
prodeje s využitím jednoduchého grafického prostředí typu Microsoft Excel.
Využití technologie data mining je na místě v případech, kdy jednodušší
grafické nástroje nebo nástroje pro multidimenzionální analýzu (OLAP) nepostačí
a "obchodní zadání" či "obchodní otázka" vedou k některé ze speciálních
technik, jako například:

Klasifikace (např. "Představuje toto hlášení o škodní události pojišťovací
podvod?")

Odhad (např. "Jaká je obchodní hodnota (LTV) zákazníka?")

Předpovídání (např. "Kteří zákazníci od nás pravděpodobně odejdou v průběhu
nejbližších šesti měsíců?")

Analýza nákupního košíku (např. "Které produkty jsou obvykle kupovány
společně?")

Seskupování podle podobnosti (např. "Které skupiny zákazníků mají nějaké
podobné charakteristiky?")
Deskripce (např. "Které atributy nejvíce charakterizují chování určité skupiny
zákazníků?").
V užším slova smyslu znamená pak data mining využití nástrojů a přístupů
disponujícími pokročilejšími analytickými technikami jako rozhodovací stromy,
analýza příbuznosti (analýza nákupního košíku), vyhledávání shluků, umělé
neuronové sítě, analýza vazeb nebo genetické algoritmy a podobně.
Příklady využití data miningu
Data mining se dnes využívá proto, že přináší hmatatelné přínosy. Průkopníky v
obchodní praxi data miningu byly finanční instituce a společnosti v oblasti
telekomunikací, dnes je využití data miningu rutinní záležitostí rovněž např.
ve zdravotnictví, státní správě, médiích a jinde. Data mining přináší své
uplatnění po začlenění do "virtuálního cyklu".
Uveďme některé charakteristické příklady praktického uplatnění:

Analýza prodeje (analýza nákupního chování, vyhodnocení speciálních nabídek,
porovnání prodeje podle většího množství atributů, vyhodnocení sezonnosti
atd.). Často citovaným příkladem z praxe je zjištění jednoho hypermarketu, že
ke konci pracovního týdne se společně často prodává pivo a dětské pleny.
Reorganizace prodejní plochy přinesla zvýšení prodeje těchto produktů s
návratností nákladů vložených do analýzy (zde použita analýza nákupního košíku).

Cílený marketing (nalezení nejlevnější cesty, jejímž prostřednictvím na určitou
nabídku reaguje dostatečné množství respondentů). Praktická účinnost plošného
marketingu bývá udávána maximálně v jednotkách procent. Po oslovení vzorku
vybraného pomocí data mining technik lze výrazně ušetřit jednotkové náklady na
marketing za minimálního snížení úspěšnosti celkové odezvy. Příkladem může být
marketingová kampaň mobilního operátora, u které se zvýšila odezva z 2-3 % na
15 %. lAnalýza rizik, detekce zneužití (analýza finančních transakcí, analýza
žádostí o půjčku, analýza pojistných událostí atd.). Společnosti vydávající
kreditní karty již rutinně vytvářejí své modely pro autorizační procesy,
obvykle s využitím neuronových sítí. Jiným příkladem může být Caterpillar,
který automatizuje vyhodnocování žádostí o proplacení záručních oprav od
smluvních servisů a podrobněji zkoumá jen ty, které se jeví jako neadekvátní.

Vyhodnocení loajality, minimalizace pravděpodobnosti ztráty zákazníka (Kdo jsou
naši nejlepší zákazníci? Jak se můžeme ubránit tomu, že přejdou ke konkurenci?
Komu je vhodné nabídnout speciální podmínky nebo zákaznický program? Jaká je
hodnota zákazníka v průběhu celého obchodního kontaktu s ním (LTV)?). Příkladem
z praxe může být zjištění jedné banky, že lidé, kteří nevyužívají kreditu v
průběhu roku, ale činí tak v listopadu a prosinci (k zajištění dodatečných
vánočních výdajů), jsou vysoce ziskoví.

Vývoj nového produktu, cross-selling. Přikladem může být banka, která s
využitím shlukové analýzy identifikovala dříve nepovšimnutou skupinu, kde 39 %
zákazníků mělo jak osobní, tak podnikatelský účet a 11 % procent z této skupiny
žádalo o půjčku zajištěnou vlastní nemovitostí. Po zjištění, že vysoké procento
těchto žádostí bylo ohodnoceno jako nízkorizikové, banka začala pracovat s
hypotézou, že nemálo jejích zákazníků zahajuje podnikání tak, že za úvodní
půjčku ručí vlastní nemovitostí. Hypotéza byla ověřena dobrou odezvou po
zavedení nové nabídky zaměřené na tuto skupinu.

Získané modely
Výsledky data miningu mohou využívat v organizaci dvě skupiny lidí: "Knowledge
workers" pracují s vývojovým prostředím a modely a slouží tak jako podpora
manažerům a oborovým ("doménovým") specialistům.
Druhou, dnes stále významnější cestou implementace data miningu je začlenění
připravených modelů přímo do provozní struktury dané organizace, typicky jako
součást prostředí datového skladu.
Příkladem může být periodicky (např. automatizovaně) připravované hlášení,
které tiskne seznam nejprofitabilnějších zákazníků, u kterých je zjištěna
pravděpodobnost, že odejdou ke konkurenci, vyšší než předem zadaná mez.
Literatura: [1] Berry, Linoff: Data Mining Techniques. Wiley Computer
Publishing, 1997
1 1055 / vox









Komentáře
K tomuto článku není připojena žádná diskuze, nebo byla zakázána.