PS CLEMENTINE (MÁS)

Estos son los hechos:

El motor analítico de IBM SPSS Modeler ofrece una variedad de técnicas de modelado avanzadas basadas en procedimientos estadísticos e inteligencia artificial. Ofrece visualización gráfica de resultados e integración con otros entornos analíticos y bases de datos. Esta solución facilita la cooperación entre usuarios y el almacenamiento seguro de procedimientos y recursos analíticos. Los usuarios empresariales pueden ejecutar los procesos de puntuación y otros procesos analíticos independientemente de IBM SPSS Modeler.

Sus funcionalidades permiten la gestión integral de los procesos analíticos, desde la creación de la estructura hasta la asignación de derechos de acceso, el trabajo en equipo y el control de procesos.

Las posibilidades de automatización de procesos incluyen no solo la capacitación de modelos predictivos, sino también tipos mejorados de activación automática, notificación por correo electrónico sobre el estado de ejecución y el archivo de la ejecución de las tareas.

Su arquitectura permite el ajuste flexible a las necesidades de su organización y la integración de los análisis predictivos dentro de los procesos de negocio y los sistemas internos. La distribución e implementación de resultados, evaluaciones o recomendaciones guardadas en bases de datos pueden ejecutarse en tiempo real a través de los sistemas operativos.

Un arsenal de algoritmos a su servicio

Los algoritmos de agrupación se utilizan para identificar subgrupos homogéneos en una población. Por ejemplo, pueden segmentar a los clientes por la forma en que utilizan los servicios de la empresa. Esta familia de algoritmos incluye el método de agrupamiento k-means, el análisis de clústeres en dos pasos, las redes de Kohonen y la detección de anomalías.

El papel de los algoritmos de reglas de inducción es identificar qué elementos ocurren juntos. Una aplicación típica es el análisis de la cesta de la compra que determina qué productos se compran juntos por un consumidor de bienes o servicios. En PS Clementine, estas tareas se pueden realizar con herramientas como GRI, Apriori, CARMA y el algoritmo de detección de secuencias.

Los algoritmos de clasificación determinan la afinidad de un individuo o elemento a un grupo basándose en un conjunto de características. Se pueden usar para identificar a los clientes que responderán positivamente a una oferta o que están considerando renunciar a los servicios de la empresa, también para asignar riesgo de crédito o detectar fraude. Estos algoritmos incluyen análisis discriminante, C&RT, CHAID, QUEST, C5.0, listas de decisiones, clasificador binario, redes neuronales y un modelo de respuesta bayesiano de autoaprendizaje.

Los algoritmos de predicción estiman valores cuantificables basados ​​en características específicas. Por ejemplo, pueden estimar el valor del cliente, su edad o sus ingresos. La predicción puede utilizar herramientas tales como análisis de regresión, regresión logística, modelo lineal generalizado, análisis de series de tiempo y redes neuronales.

PS Clemetine Modeling.png

Preparación de datos

Acceso a herramientas y técnicas que soportan el proceso de extracción de datos de fuentes de naturaleza variada. Esta solución permite una gestión rápida y fácil de la calidad de los datos y su modificación.

PS Clementine Data Preparation.png

Análisis Predicitvo

Una amplia gama de algoritmos configurables, técnicas estadísticas y extracción de datos permite combinar el conocimiento de los datos, el negocio y el conocimiento experto de modelización.

PS Clementine Predictive Analysis.png

Gestión del trabajo en equipo y Automatización

El repositorio analítico garantiza el almacenamiento y el intercambio seguro y sencillo de modelos o resultados y la gestión del trabajo de su equipo a través de un sistema de control de accesos adecuado

PS CLEMENTINE Dispatcher permite la automatización de procesos analíticos que pueden ejecutarse en el modo desatendido y activarse como resultado de una acción específica. Es posible iniciar el proceso automáticamente, a una hora predefinida, en un día predefinido, y definir una ejecución recurrente. Además, el proceso puede iniciarse cuando aparece un archivo en un directorio específico, o mediante el uso de un Web Service a petición del usuario cuya computadora no esté equipada con un motor analítico o con la solución PS CLEMENTINE PRO.

PS Clementine Dispatcher.png

UNA METODOLOGÍA CONTRASTADA DE MINERÍA DE DATOS

CRISP-DM (CRoss-Industry Standard Process for Data Mining) es una metodología de implementación de proyectos y un modelo de procedimiento de minería de datos que proporciona un mapa completo y universal para proyectos dirigidos a crear soluciones empresariales utilizando técnicas de minería de datos. PS CLEMENTINE PRO proporciona soporte completo para este modelo y organiza las tareas a lo largo de las siguientes fases de trabajo:

  • Comprensión del negocio: las tareas en este paso implican comprender las condiciones del negocio, asignar los objetivos del negocio a objetivos analíticos y preparar un plan de proyecto.
  • Comprensión de los datos: el objetivo es identificar las fuentes de datos, familiarizarse con ellos y comprender su significado para la empresa.
  • Preparación de datos: creación de conjuntos de datos finales que se ajusten a los requisitos de formato, escala de medición y limpieza de las técnicas de modelado, y su descripción para una interpretación clara de los resultados.
  • Evaluación: el objetivo de este paso es verificar los modelos a la luz de los criterios de negocio; seleccionar los mejores modelos para su distribución;y tomar decisiones sobre los próximos pasos y cambios en iteraciones futuras del proceso.
  • Distribución de resultados: esta etapa clave consiste en proporcionar los resultados a los destinatarios, lo que podría significar simplemente la entrega de un informe. Sin embargo, cada vez con mayor frecuencia, los proyectos de minería de datos suponen interacciones en tiempo real con bases de datos origniadas en informes interactivos o recomendaciones online.

PS Clementine CRISP DM.png