Data Netezza mit IBM SPSS

Transkript

1 Michael Ridder Senior Technical Sales Professional Predictiv Analytics Data Netezza mit IBM SPSS

2 Software Wir ertrinken in Informationen, aber wir hungern nach Wissen. John Naisbitt Trendforscher IBM IBM Corporation

3 Software Sichten auf die Daten z. B. Analyse von wechselgefährdeten Kunden Vergangenheit Gegenwart Zukunft Sicht: Fragestellung: Abdeckung: Standardbericht Wieviele Kunden haben gewechselt? Vergangenheit bis Gegenwart IBM IBM Corporation

4 Software Sichten auf die Daten z. B. Analyse von wechselgefährdeten Kunden Vergangenheit Gegenwart Zukunft Standardbericht Sicht: Fragestellung: Abdeckung: Ad-Hoc-Bericht Warum haben die Kunden gewechselt? Vergangenheit bis Gegenwart IBM IBM Corporation

5 Software Sichten auf die Daten z. B. Analyse von wechselgefährdeten Kunden Vergangenheit Gegenwart Zukunft Standardbericht Sicht: Fragestellung: Abdeckung: Welche Kunden werden ggf. wechseln? Zukunft Ad-Hoc-Bericht Predictive Analytics IBM IBM Corporation

6 Software Was ist Predictive Analytics? Predictive Analytics generiert aus Daten operative Aktionen, indem verlässliche Schlüsse zur aktuellen Situation und zukünftigen Ereignissen erkannt bzw. prognostiziert werden IBM IBM Corporation

7 Software IBM SPSS Produktsuite - Modeler IBM IBM Corporation

8 Software Das Herzstück von Predictive Analytics Data Mining ist der Prozess, Daten aus verschiedenen Richtungen zu analysieren und versteckte Zusammenhänge zu erkennen IBM IBM Corporation

9 Lösung von Geschäftsproblemen mit Data Mining IBM SPSS Modeler unterstützt Sie u.a. bei der Analyse und Segmentierung von Zielgruppen Detaillierte Kundensegmente finden Kundenprofile erstellen Optimierung von Marketingaktionen Antwortwahrscheinlichkeiten festlegen Kundenscoring Identifikation von Cross/Up-Selling Potentialen Produktionsoptimierung Qualitätsanalysen Betrugserkennung, Risikobewertung Kündigerprognose, Bonitätsprüfung Warenkorbanalysen, Verbundverkäufe Standortanalysen

10 Beispiel I Kündigervorhersage, aber warum?

11 zu Data Mining gehört auch Text Mining Über 80% aller Daten, mit denen Organisatonen täglich zu tun haben, sind unstrukturierte Textdaten: s Notizen Berichte Protokolle Briefe Offene Befragungsdaten Web 2.0 Informationen Fachartikel ( )

12 Text Mining: Konzept der linguistischen Extraktion Freitext-Protokoll eines Kundenanrufs Kd. nicht zufrieden mit Mobil Telefon, Anruf vom Kunde möchte zu Yellow inc wechseln Wort Extraktion Kd Kunde Yellow inc zufrieden nicht wechseln Mobil Telefon Begriffs Extraktion Kunde Yellow inc Mobil Telefon Nicht zufrieden Named Entities Recognition (NER) Kunde -> CRM-Begriff Kd? Yellow inc -> Telco Company (nicht die Farbe) Mobil Telefon -> Telco-Begriff nicht zufrieden 18. Nov > Date 70 s 80 s 90 s

13 Text Mining: Konzept der linguistischen Extraktion Freitext-Protokoll eines Kundenanrufs Kd. nicht zufrieden mit Mobil Telefon, Anruf vom Kunde möchte zu Yellow inc wechseln Sentiment-Analyse Kunde (Kd) Mobil Telefon unzufrieden (negativ); Wechseln zu (negative Vorhersage) yellow inc (Wettbewerber) Kombiniert mit strukturierten Daten Entscheidung Wechselwilliger Kunde mit hohem Kundenwert individuelles Angebot Heute

14 CRISP-DM Cross Industry Standard Process for Data Mining Daten Geschäftsverständnis Datenverständnis Datenaufbereitung 80-90% Projektzeit Verteilung Modellierung Bewertung

15 IBM SPSS Modeler

16

17

18

19

20

21

22

23 IBM Netezza Analytics & IBM SPSS Analytic Packages IBM SPSS Modeler Software Development Kit User-Defined Eclipse Client Extensions Plug-in Revolution Analytics SAS Adaptors for R, Hadoop Java, C, C++, Python, Fortran Client Connectors / Partner Engines (e.g., Fuzzy Logix) IBM Netezza Analytics IBM SPSS In-Database Analytics Hadoop R Spatial Matrix Data Prep Data Mining Predictive Analytics Language Support & Adaptors IBM Netezza AMPP Platform 23

24 IBM Netezza Analytics & IBM SPSS Funktion SQL Pushback In-Database Data Mining Sampling Mehrwert (beispielhaft) Optimiertes SQL für die Datenaufbereitung zur paralellen Abarbeitung in Netezza Vorgefertigte Data Mining Algorithmen in Netezza: Decision Trees K-Means PCA Linear Regression Regression Trees Bayes Network Naïve Bayes K Nearest Neighbors Divisive Clustering Optimiertes SQL zur Erstellung von Sampling von Daten 24

25 Data Mining der Prozess mit IBM Netezza 25

26 Haben Sie noch Fragen

27 Business Information Analytics Management IBM Netezza Roadshow am 1. Dezember 2011 im KochWerk in Frankfurt am Main. ibm.com/software/de/data/netezza/ Michael Rider Telefon: /

28 Michael Ridder IBM Deutschland GmbH Technical Sales Professional Gustav-Heinemann-Ufer 120 Business Analytics Köln Phone +49 (0)221 / Fax +49 (0)221 / Mobile +49 (0)171 / michael.ridder@de.ibm.com 28