Adatbányászat és Perszonalizáció az Oracle9i-ben

HTML
DOWNLOAD

Méret: px

Mutatás kezdődik a ... oldaltól:

Download "Adatbányászat és Perszonalizáció az Oracle9i-ben"

Erik Fehér
9 évvel ezelőtt
Látták:

2 Adatbányászat és Perszonalizáció az Oracle9i-ben

3 Oracle9i adatbányászat szeptember 6. Fekete Zoltán Palaczk Péter

4 Agenda Oracle9i Database Teljes e-business Intelligence infrastruktúra Mi is az adatbányászat? Oracle9i Data Mining Oracle9i Personalization Personalization demonstráció

5 Hagyományos elemző szerverek Adat integrációs motor Data Warehouse motor OLAP motor Bányászati motor

6 Oracle9i analitikus platform Oracle9i Data Warehousing ETL OLAP Adatbányászat

7 Oracle9i Teljes e-üzleti intelligencia infrastruktúra

8 Oracle9i Database Integrált üzleti intelligencia szerver Data Warehouse ETL OLAP Data Mining M e t a a d a t o k

9 Oracle9i Application Server az üzleti intelligencia alkalmazások futtatásához M e t a a d a t o k Portal Jelentések, lekérdezések BI Components Personalization Hello! We have recommendations for you.

10 Oracle9i Complete e-business Intelligence Oracle9iDB Data Warehousing Oracle9iAS Portal ETL OLAP Data Mining M e t a d a t a Query & Reporting BI Components Real-Time Personalization Hello! We have recommendations for you.

M e t a d a t a Query & Reporting BI Components

11 Az adatbányászat fogalmáról

12 Mi az adatbányászat? Röviden, az adatbányászat rejtett minták és kapcsolatok feltárása az adattömegben, a jobb üzleti döntések elősegítésére -- Robert Small, Two Crows

13 Oracle adattárházak és adatbányászat Az adattárház lehetővé teszi az adatbányászatot Az adatbányászat kiássa az adattárház rejtett kincseit Az adattárházak gyorsan növekszenek, gyorsabban sem hogy manuálisan ki lehetne aknázni a bennük rejlő tudást Az adatbányászat kiteljesíti az adattárházak ígéretét Felfedi a tudást, mely az adatot információvá alakítja

gyorsabban sem hogy manuálisan ki lehetne aknázni a bennük rejlő tudást Az adatbányászat

14 Lehetőség: adatbányászat az ügyfelek megértéséhez Ügyfél megtartás, elvándorlás csökkentés Ügyfelek csoportosítása és viselkedésük megértése Jövedelmezőség javítása Ügyfél megszerzési költségek csökkentése A jövedelmező ügyfelek megfelelő ajánlatokkal ellátása

viselkedésük megértése Jövedelmezőség javítása Ügyfél

15 Miért szükséges az adatbányászat? Pénzügyi példa: Mely ügyfeleknek legnagyobb a hajlandósága részt venni az új arany hitelkártya programban? Telekommunikációs példa: Mely vevők akarnak a konkurenciához távozni? Államigazgatási példa: Melyek azok az egészségügyi igények melyek mögött csalás lehet?

16 Tipikus adatbányászati ágazatok és alkalmazások Adatbázis marketing Pénzügyi management Telekommunikáció Egészségügy Manufacturing Biztosítás Kormányzat CRM Cross-Sell/Up-Sell Hitel Csalás ERP Quality Control

Telekommunikáció Egészségügy Manufacturing

17 Data Mining példák Bank értékesítési hatékonyságát 1,1%-ról 20,5%-ra növelte Banki termék 4000 vásárlója mellé további lehetséges vásárlót találtak Telecommunikációs cég magas bevételt ígérő ügyfeleket talált a cégváltásra hajlamosak szegmensében Oracle Discoverer szemlélteti az adatbányászati eredményeket.

Telecommunikációs cég magas bevételt ígérő ügyfeleket talált a cégváltásra

18 Oracle9i Data Mining

19 Oracle9i Data Mining Az alkalmazásokat kiegészíti a rejtett minták felismerésével Az Oracle9i Database-be beágyazott adatbányászat Java-alapú API, amely megfelel a JDM (JSR-73) fejlődő szabványnak (SUN Java Community Process, CWM, PPML, SQL/MM for Data Mining) Data Mining

Java-alapú API, amely megfelel a JDM (JSR-73) fejlődő szabványnak

20 Beágyazott adatbányászat az Oracle9i adatbázisba Egyszerűsíti a folyamatot, Nincs adatmozgatás és nincs adatduplikáció Nagy teljesítményt és skálázhatóságot biztosít nem csupán mintavétellel Partitioning nagy adatmenny. SELECT SAMPLE Adatbányászat Beágyazott adatbányászat

teljesítményt és skálázhatóságot biztosít nem csupán mintavétellel

21 Az alkalmazások kiegészülnek predikcióval és betekintéssel az adatok mögé Oracle9i Data Mining Java API-val predikció alapú alkalmazások készülnek Az adatbányászat automatizálása az ügyfelek pontozására és valós idejű prediktálására Batch on-demand Az adatbányászati eredmények rögtön elemezhetők Oracle Discovererrel, OLAP kieg.

22 Data Mining az Oracle9i Database-be ágyazva Több algoritmus Naïve Bayes (osztályozás) - supervised Association Rules (asszociáció) - unsupervised Fejlődés: C&RT, neurális hálózatok, SOM... Alapértelmezett és részletes paraméterezés Több féle predikció Adott esemény valószínűsége A legvalószínűbb esemény Data Mining

23 Predikció és klasszifikáció Korábban rejtett információk a hívóközpont kezelőnek. Predikció és valószínűség.

24 Asszociációs szabályok felhasználása Asszociációk meghatározása Népszerű termék összeállítások (pl. kosár elemzés) Együttes előfordulások Kosár következő elemének megjóslása

25 Oracle CRM integráltan az Oracle Data Mininggal Automatizált adatbányászat Modell építés Ütemezés Pontozás listák Minták felderítése Predikciók A célzott kampányok hatékonyságát nagy mértékben javítja

26 ODM tevékenységek Modell építés Teszt (Naïve Bayes prediktív modellekhez) Lift számítás (Naïve Bayes modellekhez) Modell alkalmazása (scoring a Naïve Bayeshez)

27 Oracle9i Data Mining Az alkalmazások kiegészülnek predikcióval és elemzéssel Az alkalmazások nagyobb betekintést biztosítanak az ügyféladatokba, churn predikció, call center alkalmazásoknál Beágyazott adatbányászat az Oracle9i-be Egyszerűsített folyamat, nincs adatmozgatás, nagy teljesítményt és skálázhatóságot biztosít Java alapú API Üzleti intelligencia adatbázisok építéséhez Data Mining

28 Oracle9iAS Personalization

29 Oracle9i Perszonalizáció Valós idejű ajánlási motor Valós idejű ajánlási motor, 1:1 marketing kapcsolatok eléréséhez az Interneten Cross-selling és up-selling Web lap tartalom testreszabás, pl. hirdetések Tradicionális adatbányászat + Valós idejű Session környezet

30 Oracle9i Personalization Az adatbázis valós idejű ajánlást ad Ügyfél profil (történeti) Adattárház Oracle Powered Web Site Web Dinamikus Site Weblapok Advanced dynamic content Database driven Real-time, adaptive personalization Ajánlás

31 Ajánlás - feladatok Melyik N terméket fogja A a legvalószínűbben megvásárolni? Akik megvették az X terméket, hajlamosak-e mást is vásárolni? Mennyire valószínű, hogy A megveszi az X terméket? Melyik N cikket legvalószínűbb, hogy A megveszi, feltéve, hogy egy másik X terméket vásárol? Melyik N termék hasonlít legjobban az X termékhez egy adott dimenzió mentén?

32 Oracle9iAS Personalization alkalmazás BooksRus.com s Book Store - Netscape Egy Java könyvet keresek Hello, Mark BooksRus.com Jones. We think you will like these items. Hello, Mark Jones! Tekintse meg ajánlatunkat BooksRus.com Auctions. BooksRus.com 100 Hot Books m Valós idejű ajánlatok, további könyvek az érdeklődési körnek és profilnak megfelelően, és a meglepetés faktor.

33 Personalization szolgáltatások Hogyan működik? BooksRus.com BooksRus.com s Book Store - Netscape BooksRus.com BooksRus.com BooksRus.com 100 Hot Books Html kérés Web Server Html Code Generation <static sections> Customer IDBooksRus.com Profession BooksRus.com Field ScoreClassic Rap ActionThriller Poetry com BooksRus.co Auctions. m 100 Hot Books <dynamic sections created using JSP> Computer BooksRus. Consulting BooksRus.com Auctions The Brethren by John Grisham Html code Browser (Client) A session felhasználói adatok profil tisztításra kerülnek egy böngésző pontozódik profil és az megállapítása eredmény megjelenik a érdekében Web szerveren Oracle 9i Personalization Services

34 Web Personalization: Architektúra = Web Perszonalizációs termék része Történeti adat Web Szerver Perszonalizácós API Adattárház Prediktív modellek offline létrehozása Oracle9i adatbázis Előre felépített modell és adat Ajánlási kérés (session információt tartalmaz) Ajánlási motor Ajánlás Valós időben végrehajtja a modellt és visszaadja az ajánlásokat Oracle9i adatbázis előre definiált sémával

Hasonló dokumentumok

Adatbányászat az Oracle9i-ben. Fekete Zoltán vezető termékmenedzser Zoltan.Fekete@oracle.com

Adatbányászat az Oracle9i-ben. Fekete Zoltán vezető termékmenedzser Zoltan.Fekete@oracle.com Agenda Az Oracle9i adattárház tulajdonságai Adatbányászat az Oracle9i-ben DM, Personalization az Oracle9i-ben, architektúra Integrált adatbányászat az Oracle CRM-ben Szünet Perszonalizációs felhasználási