Tartalom. Jó hogy jön Jucika, maga biztosan emlékszik még, hányadik oldalon van a Leszállás ködben.

Méret: px

Mutatás kezdődik a ... oldaltól:

Download "Tartalom. Jó hogy jön Jucika, maga biztosan emlékszik még, hányadik oldalon van a Leszállás ködben."

Zsolt Török
8 évvel ezelőtt
Látták:

1 Tartalom Jó hogy jön Jucika, maga biztosan emlékszik még, hányadik oldalon van a Leszállás ködben.

2 Előszó 1. Az adatbányászatról általában Miért adatbányászat? Technológia a rejtett információk megszerzéséhez Nehézségek és buktatók Adatbányászat az üzleti világban Adatbányászat és statisztika Adatbányászat és hagyományos adatelemzés Adatbányászat és manuális elemzés Üzleti haszon az adatok mélyén A könyv felépítése A szerzőkről Az üzleti intelligencia és az adattárházak Üzleti intelligencia Business Intelligence (BI) Adattárházak. Az alaprendszerektől az adatbányászatig adattárházak, adatpiacok Metaadatok Kiaknázás OLAP Egyéb kiaknázó technológiák Az adattárházprojektek tapasztalatai Vállalati adattárház kialakítása A sikeres bevezetés alapfeltételei Adatbányászati projektek módszertana Az adatbányászati projekt Üzletorientált megközelítés Módszertanok Adatbányászati sikertényezők Adatbányászok mintafeladata: prediktív modellezési probléma Jövőbe látni A prediktív modellezés folyamata A prediktív modellezés célja Scorecard A múlt alapján következtetni 108

Üzleti haszon az adatok mélyén 32 1.9. A könyv felépítése 32 1.10. A szerzőkről 35 2. Az üzleti intelligencia és az adattárházak 37 2.1. Üzleti intelligencia Business Intelligence (BI) 39 2.2. Adattárházak.

3 Üzleti haszon az adatok mélyén 5.6. Elemzési környezet kialakítása, adatok, definíciók összegyűjtése Adatok megismerése, megértése Adatok módosítása, modellezéshez előkészítése, modellezés Az előrejelző modell kialakítása, alkalmazása A végleges előrejelző modell és alkalmazása Szegmentáció A szegmentáció célja Ügyfél-szegmentáció Szegmentáló ügyféljellemzők Adat-előkészítés A szegmentációs alaptábla Szegmentálás és profilozás Szegmensalkotási módszerek A szegmentáció működtetése A viselkedés előrejelzése (early warning) A prediktív adatbányászat egy másik feladata A viselkedés felderítése Idősorok: a viselkedésmodellezés alapja Viselkedésmodellezés: a gyakorlat Kampányoptimalizáció Miért kell optimalizálni a marketingkampányokat? Kampányok üzleti célja A kampányoptimalizáció alapproblémája Kampányok tervezése Kampányok egymásra hatása A hasznossági pontszám Túlzott kommunikáció és kizárások Korlátok Az ajánlatok kiosztása Az optimális kiosztás Összegzés Gyakorlati alkalmazás: ügyfélérték-számítás egy telekommunikációs cégnél Érték az ügyfél Általános irányváltás a marketingben Az ügyfélérték fogalma Az ügyfélérték-számítás gyakorlata egy telekommunikációs vállalatnál 208

2. Ügyfél-szegmentáció 137 6.3. Szegmentáló ügyféljellemzők 139 6.4. Adat-előkészítés 142 6.5. A szegmentációs alaptábla 144 6.6. Szegmentálás és profilozás 145 6.7. Szegmensalkotási módszerek 149 6.

4 Tartalom 10. Mit jelent az adatminőség? Az adatminőség üzleti jelentősége Az adatminőség problémái Adatminőség-megoldások Megoldási módszerek és algoritmusok Visszamérések Webanalitika és látogatottságelemzés Adat a (világ)hálón A webes szolgáltatási környezet A látogatottságelemzés története Alapvető mérőszámok és jellemzők Adatgyűjtés Látogatók azonosítása Előfeldolgozás Adattárolás és adatok elérhetővé tétele Jelentések, mutatószámok és KPI-k Megjelenítés A látogatottsági adatok minősége Trendek, jövőkép Webanalitika a gyakorlatban Szövegbányászat A szövegbányászat célja Információkinyerés Dokumentumok osztályozása Dokumentumok csoportosítása Kivonatolás Keresés A nagy adattömeg problémája Keresési kérdések Klasszikus keresők Szemantikus keresők Internetes keresés Vállalati keresés miért más belül, mint kívül? Kitekintés Adatbányászat az agráriumban A gazdaság néhány további szegmense 318

4. Alapvető mérőszámok és jellemzők 249 11.5. Adatgyűjtés 252 11.6. Látogatók azonosítása 253 11.7. Előfeldolgozás 254 11.8. Adattárolás és adatok elérhetővé tétele 255 11.9. Jelentések, mutatószámok és KPI-k 258 11.

5 Üzleti haszon az adatok mélyén Néhány aktuális alkalmazás Adatbányászat a múlt felderítésére Adatbányászversenyek Az adatbányászat szerszámos ládájából néhány statisztikai eszköz Adatbányászat és statisztika A statisztikai sokaság A leíró statisztika A változók megismerése Az objektumok megismerése A statisztikai modellezés és a modellek összehasonlítása Gondolatok az adatbányászat jövőjéről ( ) Az adatbányászat szükségessége Az adatbányászat jövőbeli platformja Újfajta adattartalmak használata Várható itthoni fejlemények 388 Fogalomtár 393 Irodalomjegyzék 407

5. Az objektumok megismerése 367 15.6. A statisztikai modellezés és a modellek összehasonlítása 375 16. Gondolatok az adatbányászat jövőjéről (2010 20) 379 16.1. Az adatbányászat szükségessége 381 16.

Hasonló dokumentumok

Sikerünk kulcsa: az információ De honnan lesz adatunk? Palaczk Péter

Sikerünk kulcsa: az információ De honnan lesz adatunk? Palaczk Péter Bevezető az Oracle9i adattárházas újdonságaihoz Elemzési és vezetői információs igények 80:20 az adatgyűjtés javára! Adattárházak kínálta