- •Глоссарий
- •Тема 1. Информация в контексте современной экономики
- •1. Информационное пространство как среда анализа.
- •2. Понятие информационного пространства.
- •3. Структура информационного пространства.
- •4. Элементы структуры информационного пространства. Понятие показателя.
- •Объем продаж (автомобиль, значение объема продаж)
- •И (модель автомобиля, время)
- •И (модель автомобиля (менеджер, регион, год, покупатель))
- •S (модель автомобиля, фирма изготовитель, год выпуска)
- •5. Пространственная интерпретация понятия показатель.
- •6. Единое информационное пространство предприятия.
- •Тема 2. Анализ информации на предприятии
- •1. Виды и задачи анализа на предприятии.
- •2. Содержание экономических показателей.
- •3. Классификация методов анализа.
- •4. Источники данных для проведения анализа.
- •Тема 3. Информационно – аналитическая система как инструмент проведения экономического анализа
- •1. Общее понятие информационно – аналитической системы.
- •2. Функции и сферы применения иас.
- •3. Классификация аналитических систем.
- •Полный классификатор аналитических систем
- •Инструменты добычи данных.
- •Средства построения Хранилищ и Витрин данных.
- •Управленческие информационные системы и приложения.
- •4. Концепции построения иас.
- •5. Общая структура информационной аналитической системы.
- •Тема 4. Хранилища данных
- •1. Пространственная интерпретация данных.
- •Реляционная модель представления данных
- •Многомерная модель представления данных
- •1) Формирование "Среза".
- •2) Операция "Вращение".
- •3) Отношения и Иерархические Отношения.
- •5) Операция Детализации.
- •2. Понятие хранилища данных.
- •Основные требования к данным в Хранилище Данных
- •Централизованное хранилище данных
- •Распределенное хранилище данных
- •Автономные витрины данных
- •Единое интегрированное хранилище и много витрин данных
- •3. Структура хранилищ данных.
- •4. Вопросы реализации Хранилищ Данных.
- •Неоднородность программной среды.
- •Распределенность.
- •Метаданные.
- •Роль метаданных в системах Хранилищ Данных.
- •Уровни метаданных в Хранилище Данных
- •Вопросы защиты данных
- •Задачи Хранилища данных
- •1. Консолидация данных.
- •2. Интеграция данных.
- •Консолидация данных
- •Интеграция данных
- •Агрегация данных
- •Расчеты производных показателей
- •Предоставление данных для поддержки принятия решений (dss)
- •Тема 5. Оперативный анализ данных
- •1. Место olap в информационной структуре предприятия.
- •2. Оперативная аналитическая обработка данных.
- •3. Требования к средствам оперативной аналитической обработки.
- •Правила оценки программных продуктов класса olap
- •4. Классификация olap-продуктов.
- •Классификация по способу хранения данных
- •5. Принципы работы olap-клиентов.
- •6. Выбор архитектуры olap-приложения.
- •5. Склад.
- •6. Движение денежных средств.
- •7. Бюджет.
- •8. Бухгалтерские счета.
- •9. Финансовая отчетность.
- •1. Интеллектуальный анализ данных.
- •2. Стадии иад.
- •1. Свободный поиск (Discovery).
- •2. Прогностическое моделирование (Predictive Modeling).
- •3. Анализ исключений (Forensic Analysis).
- •4. Методы иад.
- •1. Непосредственное использование обучающих данных.
- •2. Выявление и использование формализованных закономерностей.
- •3. Методы вывода уравнений.
- •4. Типы закономерностей.
- •5. Типовые задачи для методов иад.
- •6. Области применения Data mining.
- •Розничная торговля.
- •Банковское дело.
- •Телекоммуникации.
- •Страхование.
- •Другие приложения в бизнесе.
- •7. Классы систем Data Mining.
- •8. Интеграция olap и иад.
- •Тема 7. Инструментальные средства автоматизации аналитической работы и планирования
- •1. Инструментальные средства поддержки аналитической работы и их классификация.
- •2 Аналитические инструментальные средства пакетов прикладных программ широкого применения.
- •Crystal Enterprise (по материалам www.Interface.Ru).
- •3 Специализированные информационно-аналитические системы:
- •Категории продуктов.
- •Тема 8. Программные инструментальные средства информационно – аналитических систем
- •1. Назначение и сферы применения продуктов компании Intersoft Lab.
- •Система доставки отчетов удаленным пользователям.
- •Система подготовки отчетности в локальной сети.
- •Персональная система отчетности.
- •2. Состав и назначение систем Аналитической Платформы Контур.
- •3. Понятие микрокуба.
- •4. Назначение и принципы работы системы «Контур Стандарт».
- •5. Работа с системой «Контур Стандарт».
- •6. Пример анализа продаж по данным бд “Northwind” с помощью «Контур Стандарт».
6. Области применения Data mining.
1. |
Маркетинг |
Рыночная сегментация, идентификация целевых групп, построение профиля клиента |
2. |
Банковское дело: |
Анализ кредитных рисков, привлечение и удержание клиентов, управление ресурсами |
3. |
Кредитные компании |
Детекция подлогов, формирование "типичного поведения" обладателя кредитки, анализ достоверности клиентских счетов, cross-selling программы |
4. |
Страховые компании |
Привлечение и удержание клиентов, прогнозирование финансовых показателей |
5. |
Розничная торговля |
Анализ деятельности торговых точек, построение профиля покупателя, управление ресурсами |
6. |
Биржевые трейдеры |
Выработка оптимальной торговой стратегии, контроль рисков |
7. |
Телекоммуникация и энергетика |
Привлечение клиентов, ценовая политика, анализ отказов, предсказание пиковых нагрузок, прогнозирование поступления средств |
8. |
Налоговые службы и аудиторы |
Детекция подлогов, прогнозирование поступлений в бюджет |
9. |
Фармацевтические компании |
Предсказание результатов будущего тестирования препаратов, программы испытания |
10. |
Медицина |
Диагностика, выбор лечебных воздействий, прогнозирование исхода хирургического вмешательства |
11. |
Управление производством |
Контроль качества, материально-техническое обеспечение, оптимизация технологического процесса |
12. |
Ученые и инженеры |
Построение эмпирических моделей, основанных на анализе данных, решение научно-технических задач |
Рассмотрим некоторые бизнес-приложения Data Mining.
Розничная торговля.
Предприятия розничной торговли сегодня собирают подробную информацию о каждой отдельной покупке, используя кредитные карточки с маркой магазина и компьютеризованные системы контроля. Вот типичные задачи, которые можно решать с помощью Data Mining в сфере розничной торговли:
анализ покупательской корзины (анализ сходства) предназначен для выявления товаров, которые покупатели стремятся приобретать вместе. Знание покупательской корзины необходимо для улучшения рекламы, выработки стратегии создания запасов товаров и способов их раскладки в торговых залах.
исследование временных шаблонов помогает торговым предприятиям принимать решения о создании товарных запасов. Оно дает ответы на вопросы типа "Если сегодня покупатель приобрел видеокамеру, то через какое время он вероятнее всего купит новые батарейки и пленку?"
создание прогнозирующих моделей дает возможность торговым предприятиям узнавать характер потребностей различных категорий клиентов с определенным поведением, например, покупающих товары известных дизайнеров или посещающих распродажи. Эти знания нужны для разработки точно направленных, экономичных мероприятий по продвижению товаров.