SlideShare une entreprise Scribd logo
1  sur  34
Nowoczesne podejście do analityki w biznesie
Modern
Business Intelligence
„Do 2020 roku 80% procesów biznesowych
zostanie zoptymalizowanych
przy pomocy danych i Big Data.”
-Gartner-
a
Systemy
wspomagania decyzji
Ilościdanych wymagają
wsparcia percepcji człowieka
technologią. Właściwie
działającerozwiązania
zapewniają:
Poprawne dane
Zachowana jestodpowiednia
struktura danych,
kompletność,aktualność
1.
Bezpieczeństwo
Zarówno dane przechowywane
na własnychserwerachjak
i w chmurze są odpowiednio
zabezpieczone
2.
a
Łatwy dostęp
Mimo olbrzymiej ilości
zgromadzonych danych system
gwarantujedostępdo
interesującegonas wycinka
danych, w prosty i szybki
sposób
3.
a
Szybkość przepływu
Raporty generują sięna
podstawiedanych stale
aktualizowanych, płynących
bezpośrednioz miejsc/systemów
powstawania
4.
a
Self BI
Gotoweraporty można samodzielniemodyfikować poszerzać,
zagłębiaćsię w wybrane wycinki danych
5.
a
Mobilność
Dostępdo informacji na dowolnym
urządzeniu i w dowolnym czasie
6.
Wizualizacja danych
„Jeden obraz wart 1000 słów”
70%30%
Wzrok to najważniejszy zmysł
a
Kwartet
Anscombe’a
Identyczne:
Średnia arytmetyczna
Wariancja
Współczynnik korelacji
Regresja liniowa
Wizualizacja pozwala
dostrzec różnice
a
Znaczenie koloru
Znaczenie koloru
Ludzka
percepcja
szerokość kierunekkrzywizna
kształt
zakreślenie
pozycja grupowanie kolor
Wizualizacja danych to
najlepszy sposób
prezentacji szeregu
parametrów– pozwala
błyskawicznie orientować
się w informacjach
Sztuka
wizualizowania
Infographic designer
Cluster map
Liquid Fill Gauge
Sparklineby OKViz
Cicular Gauge
BowtieChart
Stock Chart
Strippet Browser
Brick Chart
Smart Filter by SQLBI
Facet Key
DonutChart
Uczenie maszynowe
(Machine Learning) – metody i algorytmy służące
automatycznemu uczeniu się na podstawie danych, dzięki
czemu systemy komputerowe dostosowują swoje działanie do
informacji, które otrzymują.
Analityka
predykcyjna
Proces wydobywania informacji
z istniejących zbiorów danych w celu
określenia wzorów i przewidywania
przyszłych zdarzeń i trendów.
Clustering
Profilowanie i segmentacja klientów
o podobnym profilu i zachowaniu.
Sygnał do handlowca
o źle załatwionej reklamacji
Opóźniona płatność
Wzorzec zakupowy
Negatywny tweet
Wysokie ryzyko
utraty klienta
Personalizowany
program naprawczy
dla klienta
Analiza przeżycia
(Survival Analysis).
Szacowanie czasu korzystania przez klienta z oferowanej mu usługi i ocena
prawdopodobieństwa jego rezygnacji w kolejnych okresach czasu.
Redukcja zakupów
Duży zwrot
Analiza
przepływów
Wizualizacjaprzebiegu w danych.
Dystrybutor 1
Dystrybutor 2
Dystrybutor 3
Analiza
koszykowa
Identyfikacja kombinacji produktów, które są często
kupowane razem. Wyniki są wykorzystywane przy
rekomendacjach dodatkowych zakupów lub
podejmowaniu decyzji o umieszczaniu danych
produktów w swoim sąsiedztwie.
Up-selling
Zwiększanie wartości na poziomie transakcji.
Cross-selling
Polecanie dodatkowych produktów
na podstawie preferencji klienta.
Text mining
Analiza danych zawartych w tekstach. Polega
na definiowaniu i obliczaniu statystyk dla
słów i zwrotów występujących w danych
źródłowych, dzięki czemu struktura tekstu
zostaje ujęta w kategoriach liczbowych.
Następnie analizowanie tych statystyk przy
użyciu metod eksploracji danych.
Automatyczna narracja
Analiza całkowitych przychodów i sumy zmiennych kosztów pracy
z podziałem na 50 miast.
Dane wskazują, że wraz ze wzrostem sumy zmiennych kosztów pracy
wzrastał również dochód całkowity. Konkretnie – wzrost kosztów o
jednego dolara powodował wzrost dochodu o 4 dolary. Oczywiście mogą
też być inne czynniki mające wpływ na wzrost dochodów, jednak widać
silne powiązanie pomiędzy dwoma wykazanymi na wykresie zmiennymi.
Po podzieleniu kosztów i przychodów w grupy o podobnych wartościach,
jedna grupa wyraźnie się wyróżnia. Były aż 44 miasta, w których koszty
wyniosły pomiędzy 0-1,5 miliona dolarów przy dochodzie całkowitym
pomiędzy 0-4,8 miliona dolarów.
Wartości kosztów mieszczą się w zakresie 0-2 miliona dolarów. Średni
koszt na miasto wynosi 287,794 dolarów, a mediana wynosi 84,637
dolarów.
Minimalna wartość całkowitego przychodu wynosi 0 dolarów, a
maksymalna wartość wynosi 14,4 miliona dolarów. Średnia wartość
przychodu na miasto wynosi 2,1 miliona dolarów, a mediana wynosi
687,266 dolarów.
Suma zmiennych kosztów pracy
Całkowitydochód
Fraud
detection
Oczekiwanie
zwiększenia
kredytu
Monitoring Nagły wzrost zakupów
Oczekiwanie
zwiększenia
kredytu
Zmiana właściciela
Identyfikacja cech podejrzanych,
np.: zamówień, fikcyjnych wizyt,
nadużyć w zakresie zwrotów oraz
projektowanie odpowiednich
progów, które automatycznie
informują o próbach wykonania
lub faktycznym zaistnieniu
podejrzanych operacji.
Systemy kognitywne
Rozpoznawanie maszynowe
„Do 2020, 50% zapytań analitycznych będzie
tworzonych poprzez wyszukiwanie, operowanie
językiem naturalnym lub głosem, albo zostanie
utworzonych automatycznie..”
-Gartner-
Rozpoznawanie
języka naturalnego
Teraz pytanie teraz odpowiedź.
Rozpoznawanie
obrazu
Ocena sytuacji na podstawie analizy zdjęcia.
Distribution 50%
(+15%)
Share on shelf 82%
(+12%)
ut of Stock 10%
(-8%)
Real-time
decisioning (RTD)
Przetwarzanie i ocena danych
w czasie rzeczywistym.
Dojrzała analityka to zintegrowane
dane i stała aktualizacja wiedzy
Zapraszamy
do kontaktu:
Mail: emigo@sagra.pl
Phone: 510 034 367
www.sagra.pl
www.biqsens.pl

Contenu connexe

Similaire à Modern Business Intelligence

System Informacyjny A System Informatyczny Prezentacja
System Informacyjny A System Informatyczny PrezentacjaSystem Informacyjny A System Informatyczny Prezentacja
System Informacyjny A System Informatyczny PrezentacjaMaciek1111
 
Big Data w Logistyce
Big Data w Logistyce Big Data w Logistyce
Big Data w Logistyce Appgration
 
Jak szukać w_oceanie_informacji
Jak szukać w_oceanie_informacjiJak szukać w_oceanie_informacji
Jak szukać w_oceanie_informacjiGATEOPEN LIMITED
 
Afc module 1 pl
Afc module 1 plAfc module 1 pl
Afc module 1 plSoniaNaiba
 
Rola analityki danych w transformacji cyfrowej firmy - ITFuture'17
Rola analityki danych w transformacji cyfrowej firmy - ITFuture'17Rola analityki danych w transformacji cyfrowej firmy - ITFuture'17
Rola analityki danych w transformacji cyfrowej firmy - ITFuture'17Piotr Czarnas
 
Zarzadzanie danymi (nam mozliwosciami) - HAVAS Innovation Lab vol.2 - 09062015
Zarzadzanie danymi (nam mozliwosciami) - HAVAS Innovation Lab vol.2 - 09062015Zarzadzanie danymi (nam mozliwosciami) - HAVAS Innovation Lab vol.2 - 09062015
Zarzadzanie danymi (nam mozliwosciami) - HAVAS Innovation Lab vol.2 - 09062015Marta Zakrzewska-Kisiel
 
Data science warsaw inaugural meetup
Data science warsaw   inaugural meetupData science warsaw   inaugural meetup
Data science warsaw inaugural meetupData Science Warsaw
 
Jak komunikować dane by zrozumiał je nierozgarnięty dziennikarz
Jak komunikować dane by zrozumiał je nierozgarnięty dziennikarzJak komunikować dane by zrozumiał je nierozgarnięty dziennikarz
Jak komunikować dane by zrozumiał je nierozgarnięty dziennikarzPiotr Arak
 
IT Breakafst for FIN 28 sierpnia 2014, Warszawa, Pałac Sobańskich
IT Breakafst for FIN 28 sierpnia 2014, Warszawa, Pałac SobańskichIT Breakafst for FIN 28 sierpnia 2014, Warszawa, Pałac Sobańskich
IT Breakafst for FIN 28 sierpnia 2014, Warszawa, Pałac SobańskichFoundation IT Leader Club Poland
 
Prezentacja z konferencji "Efektywne analizy danych oraz workflow"
Prezentacja z konferencji "Efektywne analizy danych oraz workflow"Prezentacja z konferencji "Efektywne analizy danych oraz workflow"
Prezentacja z konferencji "Efektywne analizy danych oraz workflow"ControllingSystems.pl
 
Wyklad inauguracyjny
Wyklad inauguracyjnyWyklad inauguracyjny
Wyklad inauguracyjnyRadoslaw Kita
 
Narzedzia w służbie HR - jak optymalizować i oszczędzać?
Narzedzia w służbie HR - jak optymalizować i oszczędzać?Narzedzia w służbie HR - jak optymalizować i oszczędzać?
Narzedzia w służbie HR - jak optymalizować i oszczędzać?Piotr Pszczółkowski
 
Making data work, czyli jak przemienić Big Data w Smart Data?
Making data work, czyli jak przemienić Big Data w Smart Data?Making data work, czyli jak przemienić Big Data w Smart Data?
Making data work, czyli jak przemienić Big Data w Smart Data?Beyond.pl
 
PLNOG 8: Marcin Wawrzyński - Czy deszcz może padać do chmury?
PLNOG 8: Marcin Wawrzyński - Czy deszcz może padać do chmury?PLNOG 8: Marcin Wawrzyński - Czy deszcz może padać do chmury?
PLNOG 8: Marcin Wawrzyński - Czy deszcz może padać do chmury?PROIDEA
 
Internet Rzeczy - wizja przyszłości
Internet Rzeczy - wizja przyszłościInternet Rzeczy - wizja przyszłości
Internet Rzeczy - wizja przyszłościWiedza i Praktyka
 
Afc module 5 pl
Afc module 5 plAfc module 5 pl
Afc module 5 plSoniaNaiba
 
Robotyzacja procesów biznesowych - od optymalizacji do transformacji modelu d...
Robotyzacja procesów biznesowych - od optymalizacji do transformacji modelu d...Robotyzacja procesów biznesowych - od optymalizacji do transformacji modelu d...
Robotyzacja procesów biznesowych - od optymalizacji do transformacji modelu d...Andrzej Sobczak
 
Challenge Analityczny - weź rozwód z Excelem i zacznij działać
Challenge Analityczny - weź rozwód z Excelem i zacznij działaćChallenge Analityczny - weź rozwód z Excelem i zacznij działać
Challenge Analityczny - weź rozwód z Excelem i zacznij działaćAleksandra Warzecha
 

Similaire à Modern Business Intelligence (20)

System Informacyjny A System Informatyczny Prezentacja
System Informacyjny A System Informatyczny PrezentacjaSystem Informacyjny A System Informatyczny Prezentacja
System Informacyjny A System Informatyczny Prezentacja
 
Big Data w Logistyce
Big Data w Logistyce Big Data w Logistyce
Big Data w Logistyce
 
Jak szukać w_oceanie_informacji
Jak szukać w_oceanie_informacjiJak szukać w_oceanie_informacji
Jak szukać w_oceanie_informacji
 
Droga Rozwoju Digitalnego
Droga Rozwoju Digitalnego Droga Rozwoju Digitalnego
Droga Rozwoju Digitalnego
 
Afc module 1 pl
Afc module 1 plAfc module 1 pl
Afc module 1 pl
 
Rola analityki danych w transformacji cyfrowej firmy - ITFuture'17
Rola analityki danych w transformacji cyfrowej firmy - ITFuture'17Rola analityki danych w transformacji cyfrowej firmy - ITFuture'17
Rola analityki danych w transformacji cyfrowej firmy - ITFuture'17
 
Zarzadzanie danymi (nam mozliwosciami) - HAVAS Innovation Lab vol.2 - 09062015
Zarzadzanie danymi (nam mozliwosciami) - HAVAS Innovation Lab vol.2 - 09062015Zarzadzanie danymi (nam mozliwosciami) - HAVAS Innovation Lab vol.2 - 09062015
Zarzadzanie danymi (nam mozliwosciami) - HAVAS Innovation Lab vol.2 - 09062015
 
Data science warsaw inaugural meetup
Data science warsaw   inaugural meetupData science warsaw   inaugural meetup
Data science warsaw inaugural meetup
 
Jak komunikować dane by zrozumiał je nierozgarnięty dziennikarz
Jak komunikować dane by zrozumiał je nierozgarnięty dziennikarzJak komunikować dane by zrozumiał je nierozgarnięty dziennikarz
Jak komunikować dane by zrozumiał je nierozgarnięty dziennikarz
 
IT Breakafst for FIN 28 sierpnia 2014, Warszawa, Pałac Sobańskich
IT Breakafst for FIN 28 sierpnia 2014, Warszawa, Pałac SobańskichIT Breakafst for FIN 28 sierpnia 2014, Warszawa, Pałac Sobańskich
IT Breakafst for FIN 28 sierpnia 2014, Warszawa, Pałac Sobańskich
 
Prezentacja z konferencji "Efektywne analizy danych oraz workflow"
Prezentacja z konferencji "Efektywne analizy danych oraz workflow"Prezentacja z konferencji "Efektywne analizy danych oraz workflow"
Prezentacja z konferencji "Efektywne analizy danych oraz workflow"
 
Wyklad inauguracyjny
Wyklad inauguracyjnyWyklad inauguracyjny
Wyklad inauguracyjny
 
Narzedzia w służbie HR - jak optymalizować i oszczędzać?
Narzedzia w służbie HR - jak optymalizować i oszczędzać?Narzedzia w służbie HR - jak optymalizować i oszczędzać?
Narzedzia w służbie HR - jak optymalizować i oszczędzać?
 
Charakterystyka informatycznych systemów komputerowych
Charakterystyka informatycznych systemów komputerowychCharakterystyka informatycznych systemów komputerowych
Charakterystyka informatycznych systemów komputerowych
 
Making data work, czyli jak przemienić Big Data w Smart Data?
Making data work, czyli jak przemienić Big Data w Smart Data?Making data work, czyli jak przemienić Big Data w Smart Data?
Making data work, czyli jak przemienić Big Data w Smart Data?
 
PLNOG 8: Marcin Wawrzyński - Czy deszcz może padać do chmury?
PLNOG 8: Marcin Wawrzyński - Czy deszcz może padać do chmury?PLNOG 8: Marcin Wawrzyński - Czy deszcz może padać do chmury?
PLNOG 8: Marcin Wawrzyński - Czy deszcz może padać do chmury?
 
Internet Rzeczy - wizja przyszłości
Internet Rzeczy - wizja przyszłościInternet Rzeczy - wizja przyszłości
Internet Rzeczy - wizja przyszłości
 
Afc module 5 pl
Afc module 5 plAfc module 5 pl
Afc module 5 pl
 
Robotyzacja procesów biznesowych - od optymalizacji do transformacji modelu d...
Robotyzacja procesów biznesowych - od optymalizacji do transformacji modelu d...Robotyzacja procesów biznesowych - od optymalizacji do transformacji modelu d...
Robotyzacja procesów biznesowych - od optymalizacji do transformacji modelu d...
 
Challenge Analityczny - weź rozwód z Excelem i zacznij działać
Challenge Analityczny - weź rozwód z Excelem i zacznij działaćChallenge Analityczny - weź rozwód z Excelem i zacznij działać
Challenge Analityczny - weź rozwód z Excelem i zacznij działać
 

Modern Business Intelligence