商业智能咨询
首页 > 商业智能咨询 > 智能预测模型开发
智能预测模型开发Predictive Model Development
 
 

   顺利地经过了前面的 业务分析和BI智能系统规划 阶段,就已经明确了业务目标和智能模型功能要求,可以着手设计智能过程和建模分析了。我们在下面两个重要阶段提供服务:

数据分析阶段

  为了帮助您在繁杂的数据中高效地发现知识,我们提供以下数据分析服务,帮助您顺利通过发现有价值的知识的必经之路:
   一、常见统计分析服务:
   SPSS、EXCEL、文本等格式的数据预处理、交叉列联表分析、T检验、卡方检验、方差分析、多元线性回归、相关分析、协方差分析、统计图表制作;
   二、多元统计分析服务:
   GLM模型、Logistic回归、因子分析、路径分析、生存分析、Pannel数据分析、时间序列、结构方程模型等多元分统计分析服务;
   三、数据挖掘建模服务:
   聚类分析、决策树分析、神经网络、贝叶斯估计、支持向量机等建模服务;

   借助上述经典的统计模型、数据挖掘算法、数据库技术和专业知识,我们的咨询顾问在创新的视角下用科学的方法论指导来帮助您解决复杂的业务难题,您不再为需要深度钻研这些具体的商业分析技术而头痛,但可以快速确定最有价值的客户群体、最佳的促销方案、最快交付包裹的途径、发现健康保险索赔中的欺诈行为、复杂的风险决策、调度供应链和制造以实现效率最大化,以及发现医疗数据规律以获得新的渠道管理见解和突破等等。


数据挖掘分析过程设计阶段

  这是一个需要经过数据分析和数据挖掘,得到知识发现,具体化确定需要部署的业务规则后,来设计智能过程的阶段。我们的服务帮助您,首先规划和获取与所关心的业务目标和业务主题有关的高质量的数据或信息,并将数据经过适当的清洗转换和加载;其次,使用自动或研究人员介入的具有分析功能的算法、工具或模型,科学地分析数据、得出结论、形成模型假设、验证模型;最后,将数据挖掘结果和业务目标紧密结合进行知识发现,理解和判断模型的细节和优劣,最终确定需要部署的智能过程。

  总之,这一过程必须具有实现数据分析的算法、模型和过程,结合业务目标进行知识发现,完成智能过程设计和开发部署。

   在此这个阶段中,我们提供如下服务:

   1、稽核数据质量

   对数据源的数据进行探索性分析,结合数据采集业务规则评估字段的构成和之间的关系,稽核其数据质量,初步评估后续清理数据的工作内容和工作量。

   2、规划分析数据集架构和设计ETL方案

   根据建模分析的目标,然后结合数据质量的实际情况,并根据建模目标对模型的字段结构和关系的潜在要求,完成对分析数据集的结构和ETL方案加以规划设计;

  3、数据管理服务

  从多个数据源ETL(抽取、转换、转贮)数据、清洗数据,加载到适合数据挖掘的分析数据集和多维数据集。毫无疑问,这个过程耗时耗力,需要服务方具有海量数据高效预处理、存储与维护的能力。

  4、数据分析系统设计服务

  在分析数据集上搭建数据挖掘分析系统,使之具备多维OLAP查询、统计分析与数据挖掘等多种数据分析功能。我们的服务帮助您具备和提高终端信息查询和报表生成能力,以及数据可视化能力。

  5、数据挖掘建模和知识发现服务

  我们使用先进的探索性数据分析和数据挖掘建模技术,帮助您从分析数据集的数据中提取业务目标相关知识。提取的知识表示为概念(concepts),规则(rules),规律(regulations),模式(patterns)等形式。在这个阶段我们初步揭示出数据中隐含的、事先未知的、潜在有用的这些知识。
   6、智能模型设计服务

   发现的大量数据中蕴含的知识未必都是业务上需要的规则,也都不全能够用于设计智能模型。需要根据业务目标,结合所有这些知识给予的启示,创造性地设计智能模型,并将最合适的相关规则用来构建智能模型,随后结合应用环境和实际,设计部署应用方式。


发布时间:
 
分享到: