Adatbányászat Blog

Az Adatbányász Blogon a dmlab szakértőinek írásait olvashatod a big data és data science területéről.

dmlab.hu - Big data és data science tanácsadás
"Ha örülsz, hogy fejedre nőttek az adatok."

Keress minket bátran:
- Nagy-Rácz István +36704595669
- Gáspár Csaba +36208234154
- info@dmlab.hu

Hírlevél

Iratkozz fel hírlevelünkre, hogy mindig naprakészen tudjunk tájékoztatni.
Feliratkozás
Leiratkozás

Címkék

10éves (1) 2007 (1) 2010 (23) 2011 (27) 2012 (13) 2013 (23) 2014 (5) 2015 (6) 2016 (10) 2017 (4) adaptív (1) adat- és médiainformatika (1) adatárusítás (1) adatbányászat (10) adatbányászati algoritmusok (1) adatbányászati alkalmazások (2) adatbányászati meetup (1) adatbányászati oktatás (1) adatbányászati technológiák (4) adatelemzés (1) adatelemzési platformok (1) adattárház (5) adattárház fórum (6) adattárolás (1) adattisztítás (1) adatvédelem (2) advise (2) aegon (1) aglitás (1) agy (2) ajánló (11) ajánlórendszerek (1) aktivitás felismerés (1) algoritmus (1) alkalmazás (3) állásajánlat (1) amazon ec2 (1) ambiens (1) ami (1) analitika (1) analytics (1) andego (3) apache (1) api (2) Arató Bence (3) bank (1) barabási (2) Barabási (2) beharangazó (1) beharangozó (18) bejelentés (2) belami (1) best practice (9) beszámoló (14) Bi (1) BI (3) bi (13) bi-trek (1) biconsulting (7) bigdata (22) Big Data (2) big data (5) biopen (1) biztosító (1) BI Akadémia (1) bi consulting (1) bi start (1) blog (5) BME (14) bme (2) bootcamp (1) brainstorming (1) bsp (1) budapest (1) business analytics (1) business analytics szakirány (1) churn (2) ci (1) címkefelhő (2) CIO (1) clementine (1) Clementine Consulting (1) cloud computing (2) cognos (1) credit scoring (1) crisp-dm (1) crm (2) csalásdetektálás (1) DataExpert (1) dataexplorer (1) datapest (1) datascience (1) data mining (1) data science (5) diplomamunka (1) dmla1o (1) dmlab (12) döntési fák (1) drill (1) e-commerce (1) előadás (21) előrejelzés (1) élő közvetítés (1) Enbrite.ly (1) energetika (1) esemény (2) esettanulmány (3) etikus (1) etl (2) évforduló (2) fejlesztés (2) felmérés (5) felsőoktatás (1) felület (1) felvásárlás (3) film (1) fizetés (1) forecasting (1) forgalomelőrejelzés (2) foursquare (1) fraud detection (1) freebase (1) gartner (2) gazdasagi informatikus (2) gépi tanulás (4) google (8) google analytics (1) graphlab (1) gravity (3) greenplum (1) gyakorlat (1) hadoop (10) hallgatók (2) hálózatelemzés (3) hálózatkutatás (2) hálózatok (3) hazai (2) hiba (4) hírlevél (2) hive (1) honlap (1) HR (1) HVG (1) i5 (1) ibm (6) ibm modeler (1) ibm spss (3) icdm (1) idc (2) idősor (1) idősorok (1) ieee (1) iir (1) infobright (1) információbróker (1) innováció (5) innovatívBI (1) innovativ bi (4) inspiráció (1) intelligencia (2) Internet Hungary (1) iqsymposium (19) iqsys (16) iroda (4) jelentkezés (2) jmp (2) kaggle (2) kampánymenedzsment (1) kapcsolati hálók (1) karrier (1) kdd (3) kdnuggets (2) képzés (4) kérdés (1) kérdőív (1) kerekasztal (1) keresés (1) kereső (1) keresztvalidáció (4) klaszterezés (2) knime (1) kockázati tőke (1) kollaboratív munka (1) kompetencia (1) konferencia (70) könyv (6) környezet (1) közlekedés (1) közösség (2) közösségi hálózatok (4) közvetítés (6) kritika (1) küldetés (1) kürt akadémia (1) kutatás (2) lemorzsolódás (1) licensz (1) live (1) logisztika (1) magyar telekom (2) mahout (1) mapreduce (1) marketplace (1) média (2) meetup (11) mellékspecializáció (1) mém (3) memóriacentrikus (1) menedzsment (3) metaadat (1) metodika (1) microsoft (1) mobil (5) mobil bi (4) modeler (2) modell (3) morgan stanley (1) motion chart (1) munkaerő (1) mysql (1) mytraffic (4) nemzetközi (5) nemzetközi összehasonlítás (1) netflix prize (1) networking (1) next big thing (1) nips (1) nosql (1) nyílt forráskód (4) nyomkövetés (1) offline áruházak (1) okostelefon (1) oktatás (23) olvasók (1) online áruházak (1) online kutatás (1) open source (19) open source bi (3) operatorfa (1) osbi (12) összehasonlítás (1) ötletek (2) pandas (2) paradoxon (1) pascal (1) pentaho (1) personal data mining (1) phd (2) philips (1) piac (3) pikk (1) pilot (1) PISA-felmérés (1) pmml (1) politika (2) powerpivot (1) prága (1) praktiker (1) prediktív analitika (2) prediktív analitka (1) prediktív modellezés (1) prediktiv modellezés (5) prezi (15) privacy (1) privacy preserving data mining (1) projekt (1) projektmenedzsment (4) publikáció (1) python (9) radoop (12) random forest (1) rapid-i (2) rapidanalytics (7) rapidminer (40) RapidMiner (2) rcomm (7) refine (1) Rexer Analytics (1) rsctc (1) R nyelv (7) saas (1) sap (1) SAS (20) sas enterprise miner (2) sas enterpris guide (1) sas entprise miner (1) sas fórum (1) sas forum (3) siker (3) simptech (1) sixtep (2) smarthabits (1) spike sorting (1) sportanalitika (1) spss (13) SPSS (3) spss clementine (3) spss hungary (5) spss modeler (6) ssd (1) starschema (2) startup (9) statisztika (1) survey (1) svm (1) szabad szoftver (1) szakmai (1) szavazó eljárások (2) szélenergia (1) szélerőmű (1) szervezetfejlesztés (1) szociális hálók (1) szoftver (5) szöveg (1) szövegbányászat (2) sztaki (2) tableau (1) talend (2) támogatás (1) tanulmány (1) tanulság (1) távolság (1) technológia (1) tedx (1) telekommunikáció (2) teradata (2) teszt (1) text mining (1) tmit (6) toborzás (1) tőzsdei előrejelzés (1) tracking (1) trendek (8) tudományos (1) tunedit (1) twitter (17) ügyfél (1) üzleti intelligencia (3) üzleti modell (3) üzleti reggeli (3) választható tárgy (1) validáció (4) válogatás (1) válság (1) változás (1) vélemény (1) véleméy (1) verseny (20) vezetői képzés (1) videó (3) vizualizáció (5) web (4) web2 (2) webanalitika (3) webshop (1) weka (2) wikipedia (2) workshop (1) yahoo (2) Címkefelhő

TWitter a csapat tagjaitól

2010.09.23. 09:30 István Nagy

Kampánymenedzsment reggeli

Címkék: ibm spss aegon cognos spss modeler kampánymenedzsment

Terjedőben az üzleti konferenciák egy új fajtája: az üzleti reggeli. A különböző gyártók és szállítók egy egész napos konferenciához képest rövidebb idő alatt és sokkal jobban egy konkrét témára koncentrálva mutatják be a portfóliójuk egy kisebb szeletét. Tegnap az IBM és SPSS közös üzleti reggelijén járva a kampánymenedzsment tevékenység szoftveres támogatásáról hallhattam a két szállító képviselőjétől, majd egy rövid esettanulmányt hallhattunk arról, hogyan használja az Aegon Biztosító az adatbányászatot a kampányok támogatására.

Elsőként Dóczi Barnabás az IBM képviseletében mutatta be röviden a Cognos képességeit, előnyeit, felhasználási területeit egy általános vállalati szervezeten belül. A következő előadó Körmendi Gyuri volt az SPSS Hungary színeiben, aki röviden vázolta a cég jelenlegi helyzetét és az SPSS termékportfólióját. Előadásának második felében bemutatta az SPSS Hungary által kidolgozott keresztértékesítési kampányok során használható megoldást. Sajnos túl sok információval egyikük sem szolgált arról, hogy miként képzeli el az IBM az SPSS termékek integrációját a már eddig is elég szerteágazó BI platformba, amit a héten is sikeresen növelt a Netezza adattárház-analitikában érdekelt vállalat felvásárlásával.

Az utolsó előadó Hans Zoltán volt az Aegon Biztosító képviseletében, aki egy rövid cégadatokat bemutató áttekintés után egy lefutott kampány tanulságait, az adatbányászattal szembeni cégen belüli várakozásokat mutatta be. Zoli nagyon jól érzékeltette azokat a különbségeket - amiket jómagam is megtapasztaltam tanácsadóként -, hogy bár sokan a bankokat és biztosítókat egy kalap alá veszik abból a szempontból, hogy kampányokat mindkét típusú cégnél szoktak csinálni, de mégis jelentős különbségek vannak egy bank és egy biztosító között. A biztosítók talán egy lépéssel le vannak még maradva a bankokhoz képest az üzleti intelligencia által kínált megoldások felhasználását tekintve, mert sok helyen még a tényalapú, ügyfélközpontú szemlélet átadásával kell a munkát kezdeni. Hiszen hiába tud az adatbányászat a cég számára hasznos eredményeket termelni, ha az üzleti oldal befogadóképessége még nem elég nagy, hogy ezeket az eredményeket akciókká konvertálja. Egy másik különbség, hogy egy biztosítónál az ügyfelek viszonylag ritkábban (átlagosan évente) kerülnek kapcsolatba a céggel, ezért az ügyfelekről gyűjtött információk sok esetben nem az ügyfél aktuális állapotát mutatják. Az adatok gyűjtését tovább nehezíti, hogy a biztosítók üzletkötői csatornái sokkal változatosabbak, mint egy bank esetében és a különböző csatornában dolgozó embereket nehéz motiválni a megfelelő mennyiségű és minőségű adatok gyűjtésére. Bár a felvázolt kép kicsit borúsnak tűnik, de talán pont ezért van óriási felhasználói potenciál ezekben a cégekben. És hát mi is lenne ennél jobb hír az igényeket kiszolgáló oldalon ülő embereknek...

2 komment

A bejegyzés trackback címe:

http://adatbanyaszat.blog.hu/api/trackback/id/tr472316562

Kommentek:

A hozzászólások a vonatkozó jogszabályok  értelmében felhasználói tartalomnak minősülnek, értük a szolgáltatás technikai  üzemeltetője semmilyen felelősséget nem vállal, azokat nem ellenőrzi. Kifogás esetén forduljon a blog szerkesztőjéhez. Részletek a  Felhasználási feltételekben.

matroid 2010.09.23. 21:46:46

az aegon eloadasrol nekem egy kicsit masrol szolt. nagyon sok "sikersztorit" lattam data mining temaban konferenciakon, de ezeknel az eloadasoknal a sztori altalaban log a levegoben. egyszer csak elindul egy data mining projekt, jo modellek esetleg valamilyen alkalmazas - de sose latjuk hogy a cegen belul mi is a szerepe az adatbanyaszatnak.
zoli eloadasa vegre felvillantot valamit a valosagbol (amit sokan tagadnak):
- mennyire megbizhatoak az adatok, ah egy ugynok "becsuletessegen" mulik
- egy kampany sikeret nem csak az adatbanyaszat hatarozza meg (lehet hogy az ajandek bogre onmagaban biztositotta a 8%-os response rate-et)
- evente 2 kampany keves vagy sok? a szuk kapacitas mennyire korlatozza az adatbanyasz lehetosegit?

a masik ket eloadas tenyleg nem a szakmanak szolt. de meg csak nem is az uzletrol. egy ibm kampany menedzsment uzleti reggelin szinte erthetetlen volt, hogy az unica akviziciorol nem beszelt senki. helyette a cognos diak mentek, ami a jelenlevok tobbsegenek nem voltak tul erdekesek.

István Nagy 2010.09.23. 23:02:08

@matroid: Hát igen. Az első dolog nekem is szemet szúrt, de utána beszélgetve Zolival, azt mondta, hogy az operatív rendszerekből történtek a visszamérések, és ott lehetett látni, hogy hány szerződés született, persze az egy más kérdés, hogy az már nehezebben összevethető az eredeti kiadott listával.

Vannak sejtéseim arról is, hogy a 8% tényleg jó eredmény, ahogy Zoli is éreztette, de mivel nem volt kontrollcsoport, így az eredmény nehezen értelmezhető.