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) 2018 (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) amuse (1) analitika (1) analytics (1) andego (3) apache (1) api (2) Arató Bence (3) artificial intelligence (1) bank (1) Barabási (2) barabási (2) beharangazó (1) beharangozó (18) bejelentés (2) belami (1) best practice (9) beszámoló (15) BI (3) bi (13) Bi (1) bi-trek (1) biconsulting (7) bigdata (25) Big Data (3) big data (7) biopen (1) biztosító (1) BI Akadémia (1) bi consulting (1) bi start (1) blog (6) 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) Cruncconf (1) crunch (2) csalásdetektálás (1) DataExpert (1) dataexplorer (1) datapest (1) datascience (2) datasource (1) data engineering (1) data mining (1) data science (7) diplomamunka (1) dmla1o (1) dmlab (12) döntési fák (1) drill (1) e-commerce (1) előadás (22) előrejelzés (1) élő közvetítés (1) Enbrite.ly (1) energetika (1) esemény (2) esettanulmány (3) ethics (1) etikus (1) etl (2) évforduló (3) 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) gépi tanuló algoritmus (1) 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) impact (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) job (1) kaggle (2) kampánymenedzsment (1) kapcsolati hálók (1) karrier (1) kdd (3) kdnuggets (2) képzés (4) kérdés (2) kérdőív (1) kerekasztal (1) keresés (1) kereső (1) keresztvalidáció (4) klaszterezés (2) knime (1) kockázati tőke (1) kollaboratív munka (1) kompetencia (1) konferencia (72) 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) machine learning (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 (2) microsoft (1) mobil (5) mobil bi (4) modeler (2) modell (3) morgan stanley (1) motion chart (1) munkaerő (2) 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) prediktiv modellezés (5) prediktív modellezés (1) prezi (15) privacy (1) privacy preserving data mining (1) product management (1) projekt (1) projektmenedzsment (6) 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 (2) 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 (9) 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

2010.05.13. 22:25 Gáspár Csaba

Ügyféloldali üzleti intelligencia

Címkék: web2 web bank bi ügyfél üzleti intelligencia

Több mint két hete érik bennem ez a bejegyzés, amit az SPSS Konferencián elhangzott Kovács Gyula előadás ihletett (A konferencia előadásainak anyagai már elektronikusan is elérhetők). Gyula előadásában ("Az adatbányászok már a spájzban vannak") arról beszélt, hogy ha az adatbányászatot sokkal tágabb értelemben fogalmazzuk meg, akkor az elmúlt évek trendjei alapján ezek a technológiák már nemcsak a vállalatok számára jelentenek üzleti előnyöket. Olyan, fogyasztók számára készített alkalmazásokat mutatott be, melyek adatok feldolgozásával többletszolgáltatásokat, többletinformációt adnak. Az előadásban megjelenő példák azt demonstrálták, hogy gyakran a vásárlók kerülnek lépéselőnybe a Google keresője, a különböző árösszehasonlító, árelőrejelző oldalak segítségével.

Az előadás hatására úgy gondolom, érdemes lehet összeszedni azokat a megoldásokat, melyek a személyek számára szóló üzleti intelligencia rendszereknek tekinthetők. Az összeállítás rendezőelvének az BI 8 lépcsőjét választottam, ezeken fogunk végighaladni és egy-egy ügyfeleknek szóló megoldást példaként felmutatni.
 
 
1.) Standard riportok: ezen a területen találhatjuk a legtöbb megoldást. A Paymo és RescueTime alkalmazásokon keresztül könnyen tudunk riportokat készíteni arra vonatkozóan, hogy mivel töltjük az időnket a számítógép előtt (Én Paymo segítségével az összes munkával töltött időmet figyelem). De ide sorolnám az árösszehasonlító oldalakat (Árgép, NetRisk), hiszen hasznos riportnak tekinthető hogy hol mennyiért lehet megkapni bizonyos termékeket. A Google Trends, a különböző árfolyam és devizaárfolyam értékek követése is hasznos riportokat generálnak, de például az adott munkahelyi pozícióhoz köthető kereset-összehasonlító oldalak (Merces) is olyan információkkal szolgálhatnak az álláskeresőknek, melyeket ezen szolgáltatások nélkül csak nagyon keservesen lehetne elérni.
2.) Ad-Hoc Riportok: Kis túlzással a speciális keresőket sorolom ebbe a kategóriába. Egy álláskereső, ingatlankereső vagy társkereső oldalon saját magunk állíthatjuk össze, hogy milyen szempontok szerint szeretnénk leválogatni az eredményt. Bár a keresés eredményét nehéz riportnak tekinteni, de abban az esetben, ha a keresés eredménye a nekünk való tetszés becslése alapján rendezetett, talán ez a túlzás megbocsájtható.
 
3.) OLAP: Megmondom őszintén még nem találtam OLAP jellegű ügyfeleknek szóló alkalmazást. A személyhez köthető, vagy a személyek számára fontos adatok ritkán szoktak olyan jellegűek lenni, melyeknél az aggregáció, a lefúrás érdekes lehet.
 
4.) Riasztások (alerts): Kovács Gyula egyik legkarakterisztikusabb példája az Apnoti weboldal volt, ahol az általunk megadott termékcsoportokkal, termékekkel kapcsolatban riasztást kapunk e-mailben, ha az valamely webáruházban rendkívül olcsón jelenik meg. Tipikusan az árak elgépelése kapcsán érdekes ez a riasztás, hiszen ekkor a szemfüles vásárlók a hiba kijavításáig rendkívül kedvező áron vehetik meg a termékeket. 
 
5.) Statisztikai analízis (statistical analysis): Hogy ehhez a ponthoz is hozhassunk példát, ide soroltam azokat az oldalakat, melyek egy zene rövid részlete vagy annak eldúdolt verziója alapján megtalál egy-egy zeneszámot (pl. midomi). A hipotézis vizsgálat alapú feladatnak is tekinthető probléma megoldásánál biztosan figyelembe veszik azt is, hogy az éppen aktuálisan megjelent slágerek előfordulása nagyobb a keresések között. 
 
6.) Előrejelzés (forcasting):  Egy másik, Gyula által is bemutatott kedvenc a SeatGeek weboldal, ahol arra vonatkozó előrejelzéseket kaphatunk, hogy egy adott repülőjegy ára a közeljövőben nőni vagy csökkenni fog. A feladat megoldásával mi is próbálkoztunk néhány európai desztináció és Budapest viszonylatában. Annyi kiderült számunkra, hogy megfelelő méretű adathalmaz összeállítása sok időt vehet igénybe (akár több évet is), ezért ilyen megoldásokkal csak egy megfelelő iparági partnerrel karöltve érdemes nekikezdeni.
 
7.) Prediktiv modellezés: A szűkebben vett adatbányászati területen belül két példát emelnék ki: egyrészt én ide sorolom a különböző spam szűrőket is (Gmailben jelentem, hogy az adott levél spam volt, a Google belső algoritmusai pedig ilyen jelentések alapján szűri a levelezésembe beérkező leveleket). Ennél kevésbé erőltetett példa az IMDB filmajánló szolgáltatása, a párommal gyakran keresünk magunknak úgy új filmeket, hogy korábbi kedvenceink kapcsán ajánlott filmötleteket kérünk az oldal ajánló rendszerétől. A jobb javaslatok kedvéért még a filmpreferenciáink rendszeres és proaktív közlését is elvégezzük az adott weboldalon.
 
8.) Optimalizáció: Az útvonalkereső, illetve navigációs szoftverek tipikusan a legrövidebb/leggyorsabb útvonalakat ajánlják nekünk, az újratervezés során is folyamatosan az optimális útvonalat kapjuk.
 
A példák sora arra mutat rá, hogy a megoldások tipikusan a weben érhetők el (kivétel talán a zenefelismerő és navigációs megoldások, melyekhez okostelefon, vagy céleszköz tartozik). Segítségükkel az informáltság előnye már az ügyfelek oldalán is megjelenik. Gyula például a kötelező gépjármű biztosítás piacát mutatta be: mióta az összehasonlító oldalak kapcsán a felhasználók a legolcsóbb megoldást választhatják, az árak a felükre csökkentek, félő, hogy a gyilkos árverseny kapcsán ez a piac lényegében tönkremegy. Én nem osztom ezt a félelmet, szerintem a cégek számára egyszerűen más hívószavak, új stratégiák megjelenítése válik szükségessé. 
Az új hívószavak kapcsán egy aktuális példát is tudok mondani: nemzetközi szinten több évtizede működnek úgynevezett etikus bankok. Hazánkban a napokban indul egy ilyen kezdeményezés, a MagNet - Magyar Közösségi Bank (HBW Express  Bank leányvállalataként működik majd). Bevallottan kisebb betéti kamatot ad a betéteseknek, de cserébe átlátható működést (forintra pontosan megtudjuk, hogy mennyit keres rajtunk a bank), a betétek kihelyezésébe való közvetlen beleszólást biztosít, ráadásul ökológiailag alátámasztható, fenntartható fejlődésnek megfelelő projektek finanszírozására fordítják az összegeket. 
További ügyféloldali üzleti intelligencia megoldásokra szívesen fogadunk példákat és ötleteket kommentben. Én a nagy keresgélésben találtam rá Bőgel György blogbejegyzésére, amiben nagyon hasonló gondolatok mentén tárgyalja az üzleti, közösségi és egyéni adatbányászat, adatelemzés irányait.

6 komment

A bejegyzés trackback címe:

https://adatbanyaszat.blog.hu/api/trackback/id/tr342001442

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 és az adatvédelmi tájékoztatóban.

titcar 2010.05.14. 09:38:28

különböző ranking rendszerek is ide tartozik sztem

pl officialpokerrankings.com/ vagy www.pocketfives.com/ ami hirtelen eszembe jut

ill. van valami zenés oldal ami a playlistünkből ajánl hasonló zenéket, de nem jut eszembe a címe

_Hose_ 2010.05.14. 10:24:24

Egy másik példa az előrejelzésre a Bing-ben lévő repülőjegy előrejelző. www.bing.com/travel/

Igaz sajnos a budapesti járatokat nem mutatja olyan szépen, mintha Los Angeles és New York között keresnénk.

Azon gondolkozok, hogy az Iwiw és Facebook oldalak kit ismerhetek funkciója besorolható-e valamelyik körbe.

Gáspár Csaba 2010.05.14. 19:08:32

@_Hose_: Köszönöm a további ötleteket Hose TitCar kollégának is.

Megnéztem a Bing-et, de az előrejelző képességét nem sikerült megtalálnom. Én itt ez alatt azt értem, hogy mondjuk 3 hónap mulva el szeretnék repülni valahova, és az oldal mondja meg, hogy most mennyi az ára egy nekem megfelelő repülőjegynek, és hogyan fog változni az ára a jövőben: vegyem meg most gyorsan, mert nőni fog, vagy várjak, mert fog ez még csökkenni.

_Hose_ 2010.05.15. 16:31:40

Itt egy konkrét példa:
www.bing.com/travel/flight/flightSearch?q=flight+search&stoc=0&vo1=New+York%2C+NY+%28NYC%29+-+All+airports&o=NYC&ve1=Los+Angeles%2C+CA+%28LAX%29+-+Los+Angeles+International+Airport&e=LAX&d1=07%2F11%2F2010&r1=07%2F19%2F2010&p=1&b=COACH&baf=true&baf%2CPRI-HP%2CFlightsHomepage=on

Ezek a korlátok:
Only available when searching for:

* Bing travel cities indicated in bold hen entering your search.
* Round trip, economy flights
* Popular dates:
o U.S. domestic trips from 1 night to 3 weeks long within the next 180 days
o Europe and Caribbean trips up t

_Hose_ 2010.05.15. 16:33:00

Szóval:
Popular dates:
* U.S. domestic trips from 1 night to 3 weeks long within the next 180 days
* Europe and Caribbean trips up to 2 weeks long within the next 120 days

Gáspár Csaba 2010.05.19. 16:40:26

@_Hose_: Köszönöm, ezek tényleg jópofa dolgok. Több alkalommal kellene használnom a Bing-et.