Adatbányászat és Perszonalizáció az Oracle9i-ben
Oracle9i adatbányászat 2000. szeptember 6. Fekete Zoltán Palaczk Péter
Agenda y Oracle9i Database — Teljes e-Business Intelligence infrastruktúra y Mi is az adatbányászat? y Oracle9i Data Mining y Oracle9i Personalization y Personalization demonstráció
Hagyományos elemző szerverek OLAP motor
Adat integrációs motor Data Warehouse motor
Bányászati motor
Oracle9i analitikus platform Oracle9i Data Warehousing
ETL
OLAP
Adatbányászat
Oracle9i
Teljes e-üzleti intelligencia infrastruktúra
Oracle9i Database
Integrált üzleti intelligencia szerver Data Warehouse
ETL OLAP
Data Mining
M e t a a d a t o k
Oracle9i Application Server
az üzleti intelligencia alkalmazások futtatásához Portal
M e t a Jelentések, lekérdezések a d a t o k
BI Components
Personalization Hello! We have recommendations for you.
Oracle9i
Complete e-Business Intelligence Oracle9iDB
Oracle9iAS
Data Warehousing
Portal
ETL
OLAP
Data Mining
M e t a d a t a
Query & Reporting
BI Components
Real-Time Personalization Hello! We have recommendations for you.
Az adatbányászat fogalmáról
Mi az adatbányászat? “Röviden, az adatbányászat rejtett minták és kapcsolatok feltárása az adattömegben, a jobb üzleti döntések elősegítésére” -- Robert Small, Two Crows
Oracle adattárházak és adatbányászat Az adattárház lehetővé teszi az adatbányászatot Az adatbányászat kiássa az adattárház rejtett kincseit
y Az adattárházak gyorsan növekszenek, gyorsabban sem hogy manuálisan ki lehetne aknázni a bennük rejlő tudást y Az adatbányászat kiteljesíti az adattárházak ígéretét – Felfedi a tudást, mely az adatot információvá alakítja
Lehetőség: adatbányászat az ügyfelek megértéséhez y Ügyfél megtartás, elvándorlás csökkentés y Ügyfelek csoportosítása és viselkedésük megértése y Jövedelmezőség javítása y Ügyfél megszerzési költségek csökkentése y A jövedelmező ügyfelek megfelelő ajánlatokkal ellátása
Miért szükséges az adatbányászat? y Pénzügyi példa: “Mely ügyfeleknek legnagyobb a hajlandósága részt venni az új arany hitelkártya programban?” y Telekommunikációs példa: “Mely vevők akarnak a konkurenciához távozni?” y Államigazgatási példa: “Melyek azok az egészségügyi igények melyek mögött csalás lehet?”
Tipikus adatbányászati ágazatok és alkalmazások y Adatbázis marketing y Pénzügyi management y Telekommunikáció y Egészségügy y Manufacturing y Biztosítás y Kormányzat
y y y y y y
CRM Cross-Sell/Up-Sell Hitel Csalás ERP Quality Control
Data Mining példák y Bank értékesítési hatékonyságát 1,1%-ról 20,5%-ra növelte y Banki termék 4000 vásárlója mellé további 22 000 lehetséges vásárlót találtak y Telecommunikációs cég magas bevételt ígérő ügyfeleket talált a cégváltásra hajlamosak szegmensében
Oracle Discoverer szemlélteti az adatbányászati eredményeket.
Oracle9i Data Mining
Oracle9i Data Mining y Az alkalmazásokat kiegészíti a rejtett minták felismerésével y Az Oracle9i Database-be beágyazott adatbányászat y Java-alapú API, amely megfelel a JDM (JSR-73) fejlődő szabványnak (SUN Java Community Process, CWM, PPML, SQL/MM for Data Mining)
Data Mining
Beágyazott adatbányászat az Oracle9i adatbázisba y Egyszerűsíti a folyamatot, 80-20 y Nincs adatmozgatás és nincs adatduplikáció y Nagy teljesítményt és skálázhatóságot biztosít – – –
nem csupán mintavétellel Partitioning nagy adatmenny. SELECT SAMPLE Beágyazott adatbányászat
Adatbányászat
Az alkalmazások kiegészülnek predikcióval és betekintéssel az adatok mögé y Oracle9i Data Mining Java API-val predikció alapú alkalmazások készülnek –
Az adatbányászat automatizálása az ügyfelek pontozására és valós idejű prediktálására y Batch y on-demand
–
Az adatbányászati eredmények rögtön elemezhetők Oracle Discovererrel, OLAP kieg.
Data Mining az Oracle9i Database-be ágyazva y Több algoritmus – – –
Naïve Bayes (osztályozás) - supervised Association Rules (asszociáció) - unsupervised Fejlődés: C&RT, neurális hálózatok, SOM...
y Alapértelmezett és részletes paraméterezés y Több féle predikció – –
Adott esemény valószínűsége A legvalószínűbb esemény Data Mining
Predikció és klasszifikáció Korábban rejtett információk a hívóközpont kezelőnek. Predikció és valószínűség.
Asszociációs szabályok felhasználása y Asszociációk meghatározása –
–
Népszerű termék összeállítások (pl. kosár elemzés) Együttes előfordulások
y Kosár következő elemének megjóslása
Oracle CRM integráltan az Oracle Data Mininggal Automatizált adatbányászat •Modell építés •Ütemezés •Pontozás listák •Minták felderítése •Predikciók
A célzott kampányok hatékonyságát nagy mértékben javítja
ODM tevékenységek y y y y
Modell építés Teszt (Naïve Bayes prediktív modellekhez) Lift számítás (Naïve Bayes modellekhez) Modell alkalmazása (scoring a Naïve Bayeshez)
Oracle9i Data Mining y Az alkalmazások kiegészülnek predikcióval és elemzéssel –
Az alkalmazások nagyobb betekintést biztosítanak az ügyféladatokba, churn predikció, call center alkalmazásoknál
y Beágyazott adatbányászat az Oracle9i-be –
Egyszerűsített folyamat, nincs adatmozgatás, nagy teljesítményt és skálázhatóságot biztosít
y Java alapú API –
Üzleti intelligencia adatbázisok építéséhez
Data Mining
Oracle9iAS Personalization
Oracle9i Perszonalizáció “Valós idejű ajánlási motor”
y Valós idejű ajánlási motor, 1:1 marketing kapcsolatok eléréséhez az Interneten – –
Cross-selling és up-selling Web lap tartalom testreszabás, pl. hirdetések
Tradicionális adatbányászat
+
Valós idejű Session környezet
Oracle9i Personalization Az adatbázis valós idejű ajánlást ad Ügyfél profil (történeti)
OraclePowered Web Site Oracle WebDinamikus Site Weblapok
• Advanced dynamic content • Database driven
Adattárház
• Real-time, adaptive personalization Ajánlás
Ajánlás - feladatok • Melyik N terméket fogja A a legvalószínűbben megvásárolni? • Akik megvették az X terméket, hajlamosak-e mást is vásárolni? • Mennyire valószínű, hogy A megveszi az X terméket? • Melyik N cikket legvalószínűbb, hogy A megveszi, feltéve, hogy egy másik X terméket vásárol? • Melyik N termék hasonlít legjobban az X termékhez egy adott dimenzió mentén?
Oracle9iAS Personalization alkalmazás BooksRus.com’s Book Store - Netscape
Egy Java könyvet keresek Hello, Mark Hello, Mark Jones. Jones. We We think think you you will will like like these these BooksRus.com items. items.
BooksRus.com Auctions. BooksRus.com 100 Hot Books
www.booksrus.co m
Valós idejű ajánlatok, további könyvek az érdeklődési körnek és profilnak megfelelően, és a meglepetés faktor.
Hello, Mark Jones! Tekintse meg ajánlatunkat
Personalization szolgáltatások Hogyan működik?
BooksRus.com Html kérés
BooksRus.com’s Book Book Store Store -- Netscape Netscape BooksRus.com’s
BooksRus.com
BooksRus.com
Web Server Html Code Generation <static sections>
BooksRus.com A c tion Thriller P oetry Cus tom er IDBooksRus.com P rofes s ion Field S c ore Clas s ic Rap 15 60 0
BooksRus.com Auctions.
The Brethren by John Grisham
BooksRus.co Auctions. BooksRus.com 100 Hot m 100 Hot Books Books
Html code
created using JSP>
www.booksrus.com
Browser (Client)
A adatok A session felhasználói profil tisztításra kerülnek egy pontozódikprofil és az böngésző eredmény megjelenik a megállapítása Web szerveren érdekében
Oracle 9i Personalization Services
Web Personalization: Architektúra = Web Perszonalizációs termék része
Web Szerver
Történeti adat
Adat-
Perszonalizácós API Ajánlási kérés (session információt tartalmaz)
tárház Prediktív modellek offline létrehozása Oracle9i adatbázis
Ajánlási Előre felépített modell és adat
motor
Ajánlás Valós időben végrehajtja a modellt és visszaadja az ajánlásokat Oracle9i adatbázis előre definiált sémával
