Мета: оновлення процесів збору та аналізу даних для побудови прогнозних моделей з метою прийняття економічно вигідних рішень.

Преамбула: Дані представляють нову нафту економіки, проте більшість компаній, хоча й збирають і зберігають терабайти даних в хмарних сервісах, не до кінця використовують (і найчастіше розуміють) їхній потенціал. Наша мета – простою мовою пояснити переваги використання даних і розробити ефективні методи прогнозу під вашу компанію. Наша робота не обмежується «загальним посібником, діловими порадами», а передбачає підготовку ваших аналітиків до використання моделей, які реально працюють. 

 

Робота з замовником будується на основі стандартної методології СRISP-DM:

Етап 0 (безкоштовний): Розуміння бізнесу

  • Зустріч з аналітиками та менеджментом Замовника для визначення потреби (наприклад, прогноз відвантажень за різними номенклатурами, оцінка ефективності реклами, ключові і проблемні постачальники/покупці/співробітники, прогноз сезонності і т.д.)

Етап 1: Розуміння даних (2-4 дні)

  • Підписання угоди про конфіденційність даних (за потреби)
  • Отримання доступу до даних і аудит методології збору даних
  • Оцінка рівня підготовки внутрішніх аналітиків компанії і розробка індивідуального плану перепідготовки

Етап 2: Підготовка даних (2-5 днів)

  • Розуміння структури даних і ключових елементів матриці даних
  • Аудит внутрішньої цілісності даних на наявність помилок
  • Підготовка даних для аналізу

Етап 3: Моделювання (4-6 днів)

  • Розробка моделей (класична регресія і методи машинного навчання)
  • Обговорення з аналітиками компанії
  • Тестування моделей на предмет помилок
  • Вибір оптимальної моделі на основі якості прогнозу

Етап 4: Оцінка (1-2 дні через 3 місяці після попереднього етапу)

  • Тестування моделей прогнозу на нових даних
  • Налаштування моделей

Етап 5: Впровадження

  • Передача моделей, які працюють, аналітикам компанії
  • Використання результатів прогнозу при прийнятті управлінських рішень

Експерт: Максим Обрізан активно працює з даними з 2001 року, має досвід побудови як стандартних статистичних прогнозних моделей, так і сучасних методів на основі машинного навчання.

Заявка на навчання

Получить описание программы