- Statistikat e përgjithshme
- Kërkoni për shoqata
- Kërkoni për sekuenca
- Pema e vendimit
- Analiza e grupimeve
- Analiza e të dhënave - një objekt që kryen analizën e të dhënave. Për të, ju duhet të specifikoni burimin e të dhënave dhe parametrat e nevojshëm për analizë.
- Rezultati i analizës së të dhënave është një objekt që është rezultat i punës së analizës së të dhënave.
- Modeli i parashikimit – i krijuar në bazë të rezultatit të analizës së të dhënave. Objekti është lidhja përfundimtare në mekanizmin e analizës 1C dhe gjeneron një tabelë vlerash që përmban vlerat e parashikuara.
- Statistikat e Përgjithshme – Ky lloj analize është një kampionim i thjeshtë statistikor i një burimi të dhënash. Një shembull aplikimi është analiza e shitjeve sipas artikullit për një periudhë. Rezultati i analizës do të jetë informacion se sa nga një produkt i caktuar është shitur. Sistemi gjithashtu do të llogarisë fusha specifike - maksimale, minimale, mesatare, mesatare, diapazoni, devijimi standard, numri i vlerave, numri i vlerave unike, modaliteti.
- Kërkimi për shoqata - ky lloj analize është krijuar për të kërkuar kombinime që shpesh ndodhin së bashku. Shumë e mirë për të gjetur artikuj që shpesh blihen së bashku. Si rezultat i analizës, sistemi do të gjenerojë informacionin e mëposhtëm: informacion për të dhënat e përpunuara, grupet asociative, rregullat asociative me të cilat krahasohen grupet.
- Kërkoni për sekuenca - analiza që ju lejon të identifikoni modele në të dhënat e analizuara dhe të ofroni parashikime të mëtejshme. Si rezultat i analizës, sistemi do të shfaq informacione për mundësinë e shfaqjes së ngjarjeve të caktuara në përqindje.
Analiza e të dhënave dhe motori i parashikimit- ky është një nga mekanizmat për gjenerimin e raportimit ekonomik dhe analitik. Ai u ofron përdoruesve (ekonomistëve, analistëve, etj.) mundësinë për të kërkuar modele jo të dukshme në të dhënat e grumbulluara në bazën e informacionit. Ky mekanizëm lejon:
- kërkoni për modele në të dhënat burimore të bazës së informacionit;
- të menaxhojë parametrat e analizës së kryer si në mënyrë programore ashtu edhe në mënyrë interaktive;
- të sigurojë qasje programatike në rezultatin e analizës;
- shfaq automatikisht rezultatin e analizës në një dokument spreadsheet;
- krijoni modele parashikimi që ju lejojnë të parashikoni automatikisht ngjarjet pasuese ose vlerat e karakteristikave të caktuara të objekteve të reja.
Mekanizmi i analizës së të dhënave është një grup objektesh gjuhësore të integruara që ndërveprojnë me njëri-tjetrin, i cili i lejon zhvilluesit të përdorë përbërësit e tij në çdo kombinim në çdo zgjidhje aplikacioni. Objektet e integruara e bëjnë të lehtë organizimin e konfigurimit interaktiv të parametrave të analizës nga përdoruesi dhe gjithashtu ju lejojnë të shfaqni rezultatin e analizës në një formë të përshtatshme për t'u shfaqur në një dokument fletëllogaritëse.
Mekanizmi ju lejon të punoni si me të dhënat e marra nga baza e informacionit ashtu edhe me të dhënat e marra nga një burim i jashtëm, të para-ngarkuar në një tabelë vlerash ose në një dokument fletëllogaritëse:
Duke aplikuar një nga llojet e analizave në të dhënat burimore, mund të merrni rezultatin e analizës. Rezultati i analizës paraqet një model të caktuar të sjelljes së të dhënave. Rezultati i analizës mund të shfaqet në dokumentin përfundimtar ose të ruhet për përdorim në të ardhmen.
Përdorimi i mëtejshëm i rezultatit të analizës është se mbi bazën e tij mund të krijohet një model parashikimi që lejon dikë të parashikojë sjelljen e të dhënave të reja në përputhje me modelin ekzistues.
Për shembull, mund të analizoni se cilat produkte janë blerë së bashku (në një faturë) dhe ta ruani këtë rezultat analize në bazën e të dhënave. Në të ardhmen, kur krijoni faturën tjetër bazuar në rezultatin e analizës së ruajtur, mund të ndërtoni një model parashikimi, ta ushqeni atë "input" me të dhëna të reja që përmbahen në këtë faturë dhe "output" të merrni një parashikim - një listë të mallrave që pala tjetër B.S Petrov. Ai gjithashtu ka shumë të ngjarë t'i marrë ato nëse i ofrohen atij:
Motori i analizës dhe parashikimit të të dhënave zbaton disa lloje të analizave të të dhënave:
Llojet e analizave të zbatuara
Statistikat e përgjithshme
Është një mekanizëm për mbledhjen e informacionit në lidhje me të dhënat në kampionin që studiohet. Ky lloj analize ka për qëllim hetimin paraprak të burimit të të dhënave që analizohet.
Analiza tregon një sërë karakteristikash të fushave të vazhdueshme dhe diskrete. Fushat e vazhdueshme përmbajnë lloje të tilla si Numri, datë. Për llojet e tjera, përdoren fusha diskrete Kur nxirret një raport në një dokument spreadsheet, diagramet me byrek plotësohen për të shfaqur përbërjen e fushave.
Kërkoni për shoqata
Ky lloj analize kërkon grupe objektesh ose vlera karakteristike që ndodhin shpesh së bashku, dhe gjithashtu kërkon rregulla asociimi. Kërkimi i asociacionit mund të përdoret, për shembull, për të përcaktuar së bashku mallrat ose shërbimet e blera shpesh:
Ky lloj analize mund të funksionojë me të dhëna hierarkike, gjë që lejon, për shembull, të gjejë rregulla jo vetëm për produkte specifike, por edhe për grupet e tyre. Një tipar i rëndësishëm i këtij lloji të analizës është aftësia për të punuar si me një burim të të dhënave të objektit, në të cilin çdo kolonë përmban disa karakteristika të objektit, ashtu edhe me një burim ngjarjeje, ku karakteristikat e objektit ndodhen në një kolonë.
Për ta bërë rezultatin më të lehtë për t'u perceptuar, sigurohet një mekanizëm për ndërprerjen e rregullave të tepërta.
Kërkoni për sekuenca
Lloji i analizës së kërkimit të sekuencës ju lejon të identifikoni zinxhirët sekuencialë të ngjarjeve në një burim të dhënash. Për shembull, ky mund të jetë një zinxhir mallrash ose shërbimesh që klientët shpesh blejnë në mënyrë sekuenciale:
Ky lloj analize lejon kërkime hierarkike, gjë që bën të mundur gjurmimin jo vetëm të sekuencave të ngjarjeve specifike, por edhe të sekuencave të grupeve prindërore.
Një grup parametrash analize i lejon një specialisti të kufizojë distancat kohore midis elementeve të sekuencave të kërkuara, si dhe të rregullojë saktësinë e rezultateve të marra.
Analiza e grupimeve
Analiza e grupimit ju lejon të ndani grupin origjinal të objekteve në studim në grupe objektesh, në mënyrë që çdo objekt të jetë më i ngjashëm me objektet nga grupi i tij sesa me objektet nga grupet e tjera. Duke analizuar më tej grupet që rezultojnë, të quajtur grupe, mund të përcaktoni se si karakterizohet ky ose ai grup dhe të vendosni për metodat për të punuar me objekte të grupeve të ndryshme. Për shembull, duke përdorur analizën e grupimeve, ju mund t'i ndani klientët me të cilët një kompani punon në grupe në mënyrë që të aplikoni strategji të ndryshme kur punoni me ta:
Duke përdorur parametrat e analizës së grupimeve, analisti mund të konfigurojë algoritmin me të cilin do të kryhet ndarja, dhe gjithashtu mund të ndryshojë dinamikisht përbërjen e karakteristikave të marra parasysh në analizë dhe të konfigurojë koeficientët e peshimit për to.
Rezultati i grupimit mund të shfaqet në një dendrogram - një objekt i veçantë i krijuar për të shfaqur marrëdhëniet vijuese midis objekteve.
Pema e vendimit
Lloji i analizës së pemës së vendimit ju lejon të ndërtoni një strukturë hierarkike të rregullave klasifikuese, të paraqitura në formën e një peme.
Për të ndërtuar një pemë vendimi, ju duhet të zgjidhni një atribut objektiv mbi të cilin do të ndërtohet klasifikuesi dhe një numër atributesh hyrëse që do të përdoren për të krijuar rregulla. Atributi i synuar mund të përmbajë, për shembull, informacion nëse klienti kaloi në një ofrues tjetër shërbimi, nëse transaksioni ishte i suksesshëm, nëse puna u krye mirë, etj. Atributet hyrëse, për shembull, mund të jenë mosha e punonjësit, përvoja e tij e punës, gjendja financiare e klientit, numri i punonjësve në kompani, etj.
Rezultati i analizës paraqitet në formën e një peme, secila nyje e së cilës përmban një kusht të caktuar. Për të vendosur se cilës klasë duhet t'i caktohet një objekt i ri, është e nevojshme, duke iu përgjigjur pyetjeve në nyje, të kalohet përmes zinxhirit nga rrënja në gjethen e pemës, duke lëvizur në nyjet e fëmijëve në rastin e një përgjigje pohuese. dhe te nyja fqinje në rastin e përgjigjes negative.
Një grup i parametrave të analizës ju lejon të rregulloni saktësinë e pemës që rezulton:
Modelet e parashikimit
Modelet e parashikimit të krijuara nga mekanizmi janë objekte të veçanta që krijohen nga rezultati i analizës së të dhënave dhe ju lejojnë të kryeni automatikisht një parashikim për të dhëna të reja në të ardhmen.
Për shembull, një model parashikimi i kërkimit të shoqatës, i ndërtuar duke analizuar blerjet e klientëve, mund të përdoret kur punoni me një klient blerës në mënyrë që t'i ofrojë atij mallra që ai ka të ngjarë të blejë së bashku me mallrat që ka zgjedhur.
Mekanizmi i analizës dhe parashikimit të të dhënave u ofron përdoruesve (ekonomistëve, analistëve, etj.) mundësinë për të kërkuar modele jo të dukshme në të dhënat e grumbulluara në bazën e informacionit. Ky mekanizëm lejon:
- kërkoni për modele në të dhënat burimore të bazës së informacionit;
- të menaxhojë parametrat e analizës së kryer si në mënyrë programore ashtu edhe në mënyrë interaktive;
- të sigurojë qasje programatike në rezultatin e analizës;
- shfaq automatikisht rezultatin e analizës në një dokument spreadsheet;
- krijoni modele parashikimi që ju lejojnë të parashikoni automatikisht ngjarjet pasuese ose vlerat e karakteristikave të caktuara të objekteve të reja.
Mekanizmi i analizës së të dhënave është një grup objektesh gjuhësore të integruara që ndërveprojnë me njëri-tjetrin, i cili i lejon zhvilluesit të përdorë përbërësit e tij në çdo kombinim në çdo zgjidhje aplikacioni. Objektet e integruara e bëjnë të lehtë organizimin e konfigurimit interaktiv të parametrave të analizës nga përdoruesi dhe gjithashtu ju lejojnë të shfaqni rezultatin e analizës në një formë të përshtatshme për t'u shfaqur në një dokument fletëllogaritëse.
Mekanizmi ju lejon të punoni si me të dhënat e marra nga baza e informacionit ashtu edhe me të dhënat e marra nga një burim i jashtëm, të para-ngarkuar në një tabelë vlerash ose në një dokument fletëllogaritëse:
Duke aplikuar një nga llojet e analizave në të dhënat burimore, mund të merrni rezultatin e analizës. Rezultati i analizës paraqet një model të caktuar të sjelljes së të dhënave. Rezultati i analizës mund të shfaqet në dokumentin përfundimtar ose të ruhet për përdorim në të ardhmen.
Përdorimi i mëtejshëm i rezultatit të analizës është se mbi bazën e tij mund të krijohet një model parashikimi që lejon dikë të parashikojë sjelljen e të dhënave të reja në përputhje me modelin ekzistues.
Për shembull, mund të analizoni se cilat produkte janë blerë së bashku (në një faturë) dhe ta ruani këtë rezultat analize në bazën e të dhënave. Më vonë, kur krijoni faturën tjetër:
Bazuar në rezultatin e ruajtur të analizës, mund të ndërtoni një model parashikimi, ta ushqeni atë me të dhëna të reja që përmbahen në këtë faturë dhe "output" të merrni një parashikim - një listë të mallrave që pala tjetër B.S. Ai gjithashtu ka shumë të ngjarë t'i marrë ato nëse i ofrohen atij:
Motori i analizës dhe parashikimit të të dhënave zbaton disa lloje të analizave të të dhënave:
Llojet e analizave të zbatuara
Statistikat e përgjithshme
Është një mekanizëm për mbledhjen e informacionit në lidhje me të dhënat në kampionin që studiohet. Ky lloj analize ka për qëllim hetimin paraprak të burimit të të dhënave që analizohet.
Analiza zbulon një sërë karakteristikash të fushave numerike dhe të vazhdueshme. Kur nxirret një raport në një dokument me fletëllogaritëse, plotësohen grafikët me byrek për të shfaqur përbërjen e fushave.
Kërkoni për shoqata
Ky lloj analize kërkon grupe objektesh ose vlera karakteristike që ndodhin shpesh së bashku, dhe gjithashtu kërkon rregulla asociimi. Kërkimi i asociacionit mund të përdoret, për shembull, për të përcaktuar së bashku mallrat ose shërbimet e blera shpesh:
Ky lloj analize mund të funksionojë me të dhëna hierarkike, gjë që lejon, për shembull, të gjejë rregulla jo vetëm për produkte specifike, por edhe për grupet e tyre. Një tipar i rëndësishëm i këtij lloji të analizës është aftësia për të punuar si me një burim të të dhënave të objektit, në të cilin çdo kolonë përmban disa karakteristika të objektit, ashtu edhe me një burim ngjarjeje, ku karakteristikat e objektit ndodhen në një kolonë.
Për ta bërë rezultatin më të lehtë për t'u perceptuar, sigurohet një mekanizëm për ndërprerjen e rregullave të tepërta.
Kërkoni për sekuenca
Lloji i analizës së kërkimit të sekuencës ju lejon të identifikoni zinxhirët sekuencialë të ngjarjeve në një burim të dhënash. Për shembull, ky mund të jetë një zinxhir mallrash ose shërbimesh që klientët shpesh blejnë në mënyrë sekuenciale:
Ky lloj analize lejon kërkime hierarkike, gjë që bën të mundur gjurmimin jo vetëm të sekuencave të ngjarjeve specifike, por edhe të sekuencave të grupeve prindërore.
Një grup parametrash analize i lejon një specialisti të kufizojë distancat kohore midis elementeve të sekuencave të kërkuara, si dhe të rregullojë saktësinë e rezultateve të marra.
Analiza e grupimeve
Analiza e grupimit ju lejon të ndani grupin origjinal të objekteve në studim në grupe objektesh, në mënyrë që çdo objekt të jetë më i ngjashëm me objektet nga grupi i tij sesa me objektet nga grupet e tjera. Duke analizuar më tej grupet që rezultojnë, të quajtur grupe, mund të përcaktoni se si karakterizohet ky ose ai grup dhe të vendosni për metodat për të punuar me objekte të grupeve të ndryshme. Për shembull, duke përdorur analizën e grupimeve, ju mund t'i ndani klientët me të cilët një kompani punon në grupe në mënyrë që të aplikoni strategji të ndryshme kur punoni me ta:
Duke përdorur parametrat e analizës së grupimeve, analisti mund të konfigurojë algoritmin me të cilin do të kryhet ndarja, dhe gjithashtu mund të ndryshojë dinamikisht përbërjen e karakteristikave të marra parasysh në analizë dhe të konfigurojë koeficientët e peshimit për to.
Rezultati i grupimit mund të shfaqet në një dendrogram - një objekt i veçantë i krijuar për të shfaqur marrëdhëniet vijuese midis objekteve.
Pema e vendimit
Lloji i analizës së pemës së vendimit ju lejon të ndërtoni një strukturë hierarkike të rregullave klasifikuese, të paraqitura në formën e një peme.
Për të ndërtuar një pemë vendimi, ju duhet të zgjidhni një atribut objektiv mbi të cilin do të ndërtohet klasifikuesi dhe një numër atributesh hyrëse që do të përdoren për të krijuar rregulla. Atributi i synuar mund të përmbajë, për shembull, informacion nëse klienti kaloi në një ofrues tjetër shërbimi, nëse transaksioni ishte i suksesshëm, nëse puna u krye mirë, etj. Atributet hyrëse, për shembull, mund të jenë mosha e punonjësit, përvoja e tij e punës, gjendja financiare e klientit, numri i punonjësve në kompani, etj.
Rezultati i analizës paraqitet në formën e një peme, secila nyje e së cilës përmban një kusht të caktuar. Për të vendosur se cilës klasë duhet t'i caktohet një objekt i ri, është e nevojshme, duke iu përgjigjur pyetjeve në nyje, të kalohet përmes zinxhirit nga rrënja në gjethen e pemës, duke lëvizur në nyjet e fëmijëve në rastin e një përgjigje pohuese. dhe te nyja fqinje në rastin e përgjigjes negative.
Një grup i parametrave të analizës ju lejon të rregulloni saktësinë e pemës që rezulton:
Modelet e parashikimit
Modelet e parashikimit të krijuara nga mekanizmi janë objekte të veçanta që krijohen nga rezultati i analizës së të dhënave dhe ju lejojnë të kryeni automatikisht një parashikim për të dhëna të reja në të ardhmen.
Për shembull, një model parashikimi i kërkimit të shoqatës, i ndërtuar duke analizuar blerjet e klientëve, mund të përdoret kur punoni me një klient blerës në mënyrë që t'i ofrojë atij mallra që ai ka të ngjarë të blejë së bashku me mallrat që ka zgjedhur.
Përdorimi i mekanizmit të analizës së të dhënave në zgjidhjet e aplikimit
Për të njohur zhvilluesit e zgjidhjeve të aplikacioneve me mekanizmin e analizës së të dhënave, një bazë informacioni demonstrimi vendoset në diskun "Mbështetja e Informacionit dhe Teknologjisë" (ITS). Ai përfshin një "Konsolë të Analizës së të Dhënave" universale të përpunimit, e cila ju lejon të kryeni analizën e të dhënave në çdo zgjidhje aplikacioni, pa modifikuar konfigurimin.
Një nga tendencat kryesore në tregun e kontabilitetit dhe sistemeve të menaxhimit është rritja e vazhdueshme e kërkesës për përdorimin e mjeteve analitike të përpunimit të të dhënave që sigurojnë vendimmarrje të informuar. Kjo është arsyeja pse një nga drejtimet strategjike për zhvillimin e sistemit softuerik 1C: Enterprise është bërë zgjerimi i vazhdueshëm i aftësive të raportimit ekonomik dhe analitik. Megjithatë, klientët e sotëm nuk janë më të kënaqur me mjetet tradicionale që u lejojnë atyre të gjenerojnë një sërë raportesh, tabelash dhe grafikësh që krijohen bazuar në tregues dhe marrëdhënie të paracaktuara dhe të cilat duhet të analizohen manualisht. Ndërmarrjet gjithnjë e më shumë kanë nevojë për mjete cilësore të ndryshme që u lejojnë atyre të kërkojnë automatikisht rregulla jo të dukshme dhe të identifikojnë modele të panjohura (Fig. 1). Kështu mund të gjeneroni njohuri cilësore të reja bazuar në informacionin e grumbulluar nga kompania dhe ndonjëherë të merrni vendime krejtësisht jo të parëndësishme për të përmirësuar efikasitetin e biznesit, duke përdorur metodat e të dhënave të minierave (DAM).
Oriz. 1. Logjika e zhvillimit të “inteligjencës” së problemeve të zgjidhura analitike. Lëshimi në verën e vitit 2003 i një versioni të ri të platformës teknologjike "1C:Enterprise 8.0" bëri të mundur zgjerimin e ndjeshëm të aftësive të analitikës së biznesit në sistem (shih shiritin anësor). Megjithatë, këtu duhet bërë një shënim i rëndësishëm. Softueri i platformës 1C zhvillohet jo vetëm në "hapa", nga versioni në version, por përmirësohet dhe zgjerohet vazhdimisht brenda një versioni, dhe në dy drejtime - teknologjik dhe aplikativ. Pra, pas njoftimit të parë të G8, më shumë se një duzinë lëshime të platformës tashmë janë lëshuar, versioni i fundit (që nga janari 2006) numërohet 8.0.13, dhe është shumë i ndryshëm nga ai që ishte dy dhe një vit e gjysmë më parë! Një nga fushat e zhvillimit të "1C:Enterprise 8.0" janë pikërisht mekanizmat e analitikës së biznesit; në veçanti, mjetet IAD u shfaqën në të vetëm në vitin 2005. Është e rëndësishme të theksohet se shumica e funksioneve të analizës zbatohen në nivelin e platformës teknologjike dhe bëhen të disponueshme për përdoruesit vetëm pasi të përfshihen në versionet e reja të zgjidhjeve të aplikacionit. Kështu, ka një hendek (ndonjëherë disa muaj) midis shfaqjes së veçorive të reja dhe ofrimit të tyre për përdoruesit. Me këtë problem në mendje, për të kapërcyer hendekun, 1C lëshoi në shtator 2005 një zgjidhje të veçantë aplikimi "Nënsistemi i Analizës së të Dhënave" (DAS), i cili mund të ndërtohet në çdo konfigurim të platformës 1C:Enterprise 8.0. Përveç një game të gjerë funksionesh bazë, paketa përfshin më shumë se 30 modele të para-konfiguruara për një konfigurim tipik të Menaxhimit të Tregtisë. PAD përfshin ato mjete cilësisht të reja IAD që më parë mungonin në programet 1C. Për të analizuar dhe parashikuar drejtpërdrejt të dhënat, nuk kërkohen aftësi dhe njohuri specifike. Supozohet një zotërim i mirë i fushës së analizuar të lëndës dhe një kuptim i marrëdhënieve kryesore shkak-pasojë në të. Përgatitja e burimeve të të dhënave dhe modeleve parashikuese kërkon aftësinë për të përdorur ndërtuesin e pyetjeve dhe njohuri se si të vendoset informacioni në objektet e meta të dhënave të konfigurimit. Algoritmet IAD, të përfshira në konfigurimin e ri (versioni 1.0.5), formojnë modele analitike (shabllone) që përshkruajnë modele në të dhënat burimore. Këto modele kanë vlerë të pavarur (ato mund të përdoren në mënyrë të përsëritur), dhe përdoren gjithashtu për gjenerimin e automatizuar të parashikimeve, duke përfshirë ato skenarë, me tregues të panjohur më parë (Fig. 2). Mekanizmi IAD është një grup objektesh gjuhësore të integruara që ndërveprojnë me njëri-tjetrin, falë të cilave zhvilluesi mund të përdorë përbërësit e tij në çdo kombinim në çdo zgjidhje aplikimi. Objektet e integruara e bëjnë të lehtë organizimin e konfigurimit interaktiv të parametrave të analizës nga përdoruesi, si dhe shfaqjen e rezultatit të analizës në një formë të lehtë për t'u shfaqur në një dokument fletëllogaritëse. Duke aplikuar një lloj analize në të dhënat burimore, mund të merrni një rezultat që do të përfaqësojë një model të caktuar të sjelljes së të dhënave. Rezultati i analizës mund të shfaqet në dokumentin përfundimtar ose të ruhet për përdorim të mëvonshëm - bazuar në të, ju mund të krijoni një model parashikimi që ju lejon të parashikoni sjelljen e të dhënave të reja.
Oriz. 2. Skema e përgjithshme e funksionimit të mekanizmit të nxjerrjes së të dhënave. Versioni aktual i nënsistemit zbaton metodat që kanë marrë shpërndarjen më të madhe tregtare në praktikën botërore, përkatësisht:
- grumbullimi - zbaton grupimin e objekteve, duke maksimizuar ngjashmërinë brenda grupit dhe dallimet ndërgrupore;
- pema e vendimeve - siguron ndërtimin e një hierarkie shkak-pasojë të kushteve që çojnë në vendime të caktuara;
- kërkimi për asociacione - kërkon kombinime të qëndrueshme të elementeve në ngjarje ose objekte.
Grumbullimi
Qëllimi i grupimit është të zgjedhë nga një grup objektesh të së njëjtës natyrë një numër të caktuar grupesh relativisht homogjene (segmente ose grupime). Objektet shpërndahen në grupe në atë mënyrë që diferencat brenda grupit të jenë minimale dhe dallimet ndërgrupore maksimale (Fig. 3). Metodat e grupimit bëjnë të mundur kalimin nga një objekt për objekt në një përfaqësim grupor të një koleksioni objektesh arbitrare, gjë që thjeshton ndjeshëm trajtimin e tyre. Disa skenarë të mundshëm për përdorimin e grupimit në praktikë janë përshkruar më poshtë. Segmentimi i klientit bazuar në një grup të caktuar parametrash, bën të mundur identifikimin e grupeve të qëndrueshme midis tyre që kanë preferenca të ngjashme blerjeje, nivele shitjesh dhe aftësi paguese, gjë që thjeshton shumë menaxhimin e marrëdhënieve me klientët. Në klasifikimi i mallrave Parimet mjaft konvencionale të klasifikimit përdoren shumë shpesh. Izolimi i segmenteve bazuar në një grup kriteresh formale bën të mundur identifikimin e grupeve vërtet homogjene të mallrave. Në kontekstin e një game të gjerë dhe mjaft heterogjene produktesh, menaxhimi i asortimentit në nivel segmenti, krahasuar me menaxhimin në nivel produkti, rrit ndjeshëm efikasitetin e promovimit, çmimeve, tregtimit dhe menaxhimit të zinxhirit të furnizimit. Segmentimi i menaxherit ju lejon të planifikoni në mënyrë më efektive ndryshimet organizative, të përmirësoni skemat motivuese, të rregulloni kërkesat për personelin e punësuar, gjë që në fund ju lejon të rritni menaxhueshmërinë e kompanisë dhe stabilitetin e biznesit në tërësi.Oriz. 3. Analiza e të dhënave duke përdorur metodën e grupimit. Ngjashmëria dhe ndryshimi midis objekteve përcaktohet nga "distanca" midis tyre në hapësirën e faktorëve. Metoda për matjen e distancës varet nga metrika, e cila tregon parimin për përcaktimin e ngjashmërisë/ndryshimit ndërmjet objekteve të mostrës. Zbatimi aktual mbështet matjet e mëposhtme:
- "Metrika Euklidiane" është distanca standarde ndërmjet dy pikave në hapësirën e atributeve Euklidiane N-dimensionale;
- "Metrika Euklidiane në katror" - rrit ndikimin e diferencës (distancës) në rezultatin e grupimit;
- "City metric" - zvogëlon ndikimin e emetimeve;
- "Metrika e dominimit" - përcakton ndryshimin midis objekteve të mostrës si diferenca maksimale ekzistuese midis vlerave të atributeve të tyre, prandaj është e dobishme për rritjen e dallimeve midis objekteve për një atribut.
- "komunikim me rreze të shkurtër" - objekti bashkohet me grupin për të cilin distanca me objektin më të afërt është minimale;
- "komunikim në distancë" - objekti bashkohet me grupin për të cilin distanca deri në objektin më të largët është minimale;
- "Qendra e gravitetit" - objekti bashkohet me grupin për të cilin distanca në qendrën e grupit është minimale;
- Metoda "k-means" - zgjidhen objekte arbitrare, të cilat konsiderohen qendra grupimi, pastaj të gjitha objektet e analizuara renditen në mënyrë sekuenciale dhe bashkohen me grupin më të afërt me ta. Pas bashkimit të një objekti, llogaritet një qendër e re grupimi, e cila llogaritet si vlera mesatare e atributeve të të gjitha objekteve të përfshira në grup. Procedura përsëritet për sa kohë që qendrat e grupimit ndryshojnë.
- qendrat e grupimeve, të cilat janë një grup vlerash mesatare të kolonave hyrëse në çdo grup;
- një tabelë e distancave ndërgrupore (distancat ndërmjet qendrave të grupimeve), të cilat përcaktojnë shkallën e ndryshimit midis tyre;
- vlerat e kolonave të parashikimit për çdo grup;
- vlerësimi i faktorëve dhe një pemë e kushteve që përcaktuan shpërndarjen e objekteve në grupe.
Kërkoni për shoqata
Kjo metodë është krijuar për të identifikuar kombinime të qëndrueshme të elementeve në ngjarje ose objekte të caktuara. Rezultatet e analizës janë paraqitur në formën e grupeve të elementeve shoqëruese. Këtu, përveç kombinimeve të identifikuara të qëndrueshme të elementeve, jepen analiza të detajuara mbi elementët shoqërues (Fig. 4).Oriz. 4. Paraqitja e rezultateve të analizës me metodën e “kërkimit të asociacioneve” në formën e grupeve të elementeve të lidhur. Metoda u zhvillua fillimisht për të gjetur kombinime tipike të artikujve në blerje, kjo është arsyeja pse ndonjëherë quhet edhe analiza e shportës së blerjeve. Në këtë skenar, elementët shoqërues janë zakonisht grupe produktesh ose produkte individuale. Dhe objekti i grupimit që kombinon elementet e mostrave mund të jetë çdo objekt i sistemit të informacionit që identifikon transaksionin: për shembull, një urdhër blerësi, një akt për ofrimin e shërbimeve ose një faturë në para. Informacioni rreth modeleve në preferencat e produktit të klientit rrit efikasitetin e menaxhimit të marrëdhënieve me klientët (përsa i përket fushatave reklamuese dhe promovimeve të marketingut), çmimeve (formimi i ofertave komplekse dhe sistemeve të zbritjeve), menaxhimit të inventarit dhe tregtimit (shpërndarja e mallrave në zonat e shitjes). Një shembull tjetër i përdorimit të kësaj metode është përcaktimi i kombinimeve të preferuara të klientëve të kanaleve të reklamimit për të shmangur dyfishimin kur drejtohen fushata reklamuese të synuara. Kjo ju lejon të ulni ndjeshëm kostot e ngjarjeve të tilla. Algoritmi i kërkimit të shoqatës i zbatuar në platformë ka mjete mjaft fleksibël për të kontrolluar përshtatshmërinë e analizave ose modeleve të parashikimit. Parametri "Përqindja minimale e rasteve" përcakton "pragun e nxitjes" të algoritmit për një kombinim të veçantë elementësh në një ngjarje ose objekt, gjë që ju lejon të shpërfillni lidhjet e dobëta të zakonshme. Parametri "Besueshmëria minimale" përcakton stabilitetin e kërkuar të shoqatave të kërkuara, dhe parametri "Rëndësia minimale" ju lejon të identifikoni ato me përparësi më të lartë. Parametri "Rules cutoff type" lehtëson shumë perceptimin e rezultateve të analizës dhe parashikimit, të cilat mund të marrin vlerat "Cut off redundant" dhe "Cut off ato që mbulohen nga rregulla të tjera". Për interpretimin praktik të rezultateve të marra duke përdorur këtë algoritëm, është jashtëzakonisht e rëndësishme që grupi fillestar i elementeve të lidhura të ndahet në grupe që janë vërtet homogjene nga pikëpamja e analizës që po kryhet.
Pema e vendimit
Si rezultat i aplikimit të kësaj metode në të dhënat burimore, krijohet një strukturë hierarkike (si pema) e rregullave të formës "nëse... atëherë..." dhe algoritmi i analizës siguron identifikimin e kushteve më domethënëse. dhe kalimet ndërmjet tyre në çdo fazë. Ky algoritëm përdoret më gjerësisht në identifikimin e marrëdhënieve shkak-pasojë në të dhëna dhe përshkrimin e modeleve të sjelljes. Një fushë tipike e aplikimit të pemëve të vendimit është vlerësimi i rreziqeve të ndryshme, për shembull, mbyllja e një porosie nga një klient ose transferimi i tij te një konkurrent, dorëzimi i parakohshëm i mallrave nga një furnizues ose pagesa e vonuar e një kredie tregtare ( Fig. 5). Faktorët tipikë hyrës të modelit janë shuma dhe përbërja e porosisë, bilanci aktual i shlyerjeve të ndërsjella, kufiri i kredisë, përqindja e parapagimit, kushtet e dorëzimit dhe parametra të tjerë që karakterizojnë objektin e parashikimit. Vlerësimi adekuat i rrezikut siguron marrjen e vendimeve të informuara për të optimizuar raportin kthim/risk të aktiviteteve të një kompanie dhe është gjithashtu i dobishëm për rritjen e realizmit të buxheteve të ndryshme.Oriz. 5. Përdorimi i metodës së "pemës së vendimeve" lejon, bazuar në faktorët hyrës të modelit (a), të merret një vlerësim i rreziqeve të marrjes së vendimeve të caktuara të menaxhimit (b). Një shembull që ilustron aftësinë e algoritmit për të identifikuar marrëdhëniet shkak-pasojë është detyra e optimizimit të punës së departamentit të shitjeve. Për ta zgjidhur atë, ne do të zgjedhim një tregues të efektivitetit të menaxherëve të shitjeve, për shembull, përfitimin specifik për klient, si një vlerë të parashikuar, dhe si faktorë - një grup të dhënash që potencialisht ndikojnë në rezultatin. Algoritmi do të përcaktojë faktorët që kanë ndikimin më të madh në rezultat, si dhe kombinimet tipike të kushteve që çojnë në një rezultat të caktuar. Për më tepër, nënsistemi "Analiza e të Dhënave" do t'ju lejojë të vlerësoni (parashikoni) vlerat e pritshme të treguesit të synuar bazuar në të dhënat aktuale, si dhe të bëni një parashikim "po sikur ..." duke ndryshuar treguesit e dhënë në futja e modelit. Rezultatet e analizës dhe parashikimit duke përdorur pemët e vendimeve mund të zvogëlojnë ndjeshëm ndikimin e pasigurisë së mjedisit të biznesit në gjendjen e kompanisë, si dhe të zgjidhin një gamë të gjerë problemesh që lidhen me identifikimin e shkakut dhe pasojave komplekse dhe jo të dukshme. marrëdhëniet. Algoritmi i Pemës së Vendimit formon një hierarki shkak-pasojë të kushteve që çojnë në vendime të caktuara. Si rezultat i aplikimit të kësaj metode në kampionin e trajnimit, krijohet një strukturë hierarkike (si pema) e rregullave të ndarjes të tipit "nëse... atëherë...". Algoritmi i analizës (stërvitja e modelit) zbret në një proces përsëritës të identifikimit të kushteve dhe tranzicioneve më domethënëse midis tyre. Kushtet mund të jenë të natyrës sasiore dhe cilësore dhe të formojnë "degët" e kësaj peme abstrakte. "Gjethja" e saj formohet nga vlerat e atributit të parashikuar (vendimi), i cili, ashtu si kushtet e tranzicionit, lejojnë interpretimin cilësor dhe sasior. Kombinimi i këtyre kushteve të imponuara mbi faktorët dhe struktura e kalimeve ndërmjet tyre në zgjidhjen përfundimtare formojnë modelin e parashikimit. Ky algoritëm është bërë më i përhapur në vlerësimin e rezultateve të zinxhirëve të ndryshëm të ngjarjeve dhe identifikimin e marrëdhënieve shkak-pasojë në mostra. Rëndësia dhe besueshmëria e modelit të këtij algoritmi kontrollohet duke përdorur parametrat "Lloji i thjeshtimit", "Thellësia maksimale e pemës" dhe "Numri minimal i elementeve në një nyje". Rezultatet e analizës së mostrës duke përdorur algoritmin "Pema e Vendimit" janë:
- vlerësimi i faktorëve, i cili është një listë e faktorëve që ndikuan në vendim, të renditur në rend zbritës të rëndësisë (“citimet” në nyjet e pemëve);
- krahasimi i vendimeve (vlerat e kolonës së parashikimit) dhe kushtet që i përcaktuan ato, me fjalë të tjera, pema "Efekt-Shkak";
- Pema "shkak-pasojë", e cila është një grup kalimesh midis kushteve që përcakton një vendim të caktuar (në thelb, një paraqitje vizuale e modelit të parashikimit).
| Zgjidhje të përbashkëta "1C" Përveç funksioneve të zbatuara drejtpërdrejt në kuadrin e platformës 1C: Enterprise 8.0, arsenali i mjeteve të analitikës së biznesit 1C plotësohet me zgjidhje të specializuara të krijuara, ndër të tjera, në kuadër të projektit 1C-Joint (http:// zgjidhje v8.1c.ru/) - me pjesëmarrjen e partnerëve të kompanisë dhe zhvilluesve të pavarur (shih "Zgjidhjet e përbashkëta të 1C dhe partnerëve të saj", "BYTE / Rusi" Nr. 9 "2005). Këtu vërejmë dy produkte që lidhen me përdorimi i metodave inteligjente të analizës - Ky është "1C: Enterprise 8.0. 1C-VIP Anatech: ABIS. ABC. Kontabiliteti i menaxhimit dhe llogaritja e kostos" (partner zhvilluesi - kompania konsulente "VIP Anatech") dhe "1C-VIP Anatech-VDGB: ABIS. B.S.C. Balanced Scorecard" (partner-zhvillues - kompanitë VIP Anatech dhe VDGB). |
Skenarët tipikë të biznesit për përdorimin e metodave IAD
Dokumentacioni PAD ka një seksion kushtuar shembujve tipikë të përdorimit të minierave të të dhënave në lidhje me konfigurimin "1C: Trade Management 8.0". Këtu paraqesim disa skenarë të tillë biznesi.Menaxhim i mardhënieve me konsumatorë
Skenari "Planifikimi i një fushate reklamuese" Planifikimi i fushatës së ardhshme reklamuese konsiderohet nga pikëpamja e optimizimit të shpërndarjes së buxhetit të alokuar nëpër kanalet e reklamimit, bazuar në treguesit rajonalë, produktit, klientit dhe të tjerë të segmentit të synuar, si dhe në efektivitetin e kanaleve të reklamimit në seksionet e specifikuara në një periudhë të mëparshme të planifikuar. Algoritmi- "Analiza e grupimeve". Atributet e parashikimit- pjesa e përgjigjeve në kanalin e reklamave të segmenteve homogjene me kusht të identifikuar nga algoritmi. Kolonat e llogaritura- pjesa e kanaleve të reklamimit në buxhetin e fushatës reklamuese, duke marrë parasysh pjesën e mundshme të përgjigjeve dhe efektivitetit (për sa i përket të ardhurave rezultuese) të secilit kanal reklamimi. Shembull i një modeli: Klientët e klasës A të rajonit P, të cilët preferojnë grupin e produkteve P, tërhiqen nga i njëjti kanal reklamimi si klientët e rajonit N, të cilët preferojnë grupin e produkteve Y.Menaxhimi i zinxhirit të furnizimit
Skenari "Optimizimi i përzgjedhjes së furnizuesit sipas grupit të produkteve" Zgjedhja e furnizuesve dominues të linjës së parë për grupet kryesore të produkteve është jashtëzakonisht e rëndësishme për stabilizimin e sistemit logjistik në veçanti dhe të sistemit të përgjithshëm të menaxhimit të zinxhirit të furnizimit në përgjithësi, si dhe për reduktimin e kohëzgjatjes mesatare të zinxhirëve të furnizimit. Nga ana tjetër, integrimi më i afërt me furnizuesit kryesorë zakonisht lejon reduktime të konsiderueshme në koston e mallrave. Në këtë drejtim, është me interes të analizohen kombinimet e qëndrueshme të furnitorëve në grupe të ndryshme produktesh në krahasim me analitikën për furnitorët e lidhur brenda grupeve. Kjo ju lejon të identifikoni "kryqëzimet" e furnitorëve në grupe të ndryshme produktesh dhe të optimizoni marrëdhëniet me ta. Algoritmi- "Kërko për shoqata." Atributet e parashikimit- kombinime të qëndrueshme të furnitorëve. Faktorët Kryesor- grupet e produkteve. Dekodimi- analitika mbi furnitorët (vëllimi i blerjeve, të ardhurat, kushtet e dorëzimit dhe pagesës, koha e përfundimit të porosive - pesimiste, optimiste, mesatare). Shembull i një modeli: një lidhje e qëndrueshme e një furnizuesi të madh dhe të paparashikueshëm A dhe një furnizuesi mesatar të parashikueshëm B në një numër të madh grupesh produktesh. Kur vendosni porosi për grupe produktesh konkurruese, është e mundur të poziciononi një furnizues të mesëm si kryesor, nëse vëllimi i porosisë për një të madh nuk kalon një prag të caktuar (duke dhënë një fitim të konsiderueshëm në shkallë).Menaxhimi i personelit
Skenari: Profilizimi i menaxherëve të shitjeve sipas treguesve kryesorë të performancës Përcaktimi i efektivitetit të menaxherëve (mbajtja, kërkimi i klientit, efikasiteti i komunikimit, mbledhja e të arkëtueshmeve të kushtëzuara dhe të pakushtëzuara, treguesit specifikë të performancës për klient, etj.) është me interes jo vetëm nga pikëpamja e krijimit të një sistemi stimujsh materialë për menaxherët, por edhe nga pikëpamja e parametrave efektivë të standardizimit të veprimtarive të tyre. Algoritmi- "Pemët e vendimit". Atributet e parashikimit- Treguesit kryesorë të performancës së departamentit të shitjeve (numri i klientëve kryesorë, normat e largimit dhe blerjes, të ardhurat e humbura në muaj, të ardhurat e tërhequra në muaj, të ardhurat në muaj për klient, të ardhurat totale nga klientët, etj.). Faktorët Kryesor- numri i klientëve aktivë, të ardhurat, të ardhurat, treguesit specifikë për klient, efikasiteti i komunikimit. Në varësi të atributeve parashikuese, përbërja e faktorëve mund të ndryshojë ndjeshëm. Shembull i një modeli: menaxherët që ofrojnë treguesit më të mirë të mbledhjes së të arkëtueshmeve (raporti i arkëtimeve të DS ndaj të ardhurave) kanë një raport të mbajtjes > 0.8; koeficienti i tërheqjes > 0,25; numri i transaksioneve të hapura njëkohësisht nuk është më shumë se 15, por jo më pak se 10; intensiteti i ngjarjeve në ditë nuk është më shumë se 10, por jo më pak se 3; numri i klientëve aktivë në periudhë është të paktën 50, por jo më shumë se 100.konkluzioni
Biznesi modern është aq i shumëanshëm sa faktorët që mund të ndikojnë në një vendim të caktuar mund të numërohen në dhjetëra. Konkurrenca po rritet dita ditës, ciklet e jetës së produktit po shkurtohen dhe preferencat e klientëve po ndryshojnë gjithnjë e më shpejt. Për të zhvilluar një biznes, është e nevojshme t'i përgjigjemi në mënyrë sa më dinamike mjedisit të biznesit që ndryshon me shpejtësi, duke marrë parasysh modelet delikate dhe ndonjëherë të pakapshme të zhvillimeve. Cilat grupe klientësh do t'i përgjigjen promovimit dhe cilat do t'u shkojnë në mënyrë të pakthyeshme konkurrentëve? A duhet të hap një linjë të re biznesi apo të ndaloj tani për tani? A do të vonojë blerësi në pagesë apo furnizuesi me vonesë në dërgesë? Cilat janë mundësitë për rritje dhe ku janë kërcënimet e mundshme? Mijëra menaxherë i bëjnë vetes dhe kolegëve të tyre këto pyetje çdo ditë. Nënsistemi i analizës së të dhënave i implementuar në platformën 1C:Enterprise 8.0 është krijuar për të ndihmuar përdoruesit e sistemit të informacionit të korporatës të gjejnë shpejt përgjigje për pyetjet jo të parëndësishme, duke siguruar transformimin e automatizuar të të dhënave të grumbulluara në sistemin e informacionit në modele të dobishme dhe të mirëinterpretuara.Raportimi ekonomik dhe analitik në "1C: Enterprise 8.0"Platforma 1C:Enterprise 8.0 përfshin një sërë mekanizmash për gjenerimin e raportimit ekonomik dhe analitik që ju lejojnë të gjeneroni dokumente interaktive (dhe jo vetëm forma të shtypura) brenda kornizës së zgjidhjeve të caktuara të aplikimit. Kështu, përdoruesi mund të punojë me raportet në të njëjtën mënyrë si me çdo formë ekrani, duke përfshirë ndryshimin e parametrave të raportit, rindërtimin e tij, përdorimin e "dekodimit" (marrja e raporteve shtesë bazuar në elemente individuale të një raporti të krijuar tashmë), etj. ka disa mjete softuerike universale që ju lejojnë të gjeneroni çdo raport arbitrar, në varësi të detyrave. Kjo mund të bëhet edhe nga vetë përdoruesit (me përvojë të mjaftueshme) të cilët e njohin mirë strukturën e zgjidhjes së aplikacionit që përdoret. Më poshtë do të shikojmë shkurtimisht mjetet kryesore të raportimit në 1C: Enterprise 8.0. Kërkesat- kjo është një nga mënyrat për të hyrë në të dhënat në "1C: Enterprise 8.0", me ndihmën e së cilës informacioni merret nga baza e të dhënave sipas kushteve të caktuara, zakonisht në kombinim me përpunimin më të thjeshtë të të dhënave të marra: grup, renditje, llogarit. Ndryshimi i të dhënave duke përdorur pyetje është i pamundur, pasi ato fillimisht ishin krijuar për të marrë shpejt informacion nga sasi të mëdha informacioni. Baza e të dhënave zbatohet si një grup tabelash të ndërlidhura që mund të aksesohen individualisht ose disa tabela së bashku. Për të zbatuar algoritmet e tij, zhvilluesi mund të përdorë një gjuhë pyetjesh të bazuar në SQL dhe që përmban shumë shtesa që pasqyrojnë specifikat e problemeve financiare dhe ekonomike dhe zvogëlojnë përpjekjet e shpenzuara për krijimin e zgjidhjeve të aplikacionit. Platforma përfshin një projektues pyetjesh që ju lejon të kompozoni tekstin e saktë të pyetjes duke përdorur vetëm mjete vizuale (Fig. 6).Oriz. 6. Ndërtuesi i pyetjeve (a) i lejon zhvilluesit të kompozojë tekstin e pyetjes (b) ekskluzivisht me mjete vizuale. dokumenti i tabelësështë një mekanizëm i fuqishëm për vizualizimin dhe redaktimin e informacionit, duke përfshirë përdorimin e leximit dinamik të informacionit nga një bazë të dhënash. Një dokument spreadsheet mund të përdoret më vete ose të jetë pjesë e ndonjë prej formularëve të përdorur në zgjidhjen e aplikacionit. Në thelb, ai i ngjan një spreadsheet (përbëhet nga rreshta dhe kolona në të cilat ruhen të dhënat), por aftësitë e tij janë shumë më të gjera. Ai mbështet operacionet e grupimit, deshifrimit dhe shënimit. Ju mund të përdorni lloje të ndryshme të modeleve të raporteve në dokumentin tuaj, duke përfshirë grafikët grafikë. Një dokument tabelor mund të përmbajë tabela kryesore, të cilat vetë shërbejnë si një mjet efektiv për paraqitjen programatike dhe ndërvepruese të të dhënave shumëdimensionale. Konstruktori i formës së daljes ndihmon zhvilluesin të krijojë raporte dhe të paraqesë të dhënat e raportit në një formë të përshtatshme tabelare ose grafike. Ai përfshin të gjitha tiparet e projektuesit të pyetjeve, si dhe krijimin dhe personalizimin e formularit. Ndërtuesi i raporteveështë një objekt i gjuhës së integruar që ofron mundësinë për të krijuar në mënyrë dinamike një raport si në mënyrë programore ashtu edhe në mënyrë interaktive (Fig. 7). Funksionimi i tij bazohet në një kërkesë, me anë të së cilës përdoruesit i jepet mundësia të konfigurojë në mënyrë interaktive të gjithë parametrat kryesorë që gjenden në tekstin e kërkesës. Rezultatet e këtij pyetësori nxirren në një dokument spreadsheet, i cili gjithashtu mund të përdorë informacion nga burime arbitrare të të dhënave. Zhvilluesi, duke përdorur komandat e ndërtuesit të raporteve, mund të ndryshojë parametrat e disponueshëm të përdoruesit për konfigurim. |
Po ngarkohet...
