業務人員都能用,這些功能降低了資料探勘使用門檻

思邁特Smartbi發表於2022-01-18

提起資料探勘的應用,大家一般會想起預測分析。例如,預測明年公司的業績將會是多少?哪些客戶可能流失?而實際上,資料探勘除了預測未來,還可以幫助企業進行聚類分析、推薦、異常監測、相關性分析等等,還能廣泛應用於企業運營、生產控制、城市規劃、市場分析等各個領域。

業務人員都能用,這些功能降低了資料探勘使用門檻

大家都知道資料探勘牛逼,但是真正能把資料探勘技術用起來的卻並不多,究其原因,主要是覺得資料探勘太難了!不僅需要使用者具備一定的專業知識,還需要花費大量的精力進行演算法選擇、資料訓練。所以,資料探勘的門檻很高,非專業高階人士不可用。

業務人員都能用,這些功能降低了資料探勘使用門檻

那對於想用資料探勘功能的普通使用者來說,他們該怎麼實現資料更深層的價值挖掘呢?下面,小麥給大家介紹Smartbi 產品資料探勘的一些功能,這些功能非常簡單便捷,就算是業務人員都可以使用:

一、 豐富的挖掘元件,拖拽即可使用

封裝意味著遮蔽了底層技術的複雜性,留給使用者的是可見的成品。Smartbi 產品封裝 20+ 資料預處理方法、 10+ 特徵工程方法、 50+ 資料探勘演算法,含統計分析、文字分析、分類、迴歸、聚類、關聯演算法等,用於對資料進行統計、處理、分析、預測和分類。

業務人員都能用,這些功能降低了資料探勘使用門檻

這些元件通過簡單的拖拽即可應用:

  業務人員都能用,這些功能降低了資料探勘使用門檻  

二、 自助機器學習,快速建立實驗

建立實驗時,雖然通過拖拽即可進行元件的組合和流程的建立,但有的使用者可能還是會覺得複雜,那我們就把組合和流程再次封裝,實現嚮導化,進一步降低使用者的使用門檻

我們支援使用自助機器學習功能快速建立資料探勘實驗,你只需要根據頁面嚮導提示,配置資料來源、演算法、特徵三個步驟的設定項,即可快速自動生成實驗,即使沒有太多專業知識,也能使用機器學習。

業務人員都能用,這些功能降低了資料探勘使用門檻

三、 模型自學習,實現模型自動訓練

有娃的都知道,若是家裡的娃娃可以自主學習,那老母親真是太幸福了。而對於模型來講,能夠自學習,也是代表著模型能夠自動通過訓練提高準確性。

已經發布的模型隨著時間推移,準確性可能會逐步降低。這時若通過補充新的資料,重新進行訓練,則有可能提高模型的準確性。模型自學習則是將這個步驟自動化,並能自動將符合一定要求的模型釋出或者部署到生產中,它能解決模型長期得不到更新而導致準確性降低的問題,並極大地減輕運維人員的工作量。

  業務人員都能用,這些功能降低了資料探勘使用門檻

四、 已訓練模型,可直接進行應用

類似於模板的複用,我們已儲存的訓練模型無需再次訓練,可直接利用特徵進行分類和迴歸預測,使用起來也更加簡單方便

如下圖示例,我們可以將已經訓練好的垃圾簡訊模型,直接拖拽進來對“垃圾簡訊識別”的資料進行預測,檢視其是否為垃圾簡訊。

  業務人員都能用,這些功能降低了資料探勘使用門檻

五、 模型對比功能,一鍵生成報告

使用者建立好模型後,需要進行對比,判斷哪個模型的演算法準確性更高。產品支援模型對比功能,通過視覺化選擇需要對比評估的演算法模型,能把分散的結果統一彙總,一鍵生成對比報告,便於業務人員檢視儲存。

業務人員都能用,這些功能降低了資料探勘使用門檻

六、 內建豐富案例,可供學習使用

產品還內建豐富的案例,包括銀行零售客戶流失預測、波士頓房價預測、城市功能區識別、動物種類分類、二手車交易價格預測、購物籃分析等等,開啟即可參考應用。

比如購物籃分析,使用FP-Growth 關聯規則演算法實現,可以發現超市不同商品之間的關聯關係,並根據商品之間的關聯規則制定銷售策略。

業務人員都能用,這些功能降低了資料探勘使用門檻





來自 “ ITPUB部落格 ” ,連結:http://blog.itpub.net/69965912/viewspace-2852809/,如需轉載,請註明出處,否則將追究法律責任。

相關文章