[ Pobierz całość w formacie PDF ]
.w celu usta-lenia: klientów lojalnych i nielojalnych wobec firmy, nabywców naszych produktów i nabywców produktów konkurentów, intensywnych i sporadycznych u ytkowników produktu.Analiza czynnikowa prowadzi do redukcji zmiennych i stosowana jest w proble-mach dotycz cych: stylu ycia i bada psychograficznych, opracowania profili klientów, wyznaczania kluczowych atrybutów wyznaczaj cych preferencje klienta, wize-runek firmy, grupowania obiektów.54Analiza skupie jest natomiast wykorzystywana do: grupowania (segmentacji) klientów wg ustalonego kryterium, typowania podobnych obszarów, np.miast, grupowania mediów.5.6.Pakiety statystyczne jako narz dzie wspomagaj cewybór metody analitycznejPakiety statystyczne, oprócz podstawowego zadania, jakim niew tpliwie jest wy-konywanie ró norodnych oblicze i analiz na potrzeby prowadzonych analiz, s urównie do wspomagania wyboru odpowiedniej metody analitycznej.Zadanie torealizowane jest wieloma sposobami.Do najwa niejszych nale y zaliczy : lekturza czonych opisów wprowadzaj cych w charakterystyk metodyki, opisy przyk a-dowych bada , zestawy wiczeniowe danych, interaktywn pomoc (ang.helping),zastosowanie metody wyboru z listy proponowanych opcji, sugerowanie strukturyprojektu badawczego.Jako przyk ad rozpatrzmy modu STATISTICA Data Miner.W module tym mo -liwe jest prognozowanie zachowania klientów, okre lanie zapotrzebowania na danyprodukt lub us ug oraz wiele innych opcji.Z praktycznego punktu widzenia narz -dzie eksploracji danych (ang.data mining) powinno umo liwia : wydajny dost p do danych, przygotowanie danych dla potrzeb analiz typu data mining, przeprowadzenie analiz typu data mining (nawet dla ogromnych zbiorów da-nych), wizualizacj i raportowanie wyników analiz.Interfejs Data Miner umo liwia proste i intuicyjne wykonywanie wszystkichanaliz.Przestrze robocza systemu zosta a podzielona na cztery cz ci, z którychka da dotyczy konkretnych zada data mining: dost pu do danych, przekszta caniadanych dla potrzeb analiz, przeprowadzenia samej analizy oraz wizualizacji wyni-ków i raportowania.Procedury analityczne i wizualizacyjne dost pne s w postaciw z ów analitycznych znajduj cych si w przegl darce w z ów.Po wstawieniu ichdo przestrzeni roboczej i po czeniu ze sob otrzymamy kompletny projekt datamining.Dzi ki takiemu trybowi pracy nawet skomplikowan wieloetapow analizmo emy atwo zbudowa i modyfikowa , przeci gaj c obiekty mysz komputero-w.Ponadto atwo jest zorientowa si w strukturze projektu.Pobieranie danychStandardowym j zykiem pobierania danych z bazy danych jest SQL.U ytkowni-cy nieznaj cy tego j zyka mog wykorzysta interakcyjny sposób budowy zapytado bazy danych wraz z atwym dost pem do danych.Na rysunku 5.6 przedstawiono55z lewej strony rodowisko pobierania danych STATISTICA Query, z prawej nato-miast dane przeniesione z tabeli IDP (ang.in-place database processing) oraz oknoopcji umo liwiaj cych wybór zdalnego przetwarzania danych (Mynarski, 2003).Rysunek 5.6.Prezentacja ró nych sposobów dost pu do danych w STATISTICA Data Minerród o: STATISTICA.Przekszta canie danych dla potrzeb analizNarz dzie STATISTICA Data Miner oferuje szeroki wybór algorytmów prze-twarzania, czyszczenia i transformacji danych.Wszystkie te algorytmy czniez szerokim wyborem statystyk i wykresów dost pne s w przegl darce w z ów(patrz rysunek 5.7).Rysunek 5.7.Przyk adowy projekt data mining w rodowisku Data Minerród o: STATISTICA.56Analiza danych, modelowanie, klasyfikacjaSTATISTICA jako pakiet posiada otwart architektur obiektow (bazuj c namodelu COM).Znajduje to odzwierciedlenie w budowanym projekcie data mining,w którym wszelkie operacje na danych obrazowane s przez w z y analiz czy wy-kresów (obiekty).Tworz c modele data mining, przenosimy poszczególne w z yz przegl darki obiektów do przestrzeni roboczej programu.Po po czeniu ich otrzy-mujemy kompletny projekt.Dzi ki otwartej architekturze system mo na bardzoatwo wbudowa w istniej c struktur informatyczn.Kluczowym elementem ka dego projektu data mining jest wybór analiz odpo-wiednich dla typu i tre ci danych oraz celów projektu.U ytkownicy systemu mogskorzysta z kreatora wbudowanego w narz dzie Data Miner, który prowadzi u yt-kownika przez proces okre lania analiz, pocz wszy od zdefiniowania ród a danych,przez wybór zmiennych, przez wybór metod analiz po raporty i wizualizacje zdo-bytych w procesie data mining informacji.Ponadto, w systemie dost pne s gotoweprojekty dla poszczególnych typów zada , do który wystarczy pod czy ród odanych, aby móc z nich skorzysta.Cz sto w poszukiwaniu dobrego modelu oblicze stosujemy wiele ró nych me-tod analitycznych, np.w zagadnieniach klasyfikacyjnych porównujemy dzia aniesieci neuronowych z analiz dyskryminacji, otrzymuj c podobne, ale ró ne wyniki.Mo emy dowiedzie si , który z modeli jest lepszy, korzystaj c z opcji  Obliczaniedobroci dopasowania w module Data Miner.576Skale pomiarowe, kwestionariusz6.1.Skale pomiarowe, skale ocenPrzedmiotem pomiaru s cechy osób, rzeczy, stanów, czy zdarze.Inaczej mó-wi c, przedmiotem pomiaru jest to co my li si o obiekcie pomiaru, odpowiadaj c napytanie, jaki on jest.Pomiar natomiast polega na przyporz dkowaniu okre lonychsymboli cechom mierzonych obiektów.Skale pomiarowe buduje si przyporz dkowuj c symbole mierzonym cechomwg okre lonych zasad.Czynno odwzorowania mierzonej cechy w wybranej skalinazywana jest skalowaniem.W zale no ci od rodzaju symboli (liczby, znaki, na-zwy) i sposobu ich przyporz dkowania mierzonym cechom wyró nia si 4 poziomypomiaru przedstawione w tabeli 6.1 [ Pobierz całość w formacie PDF ]