Reporty a analýzy

Právě se ocitáme v období, které otestuje připravenost podniků učinit zodpovědná a strategická rozhodnuti. Doba nás stále více tlačí do situací, ve kterých se musíme rychle a správně rozhodnout. Na těchto rozhodnutích závisí často i budoucí vývoj celé organizace. Proto je potřeba, aby měla kompetentní osoba po ruce spolehlivé a klíčové informace, na základě kterých se bude moci zodpovědně rozhodnout, jakým směrem se vydat. K tomuto kroku lze využít reporty. Jedná se o nástroj, který je schopen z velkého množství dat vybrat ta podstatná a přehlednou a jasnou formou je předat oprávněné osobě tak, aby nebyl zahrnut nepodstatnými detailními analýzami, ale pouze těmi údaji, které jsou pro něj užitečné.

Mezi hlavní funkce patří:

• Nové způsoby zobrazení dat.
• Řešení potřeb v oblasti generování sestav se známými nástroji.
• Rychlejší vytváření sestav díky intuitivním rozhraním a široké škále formátů.
• Jednodušší sdílení a spolupráce.
• Lepší využití hodnoty stávajících nástrojů a dovedností.

Data mining

Po roce 2000 se začal rozvíjet trh s data miningem, neboli dolování dat. Manažeři různých podniků slýchají o data miningu z mnoha zdrojů, často však tyto informace budí dojem, že jde o něco záhadného, nebo o technologii, která ještě není zkrocena.

Co je to data mining?

Data mining není žádná aplikace nebo nástroj. Definic můžeme najít více, ale většinou se shodují v tom, že jde o „netriviální proces zjišťování platných, neznámých (skrytých), potenciálně užitečných a snadno pochopitelných závislostí v datech“. Ve většině případů ve velkém objemu dat. Metody data miningu jsou založeny na statistice, nových poznatcích z umělé inteligence či strojového učení. Jedná se o metody netriviální, které však mají společné to, že se snaží zjištěné výsledky prezentovat formou co možná nejpřístupnější koncovému uživateli. Jedná se například o shluky dat s podobnými charakteristikami, rozhodovací stromy nebo o jednoduchá pravidla.

Co data mining umí a k čemu se dá použít?

Různé metody data miningu mají společný cíl. Najít nějaké závislosti nebo vzory v datech. Tyto závislosti se pak typicky používají pro predikci, kdy předpokládáme, že pokud se data v minulosti chovala podle nějakého vzoru, budou se podle tohoto vzoru chovat i nadále. Předpovídat lze jak spojité hodnoty (např.: cena akcií), tak hodnoty diskrétní. Typickým příkladem je rozhodování banky, zda přidělit či nepřidělit úvěr na základě dat o novém žadateli (věk, příjem, …).

Data mining se používá často ve spojení s CRM. Cenná data o uživatelích lze vhodným způsobem analyzovat a například:

• Klasifikací zákazníků lze vytipovat zákazníky, kteří zareagují na konkrétní kampaň, a poslat např. katalog pouze jim, a tím snížit náklady na kampaň.
• Shlukovou analýzou zjistit skupiny zákazníků, kteří jsou vysoce ziskoví, a zaměřit se na získání zákazníků s podobným profilem.

Dalším typickým příkladem použití data miningu je analýza nákupního košíku, ať již v retailu, nebo v nějakém e-shopu, kdy na základě zjištění, že „70% uživatelů, kteří si koupili pivo, si koupilo i tyčinky,“ lze optimalizovat rozložení zboží v regálech či nabízet odpovídající zboží na webu.