|
KXEN Robust Regression (K2R)
KXEN Smart Segmenter (K2S)
KXEN Time Series (KTS)
KXEN Association Rules (KAR)
KXEN Text Coder (KTC)
KXEN Event Log (KEL)
KXEN Sequence Coder (KSC)
KXEN Social Network (KSN)
KXEN Analytical Data Management (ADM)
KXEN Model Export (KMX)
KXEN Advanced Access (KAA)
KXEN Reporting
Módulo para la creación de modelos de regresión
Es una solución universal de clasificación, regresión y conocimiento de la importancia de las variables. Posibilita la predicción de comportamientos (variables objetivo nominales) o cantidades (variables objetivo contínuas).
A diferencia de lo que es habitual con las herramientas analíticas de primera generación, K2R maneja con facilidad un número muy alto de variables de entrada (por encima de las 10.000) de forma automática. K2R proporciona indicadores y gráficos que permiten evaluar fácilmente la calidad y robustez de los modelos entrenados. K2R muestra gráficamente la importancia relativa de cada variable para explicar cada pregunta de negocio. Al mismo tiempo es un claro indicador de qué variables no aportan información al modelo o están correlacionadas con otras.
Beneficios: El valor que un proyecto de minería de datos aporta al negocio se ve incrementado tanto por la posibilidad de entrenar un mayor número de modelos como por la de crearlo con rapidez. La posibilidad de entrenar más modelos permite evaluar un mayor número de escenarios a un nivel de granularidad mayor. Por ejemplo, si una campaña de marketing directo puede beneficiarse de la posibilidad de entrenar diferentes modelos separados por región, por segmento de clientes, por canal, por producto, por mes, etc, la capacidad de automatización que aporta K2R permite el entrenamiento y la ejecución de todos estos modelos con los mismos, e incluso menos, recursos de los necesarios para la ejecución de uno solo de estos modelos con las herramientas analíticas tradicionales.
Módulo para la creación de Modelos de segmentación
Es la solución específica para la creación de modelos de clustering o segmentación. Se encarga de descubrir agrupaciones naturales o comportamientos comunes en un conjunto de individuos y proporciona la descripción correspondiente de cada uno de los segmentos hallados.
K2S se ha diseñado y optimizado para mostrar segmentos relacionados con una determinada pregunta de negocio (segmentación semi-supervisada o dirigida). Como el resto de técnicas de modelización de KXEN, K2S garantiza que cada modelo es fiable en base a sencillos indicadores de calidad y robustez. Los segmentos encontrados se muestran tanto mediante su representación gráfica como por su definición numérica. Mediante el uso de una rutina específica de posproceso, corta y fácilmente inteligible, pueden generarse reglas para describir claramente cada segmento, incluso si se utilizaron miles de variables de entrada.
Beneficios: Los modelos de segmentación proporcionan un alto valor añadido en el análisis del Ciclo de Vida del Cliente. Permiten conseguir grandes mejoras en los programas de adquisición, retención y venta cruzada. En este ámbito, el empleo de K2S facilita el entendimiento de nuestros clientes ayudándonos a descubrir grupos de alto, medio y bajo valor en su ciclo de vida. Puede ayudarnos a encontrar grupos separados de clientes de alto valor que, desde una perspectiva de marketing, deberían ser tratados de forma distinta. Adicionalmente, los nuevos segmentos encontrados pueden ser estudiados, haciendo uso del K2R, combinando los modelos de regresión con los de clasificación, para incrementar el conocimiento de nuestros clientes.
Módulo para la creación de Modelos de series temporales
Es una solución de predicción. Predice patrones y tendencias significativos de datos en el tiempo mediante el uso de datos ordenados cronológicamente para anticipar la ocurrencia de determinados sucesos en un futuro próximo.
KTS identifica la tendencia, la periodicidad y la estacionalidad en una señal para proporcionar predicciones ajustadas y fiables. Por medio de un proceso automatizado de tres pasos, KTS separa la señal de la tendencia, la estacionalidad, la periodicidad y otras fluctuaciones previsibles. En una segunda fase entrena el modelo que describe los datos del pasado, y, por último, predice los valores futuros para un rango de horas o fechas. En cada etapa del proceso, KTS es capaz de tomar en consideración otras señales para mejorar los resultados. La herramienta crea automáticamente cientos, e incluso miles, de variables adicionales para llegar a conseguir un modelo de predicción de calidad sin necesidad de una gran cantidad de preparación manual de datos.
Beneficios: Al igual que el K2R, la automatización del KTS incrementa el valor que el proyecto de minería de datos aporta al negocio, dado que permite analizar un gran número de modelos. De esta forma pueden contrastarse rápidamente distintos niveles de granularidad en la predicción para elegir con un mayor grado de probabilidades de acierto aquél que presenta una mayor exactitud. Así, si el objetivo es predecir volúmenes de ventas mensuales, pueden entrenarse con rapidez modelos diarios, semanales o mensuales por región, tienda, producto o categoría, para determinar la mejor aproximación.
Módulo para la creación de Modelos de reglas de asociación
Es una solución de basket analysis. Permite crear reglas que identifican patrones en datos transaccionales y describen qué eventos es más probable que se den juntos.
KAR asocia un evento concreto, como la compra de un determinado producto, con un conjunto de condiciones, como puede ser la compra de otros productos. Permite tanto el descubrimiento de reglas de asociación “clásicas”, en las que los eventos pueden suceder en cualquier orden, como siguiendo patrones de secuencias, en cuyo caso el orden en el que se dan estas sucesiones de eventos es tenido en cuenta. KAR está diseñado para usarlo en situaciones en las que es necesario hacer recomendaciones de producto, y da la posibilidad de desplegar un conjunto de reglas de recomendación en un entorno de scoring, en producción.
Beneficios: KAR es de gran ayuda de cara a la recomendación de productos en situaciones en las que hay miles de referencias y hay poco conocimiento de los potenciales clients. Por ejemplo, analizando el comportamiento de compra de sus clientes un distribuidor puede encontrarse con que la compra de una cámara digital generalmente suele llevar a la compra de una batería adicional en el plazo de un mes, y comenzar a recomendarla en el momento de la compra inicial, con objeto de incrementar sus ratios de venta cruzada. Además de para la recomendación de productos, el KAR ayuda a incrementar el conocimiento sobre cómo se venden juntos ciertos productos en nuevos mercados, así como sobre los cambios en el tiempo de la cesta de la compra.
Módulo para el Análisis de texto
Es una solución para el análisis de textos. Prepara y transforma automáticamente variables de texto desestructurado en una representación estructurada del texto original para su análisis por otros módulos del KAF.
KTC maneja automáticamente la transformación de datos desestructurados a estructurados mediante un proceso que incluye eliminación de stop-words, mezcla de secuencias de palabras declaradas como “conceptos”, traducción de cada palabra a su raíz mediante reglas de stemming y mezcla de sinónimos. KTC permite utilizar los campos de texto tal cual aparecen en modelos de clasificación, regresión y segmentación. Incorpora reglas específicas para diferentes idiomas como el Inglés, el Francés, el Alemán o el Español.
Beneficios: KTC incrementa la Calidad de los modelos predictivos gracias al empleo de atributos de enteriormente no utilizados. Por ejemplo, mensajes o correos electrónicos enviados a un centro de soporte o contacto pueden ser usados para mejorar los resultados de los modelos de venta cruzada o captación.
Módulo para la Creación automática de agregaciones de variables contínuas
Es una solución para la agregación de variables continuas. Permite la creación automática de agregaciones de eventos para múltiples categorías y periodos de tiempo.
KEL aporta un método rápido y sencillo de creación de una garan variedad de agregaciones de variables contínuas.Pueden definirse múltiples periodos de tiempo (semanales, mensuales, trimestrales, anuales, …). Capacidades dinámicas y de filtros permiten la creación de agregados por categorías de eventos. En cada categoría y periodo definidos, KEL puede realizar conteos, sumas, máximos, mínimos, medias o diferencias entre periodos según se necesite. Adicionalmente, permite especificar una fecha relativa como punto de inicio para agregaciones, teniendo en cuenta que tales fechas pueden ser las de “día de la primera compra”, o “de cancelación”, lo que permite crear agregados significativos para nuestro análisis. KEL puede emplearse con cualquiera de las fuentes de datos válidos para KAF, y no está restringido exclusivamente a bases de datos relacionales. Las agregaciones se crean “al vuelo” sin hacer ningún cambio en las tablas o ficheros de origen.
Beneficios: KEL mejora la calidad de los modelos predictivos gracias a la información que aporta con los valores obtenidos de las distintas agregaciones posibles para variables continuas. Por ejemplo, un modelo de venta cruzada puede enriquecerse mediante la creación de conteos, sumas y medias de compra mensuales de un determinado producto a lo largo de 24 meses u 8 trimestres (lo que supondría contar con 1920 nuevos atributos con 20 categorías). Un modelo de abandono en telefonía móvil puede enriquecerse con el conteo de llamadas realizadas y suma de minutos de duración de éstas en hora punta, en horario de tarde y en fin de semana a lo largo de 12 meses de contratos que han acabado cancelándose (144 atributos nuevos). Atributos como éstos, que aportan un valor adicional significativo, pueden, de esta forma, incorporarse en la definición del registro analítico por medio del interface de manipulación de datos de KXEN.
Módulo para la Agregación de variables nominales
Es una solución para la agregación de variables nominales (categóricas). Permite la creación de agregados de eventos por categorías, así como transiciones entre éstas.
KSC proporciona un método rápido y fácil de creación de agregaciones, a partir de variables nominales, mediante trasposiciones. KSC analiza una columna de valores nominales para encontrar automáticamente todas las categorías existentes y crea un conjunto separado de variables para agregar cada categoría. Además del conteo de categorías KSC puede contar también “transiciones”, que representan una secuencia ordenada en el tiempo de dos categorías. Las categorías poco frecuentes se agrupan en la categoría “otras” para evitar que un número excesivamente grande de categorías penalice el análisis. KSC trabaja con todas las fuentes de datos aceptadas por el KAF, no solo con bases de datos relacionales. Los agregados se crean al vuelo, sin modificar las bases de datos o ficheros de origen de los datos.
Beneficios: KSC ayuda a mejorar la calidad de los modelos predictivos al permitir investigar rápidamente los valores resultado de la agregación de eventos para variables nominales. Así, una secuencia de clicks en un sitio web puede transformarse en una serie de variables en los que las columnas representan o el conteo de impactos en una página determinada o las transiciones de una página a otra. Una vez localizadas variables que se estima aportan valor al modelo pueden ser incorporadas en la definición del modelo analítico en producción mediante el interface de manipulación de datos de KXEN.
Módulo para el Análisis de redes sociales
Permite alcanzar un mayor entendimiento de las interacciones entre clientes y permite optimizar los procesos analíticos gracias a la explotación de esas interacciones entre clientes.
KSN permite la creación automática de redes a partir de datos tales como enlaces, contactos, distancias e, incluso, transacciones, así como, también, la constitución de redes por rangos de tiempo, por ejemplo, y, así, abrir la puerta de la evolución en el tiempo de vecindarios (grupos de usuarios) específicos. KSN permite la identificación de “pares”, es decir, es capaz de localizar perfiles de usuarios semejantes a través de sus conexiones, de su red de contactos. KSN calcula variables derivadas del análisis del círculo de contactos, tales como el número de integrantes de una red, o el número de vecinos on u off-line, en un determinado momento, y del análisis de las conexiones, tales como la media y la desviación estándar de la edad en el primer círculo de la red de un determinado cliente, o el perfil de variables discretas de algunos de ellos como su estado civil o propensión a abandonar el servicio contratado. KSN puede calcular métricas de centralidad para detectar influenciadores y comunidades de segundo orden en una determinada red. KSN ha sido dimensionado para trabajar con grandes estructuras de red con decenas de millones de clientes y cientos de millones de vínculos entre ellos.
Beneficios: KSN ha sido diseñado para ayudar a la empresa a caracterizar de la mejor forma las conexiones y comunidades de sus clientes, conocerlos mejor y así anticipar su comportamiento. KSN ayuda a profundizar en el conocimiento del cliente y detector patrones. KSN construye redes que ayudan a conectar clientes con patrones comunes de consumo o, a la inversa, para conectar productos consumidos por clientes con un comportamiento semejante. Con KSN es posible explorar tantos grafos como se necesite. KSN ayuda a mejorar los procesos analíticos integrando nuevas fuentes de conocimiento desde muy diferentes perspectivas.
Módulo para la creación de Analytical Data Sets (ADS)
Es la solución de nueva generación para la creación de Analytical Data Sets (ADS) y gestionarlos en el tiempo. KXEN ADM aporta una metodología patentada para la creación de ADS y una tecnología de manipulación de datos sin par a día de hoy. Por otro lado, los objetos del ADS se almacenan como metadatos para facilitar su reutilización.
KXEN ADM cambia las reglas del juego para las empresas que utilizan grandes sistemas analíticos como base de su ventaja competitiva. El aprovechamiento de la tecnología de automatización de los sistemas analíticos que aporta KXEN ADM, permite disponer tanto a los especialistas analíticos como a los usuarios de negocio de las herramientas necesarias para dar respuesta a las preguntas de negocio clave, siempre en un entorno de usuario amigable.
Beneficios:
KXEN ADM incrementa la productividad:
La capacidad de crear variables “en masa” permite crear cientos de variables con unos pocos clics de ratón. KXEN ADM permite sacarle todo el partido a las bases de datos corporativas: la característica de manipulación “in-database” que aporta permite no tener que involucrar al departamento de IT a la hora de asignar capacidad de almacenamiento. Las definiciones del ADS se almacenan como metadatos, incrementando su reusabilidad, fiabilidad y productividad. KXEN ADM se encarga de la gestión de versiones para ayudar a incrementar la productividad, apoyándose en la metodología de creación de ADS, que permite la reutilización de metadatos en diferentes proyectos. Con su módulo de gestión de metadatos KXEN ADM facilita la colaboración entre los analistas y usuarios de negocio, compartiendo la manipulación de los datos y las definiciones de variables con objeto de maximizar la productividad y la consistencia. Es más, sólo se necesita un par de días de formación para dominar KXEN ADM de forma suficiente como para sacar partido a su sobresaliente funcionalidad y conseguir mejorar el tiempo empleado en la obtención de resultados.
KXEN Analytic Data Management aporta una gran facilidad de uso:
KXEN Data Manipulation incluye un nuevo y optimizado Editor de Expresiones. En cualquier momento durante el proceso de manipulación de datos, el usuario puede previsualizar tanto los datos como la información estadística descriptiva asociada, facilitando y acelerando, por lo tanto, el proceso de manipulación. La tecnología de KXEN ADM permite generar SQL estandar, en lugar de código propietario. Las sentencias SQL son automáticamente adaptadas para optimizar el rendimiento en cada gestor de bases de datos soportado. En pocos clics KXEN Metadata Management le ofrece al usuario la capacidad de pasar fácilmente del entorno de prueba al de producción las manipulaciones de datos realizadas. Los KPI definidos por el usuario permiten una mayor visibilidad del rendimiento del modelo, y de su Calidad, para un mejor conocimiento y control de éste desde el lado del proyecto.
Módulo de Exportación
Es el módulo de KXEN diseñado para desplegar los modelos creados en una amplia variedad de entornos operacionales. Exporta el código de scoring de un modelo creado con KAF a SQL, PMML, C, VB, Java, JavaScript, SAS, KXEN, User Defined Function (para Teradata, Oracle, SQL Server, DB2) y otros tipos de formatos de salida.
KMX exporta toda la cadena de proceso de las variables de entrada de un modelo. A diferencia de la mayoría del resto de productos, toda la codificación de variables, manejo de valores “missing”, y otras funciones del KXEN Consistent Coder (K2C), está incluida en el código exportado, junto con el correspondiente a los modelos de clasificación, regresión y segmentación desarrollados, respectivamente, con K2R, K2R, o K2S. Los Modelos pueden integrarse fácilmente en una aplicación que soporte cualquiera de estos tipos de código. KMX independiza el scoring, del sistema de modelización y permite un despliegue en producción muy rápido de los modelos.
Beneficios: los modelos desarrollados con KXEN pueden integrarse muy rápidamente en bases de datos y aplicaciones corporativas sin requerir KXEN Analytic Framework. También permite el despliegue de modelos en plataformas diferentes de aquéllas en las que se generaron. Con KMX el proceso de scoring es fácilmente replicable.
Módulo de Acceso a datos
KAA es una solución para el acceso a datos en una gran variedad de formatos. Permite tanto leer de cómo escribir en ficheros SAS, SPSS, Minitab, Excel entre otros tipos de datos.
Beneficios: Permite integrar con facilidad KXEN Analytic Framework con almacenes de modelos de datos preexistentes creados con otras herramientas de minería de datos, y analíticas en general.
Módulo para la creación de Informes
KXEN Analytic Framework aporta a analistas y equipos analíticos avanzados uno de los conjuntos de herramientas de informes estadísticos más avanzados. Dichos informes muestran todos los datos estadísticos de utilidad sobre el modelo construido y sobre el conjunto de datos de partida.
Es fácil personalizar el contenido que muestra KXEN Reports, tanto en lo que se refiere a gráficos como a la gran variedad de datos de estadística descriptive o métricas de rendimiento. KXEN Reports proporciona al usuario un conjunto de tablas que le permiten conseguir un conocimiento en profundidad del proceso de modelización. Estadística descriptiva, rendimiento de los modelos, supervision de desviaciones y opciones avanzadas para el usuario experto ponen a disposición del usuario toda la estadística sobre sobre variables, categorías y conjuntos de datos, información estadística cruzada de variables objetivo, indicadores de rendimiento de los modelos, contribución y scoring de variables, desviaciones para cada variable y para cada categoría, como codificación de las variables, y ¡mucho más!
En cualquier organización tanto los usuarios de negocio como los tomadores de decisiones suelen echar en falta una perspectiva global de los procesos analíticos. Con la nueva versión de KXEN, KAF v.5.1, es posible obtener informes específicos adaptados a las necesidades del negocio en forma de vista sintética de la analítica subyacente. Con KXEN Reports es posible acceder en un clic a multitud de modelos predefinidos de Clasificación, Regresión y Segmentación tanto Supervisada como No Supervisada. Con esta herramienta es posible monitorizar con rapidez los KPI estratégicos a través de multitud de modelos, simplificando enormemente el proceso para gestionar las iniciativas analíticas en grandes factorías de modelos.
En el caso de trabajar con KXEN Robust Regression (K2R) es posible tener una visualización del modelo y la curva de ganancia asociada, así como el Máximo, un gráfico con la contribución de las variables, estadística cruzada para categorías agrupadas y para el scoring para variables objetivo tanto contínuas como nominales.
Para KXEN Smart Segmenter (K2S) los informes generados contienen una vista y la curva de ganancia del modelo, frecuencias y perfiles de los segmentos (presentados gráficamente con las principales variables en los principales segmentos) y las expresiones SQL que los definen. KXEN Reporting ofrece al usuario una vista de los modelos predictivos y, gracias a su capacidad de exportación a RTF, HTML y PDF, los medios para compartirlos con el resto de usuarios de la empresa.
Conozca la arquitectura de KXEN Analytic Framework
Acceda a más información sobre KXEN en nuestra biblioteca
|
