- •Интеллектуальный анализ данных Лабораторный практикум
- •5.05010101 «Обслуживание программных систем и комплексов»
- •Касилов о.В., Компаниец в.А.
- •Содержание
- •Вступление
- •Лабораторная работа № 1
- •Начало работы с системой Deductor Studio 5 .2
- •Мастер импорта;
- •Сценарии
- •Базовые визуализаторы
- •Построение многомерной диаграммы
- •Работа с визуализатором Таблица
- •Очистка данных
- •Парциальная предобработка
- •Редактирование аномальных значений
- •Спектральная обработка (сглаживание)
- •Факторный анализ
- •Корреляционный анализ
- •Дубликаты и противоречия
- •Лабораторная работа № 2 трансформация данных
- •Разбиение даты
- •Преобразование данных к скользящему окну
- •Группировка данных
- •Слияние данных
- •Квантование
- •Настройка набора данных
- •Фильтрация данных
- •Сортировка, замена значений
- •Замена значений
- •Кросс-таблица
- •Свёртка столбцов
- •Вопросы для проверки
- •Лабораторная работа № 3 работа с хранилищем данных
- •Рассмотрим пример проектирования структуры хд
- •Создание нового хранилища данных
- •Настройка подключения хранилища данных
- •Проектирование структуры хранилища данных
- •Наполнение хранилища данных
- •Извлечение информации из хранилища данных Импорт из процесса
- •Импорт из измерения
- •Кубы в Deductor Warehouse
- •Самостоятельная работа по созданию хранилища данных
- •Вопросы для проверки
- •Лабораторная работа № 4
- •Многомерный анализ данных при помощи встроенного в Deductor olap модуля.
- •Добавление новых данных в хд
- •Получение olap-отчетов
- •Формирование отчета по объемам продаж за последние четыре месяца по товарным группам
- •Манипуляции с измерениями
- •Формирование отчета по каждой аптеке за каждый месяц
- •Фильтрация
- •Построение аналитической отчетности
- •Самостоятельная работа по созданию кросс-таблицы и кросс- диаграммы
- •Вопросы для проверки
- •Лабораторная работа № 5
- •Узел Калькулятор
- •Задание
- •Проведение abc-анализа
- •Суть метода
- •Алгоритм авс-анализа
- •Выполнение abc-анализа
- •Stat("ИмяСтолбца";"Тип")
- •CumulativeSum("ИмяПоля"; ["ИмяПоляГруппы"])
- •Проведение xyz-анализа
- •Суть метода
- •Алгоритм xyz-анализа
- •Выполнение xyz-анализа
- •Проведение abc-xyz-анализ
- •Суть метода
- •Выполнение abc-xyz -анализа
- •Вопросы для проверки
- •Лабораторная работа № 6
- •1. Логистическая регрессия и roc-анализ
- •Деревья решений
- •Прогнозирование с помощью линейной регрессии
- •Прогнозирование с помощью построения пользовательских моделей
- •Лабораторная работа № 7 искусственные нейронные сети
- •1. Искусственные нейронные сети
- •Пример работы многослойного персептрона
- •Аппроксимация многомерных функций
- •Лабораторная работа № 8
- •Кластеризация с помощью алгоритма k-means
- •2. Сегментация клиентов телекоммуникационой компании с использованием карт Кохонена
- •Кластеризация при равном весе входных атрибутов
- •Кластеризация при различных весах входных атрибутов. Акцент на выделении кластера Активная молодеж ь
- •Кластеризация при ограничении набора входных атрибутов. Акцент на выделении кластера Активная молодеж ь
- •Лабораторная работа № 9 ассоциативные правила
- •Алгоритм поиска ассоциативных правил
- •Создание ассоциативных правил для анализа покупательских корзин для стимулирования спроса
- •Интерпретация ассоциативных правил
- •Полезные советы:
- •4. Визуализатор Что-если в ассоциативных правилах
- •Список литературы
- •Інтелектуальний аналіз даних Лабораторний практикум
Проведение xyz-анализа
Суть метода
Анализ XYZ – метод, позволяющий произвести классификацию ресурсов компании в зависимости от характера их потребления и точности прогнозирования изменений в их потребности.
XYZ-анализ ресурсов предполагает оценку их значимости в зависимости от частоты потребления. Если рассматривать потребление отдельных видов ресурсов в течение длительного периода, то можно установить, что в их числе есть:
ресурсы, имеющие постоянный и стабильный спрос;
ресурсы, расход которых подвержен определенным, например, сезон- ным, колебаниям;
ресурсы, расход которых носит случайный характер.
Поэтому в пределах каждого из классов А, В и С ресурсы могут быть распределены еще и по степени прогнозируемости их расхода. Для такой классификации используются символы X, Y, Z.
К классу X относятся ресурсы, спрос на которые имеет постоянный характер или подвержен случайным незначительным колебаниям, поэтому поддается прогнозированию с высокой точностью. Удельный вес таких ресурсов в общей номенклатуре, как правило, не превышает 50–55 %.
К классу У относятся ресурсы, потребление которых осуществляется периодически либо имеет характер падающей или восходящей тенденции. Их прогнозирование возможно со средней степенью точности. Их удельный вес в общей номенклатуре составляет около 30 %.
К классу Z относятся ресурсы, для которых нельзя выявить какой-либо закономерности потребления. По этой причине прогнозирование их расхода невозможно (они составляют 15 %) общей номенклатуры).
Соответствующий алгоритм содержит четыре этапа:
Определение коэффициентов вариации для анализируемых ресурсов как отношения среднеквадратического отклонения к среднеарифметическому значению измеряемых параметров:
𝐶𝐶 =
𝑛𝑛
�(∑
𝑖𝑖−1𝑥𝑥𝑖𝑖 − 𝑥𝑥̅)�𝑛𝑛
𝑥𝑥̅
∙ 100 %,
где Xi – значение параметра по оцениваемому объекту за i-тый период,
n – число периодов.
Группировка ресурсов в соответствии с возрастанием коэффициента вариации параметров.
Распределение по категориям X, Y, Z.
Графическое представление результатов анализа (рис. 5.36):
Рисунок 5.36 – Графические результаты анализа X, Y, Z
К категории X относят ресурсы, характеризующиеся стабильной величиной потребления, незначительными колебаниями в их расходе и высокой точностью прогноза (т.е. с вероятностью 99 % можно утверждать, что прогноз на данную группу товаров будет отличаться от среднего
значения на + (–) 10 %). Значение коэффициента вариации находится в интервале от 0 до 10 %.
Категория Y – ресурсы, для которых имеют место некоторые колебания потребности в них (например, сезонные) и средние возможности их прогнозирования. Значение коэффициента вариации – от 10 до 25 %.
Категория Z – ресурсы, потребление которых нерегулярно, точность прогнозирования невысокая. Значение коэффициента вариации – свыше 25%. Другим приложением XYZ-анализа является оптимизация ассортимента товаров или продукции. Тогда в категорию X попадает то, что дает стабильный и высокий доход, в категорию Y – средний, а в Z – падающий
низкий и нестабильный.
В зависимости от особенностей бизнеса пороговые значения между категориями могут меняться. Например, для категории X может быть выбран диапазон 0–15 %, для категории Y – 15–50 %, а для категории Z – 50–100 %.
