|
 |
Usa um algoritmo proprietário de regressão
para construir modelos preditivos e descritivos. Esses modelos
podem ser usados para scoring, regressão e classificação.De
forma diferente da regressão tradicional, K2R pode tratar
com segurança grandes quantidades de variáveis
(mais de 10 mil). Provê indicadores e gráficos
para assegurar que você pode facilmente avaliar a qualidade
e robustez de seus modelos. |
|
 |
Descobre grupos naturais ou clusters em
conjuntos de dados. K2S é otimizado para encontrar grupos
que são relacionados para uma questão específica
de negócios. Ele descreve propriedades de cada grupo
e identifica quanto eles diferem da população
em geral. Como em outros módulos KXEN, ele provê
indicadores de qualidade e robustez de seus modelos. |
|
 |
Prevê padrões significativos observáveis
ao longo do tempo. Use seus dados cronológicos para o
forecast dos resultados dos próximos períodos.
KTS identifica a tendência, a periodicidade e a sazonalidade
no seu processo de forecast. |
|
 |
Gera regras que identificam padrões em dados transacionais,
descrevendo quais eventos ocorrem simultaneamente. Regras
de associação relacionam um evento particular,
por exemplo a compra de um produto específico, com
um conjunto de condições - a compra de outros
produtos. Com esse tipo de análise, um varejista pode
analisar o comportamento de compra de seus clientes para otimizar
mix de produtos, estoques, promoções casadas
etc
|
|
 |
Automaticamente prepara e transforma dados para
um formato adequado para uso no Analytic Framework. K2C traduz
variáveis nominais e ordinais, automaticamente preenche
valores missing e detecta dados fora do domínio
de validade. |
|
 |
Gera código SQL (Oracle, Teradata,
SQL Server, Sybase, DB2, ANSI), C, VB, SAS, Java e vários
outros formatos de saída, correspondendo aos modelos
gerados pelo Analytic Framework. Assim, os modelos podem ser
facilmente colocados em produção, dispensando
o uso do Analytic Framework para, por exemplo, escorar clientes
em tempo real. |
|
 |
Agrega eventos em períodos temporais. KEL permite
a integração de dados transacionais com demográficos
de forma transparente. É usado quando os dados originais
contém informações estáticas e
dinâmicas simultaneamente, que podem ser tratadas pelo
KEL para serem agregadas em períodos específicos
de tempo, sem exigir programação por parte do
usuário final.
|
|
 |
Agrega eventos considerando uma série de transações,
podendo ser bastante útil para análises "click-stream".
Desta forma, o caminho percorrido por um usuário de
um website é transformado numa série de dados
para cada sessão de navegação, cada coluna
representando a transição de uma página
para outra. Da mesma forma que no KEL, essas colunas podem
ser anexadas aos dados existentes do cliente, como dados demográficos,
e usados conjuntamente para análise.
|
|
 |
É uma solução para análises avançadas em dados textuais. Automaticamente prepara e transforma
atributos textuais desestruturados em uma representação estruturada que será usada no processo de
mineração. O KTC consegue lidar com várias línguas simultaneamente.
|
|
|
