Predictive Analytics

 

Obiettivi: 

Introduzione al mondo delle predictive analytics.

 

Tecniche presentate: 

Prevenzione dell’abbandono, propensione all’acquisto, segmentazione comportamentale, basket analysis e rischio credito, analisi predittive e di classificazione.

 

Prerequisiti: 

E’ richiesta minima familiarità con il PC, con Windows e con i più diffusi strumenti di office automation.

 

Predictive analytics

• Introduzione alle predictive analytics

• CRISP-DM: una metodologia standard per le predictive analytics

 

Ambiti di analisi/casi di studio

• La prevenzione dell'abbandono

• La propensione all'acquisto

• Segmentazione comportamentale

• Basket Analysis

• Rischio credito e le griglie di scoring

 

Il processo di mining

• La scoperta delle relazioni tra i dati

• Campionamento, partizionamento e bilanciamento dei dati

• Il sovraddestramento

• La valutazione di modelli

 

Analisi predittive e classificazione

• Gli alberi decisionali

• Le reti neurali

• La regressione lineare

• La regressione logistica

• K-means Clustering

• Twostep Clustering

• Association Rules Apriori

 

Data Mining workshop

• Esempi di realizzazione di modelli attraverso la metodologia di analisi