Net Lift Modelling. Peter Steffensen, Senior Principal Consultant. Copyright 2011 SAS Institute Inc. All rights reserved.
|
|
- Rikke Poulsen
- 8 år siden
- Visninger:
Transkript
1 Net Lift Modelling Peter Steffensen, Senior Principal Consultant Copyright 2011 SAS Institute Inc. All rights reserved.
2 Net Lift Baggrund Customer Intelligence-modellering Kampagne: Påvirkning af kunde Indtægt og udgift for kampagne Hændelser: Aftagelse af produkt/service, donation, afgang Sandsynlighed (0<P<1) for hændelse CI-modeller Naturlig aftagning: Propensity model» Formål: Ramme rigtige kunder Minimere udgifter» Prædiktion: Automatiske købere / Self-selectors er det det, man ønsker?» Data: Ingen kampagnedata, kun købsdata Køb ved kampagne: Kampagnemodel» Formål: Ramme rigtige kunder Minimere udgifter» Prædiktion: Tendends til at købe efter kampagneeksponering, uafhængigt af om de ville have købt alligevel er det det, man ønsker?» Data: Kampagneeksponering 2
3 Net Lift Hvad er Net Lift? Næste niveau: Net Lift-model Hvem påvirkes? Nogen køber aldrig Nogen har besluttet sig for køb på forhånd Nogen er påvirkelige Eksempel: Swing -stater i USA Sikker demokratisk sikker republikansk? Net lift-model finder swing -kunder 3
4 Net Lift Hvad er Net Lift? Hvorfor forsøge at påvirke dem, som alligevel køber? Kundetyper P Kampagne Net Lift-model Kampagnemodel Self-selector Swing-kunde Ikke-køber Net Lift Køb ved kampagne P Kampagne Ikke-købere Swing -kunder Self-selectors P Propensity P Swing P Swing Net Lift P Swing NetLlift 4
5 Net Lift Evaluering Hvad gør man? Ingen kampagneeffektvariabel Kampagne (Ja/Nej) Køb (Ja/Nej) Løsning Kombination af kampagnemodel og anden model 2 metoder Udvidelse af data Evaluering Test- og kontrolgruppe Net Lift Chart Rank ifølge model Køb Test (%) Køb Kontrol (%) Diff (%) Lavest score Køb Ikke køb Test Kampagne Kontrol Ikke kampagne Højest score P 5
6 SAS Enterprise Miner - demo Baggrund Case: Kreditkortkampagne (Green Card) Modellering: kunder, 50% kampagne, 20% købere, 65 inputvariable Evaluering: kunder 20% købere i testgruppe og 19.98% købere i kontrolgruppe Modeller Kampagnemodel PSD-, PDM- og Bifurcate-modeller Håndtering af ikke-linearitet: Beslutningstræ 6
7 SAS Enterprise Miner - demo Ikke-monotonitet Input: Number of Revolving Accounts Label N Test (%) Control (%) Diff (%) P ,70 3,77-0,07 0, ,72 9,73 0,99 0, ,49 17,65 0,84 0, ,50 13,99 10,51 0, ,86 17,61 11,25 0, ,79 31,31 0,48 0, ,77 43,98-9,21 0, ,86 59,05-18,19 0, Modellering Alm. linear logistisk regression Ikke-lineær metode, f.eks. beslutningstræ, neuralt netværk, logistisk regression med interactive grouping 7
8 Net Lift-modeltyper Difference Score Model (DSM) Score = P(Køb Kampagne) - P(Køb Ej kampagne) Model 1: P(Køb) for testpopulation Model 2: P(Køb) for kontrolpopulation Fordele Nemt forståeligt koncept -1 < P < 1 Ulemper To varianser Svært fortolkeligt med forskellige parametre i de to modeller 8
9 SAS Enterprise Miner - demo EM-flow Difference Score model 9
10 Net Lift-modeltyper Probability Decomposition Model (PDM) Test Kontrol Self-Selectors A D Swing B E Ikke-køb C F P(Køb pga. kampagne) = P(Køb Kampagne) (2-1/P(Kampagne Køb)) Svarer til, at kampagnemodelscore straffes med sandsynlighed for at have været med i kampagnen 10
11 Net Lift-modeltyper Probability Decomposition Model (PDM) Score = P(Køb Kampagne) (2-1/P(Kampagne Køb)) Model 1: P(Køb) for testpopulation Model 2: P(Kampagne) for kunder, der har købt Fordele Nemt forståeligt koncept Ulemper To varianser P kan blive mindre end -1 Svært fortolkelig med forskellige parametre i de to modeller 11
12 SAS Enterprise Miner - demo EM-flow Probability Decomposition Model 12
13 Net Lift-modeltyper Bifurcate Modelleringsdata x T = &x, hvis&testgruppe &0, hvis&kontrolgruppe &&&&&xk = T: Testgruppe? &0, hvis&testgruppe &x, hvis&kontrolgruppe ID Y T X T X K X X X 0 Scoredata ID Testgruppe X T X K Score X P(Køb Ej Kampagne) 1 1 X 0 P(Køb Kampagne) X P(Køb Ej Kampagne) 2 1 X 0 P(Køb Kampagne) X P(Køb Ej Kampagne) 3 1 X 0 P(Køb Kampagne) Score = P(Køb Kampagne) P(Køb Ej kampagne) 13
14 Net Lift-modeltyper Bifurcate Score = P(Køb Kampagne) P(Køb Ej kampagne) Fordele Kun én model Ulemper Ekstra datamanipulation inden modellering og efter scoring Imputation og transformation inden tvedeling af data Svært fortolkelige parametre 14
15 SAS Enterprise Miner - demo EM-flow Bifurcate-model 15
16 Net Lift-resultater Kampagnemodel Rank Label N Test (%) Control (%) Diff (%) P ,26 3,14 0,12 0, ,05 10,23 1,82 0, ,05 18,85 1,20 0, ,40 25,95-2,55 0, ,01 27,48 1,53 0, ,47 41,25-4,77 0, ,37 45,47 5,90 0,00 Svært at se en klar tendens 16
17 Net Lift-resultater DSM-model Rank Label N Test (%) Control (%) Diff (%) P ,30 59,06-22,75 0, ,91 55,54-20,64 0, ,26 3,14 0,12 0, ,60 29,33-2,73 0, ,11 10,89 1,22 0, ,28 19,66 3,62 0, ,19 14,58 7,62 0, ,98 18,99 9,00 0, ,80 34,67 14,12 0,00 Klart stigende tendens 17
18 Net Lift-resultater Fraktiler 20 DSM Kampagne DSM Kampagne PDM PDM Bifurcated Bifurcated 18
19 Net Lift Konklusion Kampagnemodel Kan ikke bruges som decideret Net Lift-model DSM, PDM, Bifurcate Klar fordel af anvendelse Ingen af dem er de andre overlegen Spørgsmål om at prøve dem alle Bør afprøve andre modeltyper (NN, Interactive Grouping) Næste skridt Kursus Hele vejen til CI Nirvana 19
20 Net Lift Hele vejen til CI Nirvana Model CLV-modeller Net Lift + Produktværdimodel Kampagneoptimering for hver kunde Net Lift + Produktværdi (gns) Net Lift Kampagne Propensity Kundeoptimering pr. kampagne Forretningsregler Ingen Produkt Kampagne Gns. produktværdi Produktværdi pr. kunde CLV Data 20
21 Copyright 2011 SAS Institute Inc. All rights reserved.
Data mining er ikke længere nice to have men need to have
mining er ikke længere nice to have men need to have Af Frank Bjergø Agenda Introduktion Hvad er mining og hvordan fungerer det? Eksempler på i Telco mining Hvilke forretningsområder er i gang Hvem er
Læs mereBrug af Two-Stage modelling til responsmaksimering af directmail-kampagner i PensionDanmark
Brug af Two-Stage modelling til responsmaksimering af directmail-kampagner i PensionDanmark Peter Steffensen SAS Institute Jesper Michelsen PensionDanmark PensionDanmark Arbejdsmarkedspensionsselskab etableret
Læs merePublic Analytics Tema: Effektmåling
Public Analytics Tema: Effektmåling Tirsdag den 19. marts 2013 1 22 MARCH 2013 2012 COPYRIGHT SAS INSTITUTE Public Analytics Tema: Effektmåling Tirsdag den 19. marts 2013 2 22 MARCH 2013 2012 COPYRIGHT
Læs mereHvordan bekæmper Alm. Brand forsikringssvindel med SAS Fraud Framework for Insurance?
SAS USER FORUM SAS USER FORUM Hvordan bekæmper Alm. Brand forsikringssvindel med SAS Fraud Framework for Insurance? Brian Egested, Afdelingschef, Alm. Brand Søren Olsen, Senior Consultant, Risk & Fraud,
Læs merePræsentation og praktisk anvendelse af PROC GLMSELECT
Præsentation og praktisk anvendelse af PROC GLMSELECT Kristina Birch, projektchef Copyright 2011 SAS Institute Inc. All rights reserved. Præsentation og praktisk anvendelse af PROC GLMSELECT Abstract I
Læs mereDemonstration af SAS Activity-Based Management v7.1
Demonstration af SAS Activity-Based Management v7.1 Chefkonsulent Martin Ravnholt, SAS Institute Copyright 2011 SAS Institute Inc. All rights reserved. Hvad vil jeg tale om den næste time? Nyeste modellerings-
Læs mere! Husk at udfylde spørgeskema 3. ! Lineær sandsynlighedsmodel. ! Eksempel. ! Mere om evaluering og selvselektion
Dagens program Økonometri 1 Dummy variable 4. marts 003 Emnet for denne forelæsning er kvalitative variable i den multiple regressionsmodel (Wooldridge kap. 7.5-7.6+8.1)! Husk at udfylde spørgeskema 3!
Læs mereHigh-Performance Data Mining med SAS Enterprise Miner 14.1
High-Performance Data Mining med SAS Enterprise Miner 14.1 nye procedurer til en mere effektiv modeludviklingsproces Kristina Birch, Advisory Analytical Consultant, SAS Institute Indhold Hvad er High-Performance
Læs mereText mining hos MAN Diesel
Text mining hos MAN Diesel Stine Fangel, SAS Institute COPYRIGHT 2009, SAS INSTITUTE INC ALL RIGHTS RESERVED Hvad får du med fra dette indlæg? Eksempel på anvendelse af text og data mining Viden om, hvordan
Læs mereEn Bayesiansk tilgang til Credit Scoring
En Bayesiansk tilgang til Credit Scoring Et akademisk studie af: Daniel Lund, SAS Institute Rune Tousgaard Piil, Jyske Bank Ana Alina Tudoran, Aarhus Universitet Agenda Mål for studiet Vores tilgang til
Læs mereData Mining. Competing on Analytics seminar D. 12. december 2007 Kristina Birch. Copyright 2006, SAS Institute Inc. All rights reserved.
Data Mining Competing on Analytics seminar D. 12. december 2007 Kristina Birch Agenda Præsentation Hvad er data mining? - og hvorfor taler vi om det? Fra data til analyse til viden Business Drivers for
Læs mereIntroduktion til Visual Data Mining and Machine Learning
SAS USER FORUM Introduktion til Visual Data Mining and Machine Learning Astrid Enslev Vestergård, SAS Institute Agenda Introduktion til et par machine learningmodeller Case-introduktion Demo SWEDEN 2017
Læs mereØkonometri 1. Dummyvariabler 13. oktober Økonometri 1: F10 1
Økonometri 1 Dummyvariabler 13. oktober 2006 Økonometri 1: F10 1 Dagens program Dummyvariabler i den multiple regressionsmodel (Wooldridge kap. 7.3-7.6) Dummy variabler for kvalitative egenskaber med flere
Læs merePå nedenstående billede skal du finde den figur som optræder nøjagtig 3 gange.
Navn: Klasse: Materiale ID: PIC.33.1.1.da Lærer: Dato: Klasse: Materiale ID: PIC.33.1.1.da Navn: Klasse: Materiale ID: PIC.33.2.1.da Lærer: Dato: Klasse: Materiale ID: PIC.33.2.1.da Navn: Klasse: Materiale
Læs mereAfholdt d. 4. december 2018
HAIR overvågningssystemer i går, i dag og fremover hvad skal de kunne? Jens Kjølseth Møller Professor, overlæge dr.med. Klinisk Mikrobiologisk Afdeling, Sygehus Lillebælt, Vejle E-mail: Jens.Kjoelseth.Moeller@rsyd.dk
Læs mereRegressionsanalyser. Hvad er det statistiske problem? Primære og sekundære problemer. Metodeproblemer.
Regressionsanalyser Hvad er det statistiske problem? Primære og sekundære problemer. Metodeproblemer. Hvilke faglige problemer kan man løse vha. regressionsanalyser? 1 Regressionsanalyser Det primære problem
Læs mereChurnanalyse fra DM Partner
Churnanalyse fra DM Partner Indhold i churnanalysen + Baggrundsvariable + Transaktionsdata fra kunde + Segmenter i kundens base + Levetid + Anbefalinger på baggrund af konklusionerne (herunder hvad analysen
Læs mereIntelligent kontrol med SAS
Intelligent kontrol med SAS Hvordan sikrer du dig gennemsigtighed i kontrollen? Business Development Manager Malene Haxholdt 19. april 2007 Agenda Kontrolopgaven Data mining og kontrol Hvad er data mining?
Læs mereDemo af PROC GLIMMIX: Analyse af gentagne observationer
Demo af PROC GLIMMIX: Analyse af gentagne observationer Kristina Birch, seniorkonsulent, PS Banking Agenda Uafhængige vs. afhængige observationer Analyse af uafhængige vs. afhængige observationer Lille
Læs mereMan indlæser en såkaldt frequency-table i SAS ved følgende kommandoer:
1 IHD-Lexis 1.1 Spørgsmål 1 Man indlæser en såkaldt frequency-table i SAS ved følgende kommandoer: data ihdfreq; input eksp alder pyrs cases; lpyrs=log(pyrs); cards; 0 2 346.87 2 0 1 979.34 12 0 0 699.14
Læs merePROC TRANSPOSE. SAS-tabellen - hensigtsmæssig lagring af data. Copyright 2011 SAS Institute Inc. All rights reserved.
PROC TRANSPOSE SAS-tabellen - hensigtsmæssig lagring af data Copyright 2011 SAS Institute Inc. All rights reserved. Transponerede tabeller Brede eller smalle? Hvad: Brede tabeller har mange kolonner med
Læs mereKursusoversigt for juli 2007 januar 2008
Matcher dine kompetencer din rolle og dine opgaver Kursusoversigt for juli 2007 januar 2008 MERE KURSUS FOR FÆRRE PENGE Vores ekspertundervisere er kvalificerede instruktører, der arbejder som SAS konsulenter,
Læs mereWPM ApS er en miljørådgivningsvirksomhed, hvis kernekompetence er rådgivning indenfor bortskaffelse af alle typer af affald og vel og mærke uafhængig
WPM ApS er en miljørådgivningsvirksomhed, hvis kernekompetence er rådgivning indenfor bortskaffelse af alle typer af affald og vel og mærke uafhængig rådgivning. Hvem er WPM ApS? WPM ApS er en miljørådgivningsvirksomhed,
Læs mereVariansanalyse i SAS 1. Institut for Matematiske Fag December 2007
Københavns Universitet Statistik for Biokemikere Det naturvidenskabelige fakultet Institut for Matematiske Fag December 2007 Variansanalyse i SAS 1 Ensidet variansanalyse Bartlett s test Tukey s test PROC
Læs mereLøsning til opgave i logistisk regression
Løsning til øvelser i logistisk regression, november 2008 1 Løsning til opgave i logistisk regression 1. Først indlæses data, og vi kan lige sørge for at danne en dummy-variable for cml, som indikator
Læs mere1:1 Kampagne-evaluering i Danske Bank
SAS Forum 1:1 Kampagne-evaluering i Danske Bank Cathrine Pough Pedersen, Business Intelligence & Analytics Thomas Vasehus, Business Intelligence & Analytics 4 Oktober 2012 Hvem er vi Cathrine Pedersen,
Læs mereREFERENCEARKITEKTUR FOR SELVBETJENING OG REFERENCEARKITEKTUR FOR SAGS- OG YDELSESOVERBLIK
REFERENCEARKITEKTUR FOR SELVBETJENING OG REFERENCEARKITEKTUR FOR SAGS- OG YDELSESOVERBLIK Ver. 0.8 i offentlig høring Ver. 1.0 godkendt Anvendes på prototype på flytteguide (Forventet) egne piloter til
Læs mereDocuSign. - En del af Postnords elektroniske signatur løsning. PostNord Communication Services, ekom. 9. maj 2016
DocuSign - En del af Postnords elektroniske signatur løsning PostNord Communication Services, ekom 9. maj 2016 DocuSign PostNord har indgået samarbejde med DocuSign - VERDENS STØRSTE LEVERANDØR AF ELEKTRONISK
Læs mereProgram. Sammenligning af to stikprøver Ikke-parametriske metoder Opsummering. Test for ens spredninger
Program Sammenligning af to stikprøver Ikke-parametriske metoder Opsummering Helle Sørensen E-mail: helle@math.ku.dk I formiddag: Analyse af ikke-parrede stikprøver: repetition of rettelse af fejl! Lidt
Læs mereMultipel regression. M variable En afhængig (Y) M-1 m uafhængige / forklarende / prædikterende (X 1 til X m ) Model
Multipel regression M variable En afhængig (Y) M-1 m uafhængige / forklarende / prædikterende (X 1 til X m ) Model Y j 1 X 1j 2 X 2j... m X mj j eller m Y j 0 i 1 i X ij j BEMÆRK! j svarer til individ
Læs mereSEMINAR OM COMPLIANCE OG SOCIALT BEDRAGERI 2013. Mads Krogh Nielsen, cand.polit., BA Fraud Framework, SAS Institute A/S
Mads Krogh Nielsen, cand.polit., BA Fraud Framework, SAS Institute A/S 1 AGENDA 2 På agendaen 3 På agendaen Vi skal forbedre samarbejdet og bruge vores registre bedre, så vi får nogle intelligente alarmklokker,
Læs mereTips og tricks til Proc Means. Per Andersen
Tips og tricks til Proc Means Capgemini gruppen Grundlagt 1967 i Paris, startet i Danmark 1984 Omsætning på verdensplan i 2008 8,7 milliader euro 91.600 medarbejdere på verdensplan, heraf 300 i Danmark
Læs mereTestrapport på Test Testesen
Testrapport på Test Testesen Analysis Aptitude Fremstillet den: 12-jun-2007 Side 2 af 5 2006-2009 Saville Consulting. All rights reserved. Indhold Introduktion til testrapport...3 Analysis Aptitude profil...4
Læs mereKLAR FORMIDLING AF DATA OG DATAPUNKTER
KLAR FORMIDLING AF DATA OG DATAPUNKTER RUNE LYKKE-KJELDSEN, SAS INSTITUTE HVORFOR? HVAD? HVORDAN? HEJ Jeg er Kommunaldirektør Jeg vil vide, om vi holder os på budget indenfor indkøb i de forskellige
Læs mereLineær og logistisk regression
Faculty of Health Sciences Lineær og logistisk regression Susanne Rosthøj Biostatistisk Afdeling Institut for Folkesundhedsvidenskab Københavns Universitet sr@biostat.ku.dk Dagens program Lineær regression
Læs mereModellering 'State of the future'
Modellering 'State of the future' Henrik Madsen DTU Informatics 26. maj, 2011 Baggrund Stigende fokus på sikker drift af afløbssystemer dvs maximal sikkerhed for overløb, slamflugt mv. Målingerne (eksempelvis
Læs mereFaculty of Health Sciences. Logistisk regression: Kvantitative forklarende variable
Faculty of Health Sciences Logistisk regression: Kvantitative forklarende variable Susanne Rosthøj Biostatistisk Afdeling Institut for Folkesundhedsvidenskab Københavns Universitet sr@biostat.ku.dk Sammenhæng
Læs mereEVCOM og andre elbilsaktiviteter Smart Grid til integration af elbiler med elsystem
EVCOM og andre elbilsaktiviteter Smart Grid til integration af elbiler med elsystem Smart Grid konference 21.09.2010 Anders Bavnhøj Hansen, Senior konsulent, Civilingeniør Energinet.dk, Strategisk planlægning
Læs mereLogistisk regression. Basal Statistik for medicinske PhD-studerende November 2008
Logistisk regression Basal Statistik for medicinske PhD-studerende November 2008 Bendix Carstensen Steno Diabetes Center, Gentofte & Biostatististisk afdeling, Københavns Universitet bxc@steno.dk www.biostat.ku.dk/~bxc
Læs mereWHITEPAPER. Churn: Sådan fastholder du dine kunder. Brug konkret viden og fleksible modeller til at holde længere på dine kunder.
Copyright 2015 EG A/S Whitepaper WHITEPAPER Churn: Sådan fastholder du dine kunder Brug konkret viden og fleksible modeller til at holde længere på dine kunder. I dette whitepaper kan du læse om, hvordan
Læs mereProgram. Text analyse i 3 Contextual Analysis
Text analyse i 3 Contextual Analysis Program 1. Generelt 2. Baggrund Udfordringer 3. Teknologi 4. Eksempel klassificering af sentiment 5. Resultater 6. Spørgsmål - kommentarer 1 Steen Ammitzbøll BI analyst
Læs mereSælg mere på Nettet. 08.12.2011 BrainsBusiness. Copyright 2011 by CustomerSense. All rights reserved.
Sælg mere på Nettet 08.12.2011 BrainsBusiness Copyright 2011 by CustomerSense. All rights reserved. CustomerSense Vi hjælper virksomheder til at omsætte mere på Nettet, samt til at fastholde sine kunder
Læs mereNår data og automatisering mødes får de omsætning som børn
Når data og automatisering mødes får de omsætning som børn Bernt Elkjær-Pedersen Erfaring Marketingchef i IT-virksomhed Løsningsarkitekt hos Marketing Automation-bureau Skrevet bogen Marketing Automation
Læs mereLær og forstå din ABC
Lær og forstå din ABC - en dag om kostgennemsigtighed og økonomistyring Lars Johansen og Thomas Varan Copyright 2004, SAS Institute Inc. All rights reserved. Har ABC en effekt? Undersøgelsen bestod af
Læs mereTræningsaktiviteter dag 3
Træningsaktiviteter dag 3 I træningsaktiviteterne skal I arbejde videre med Framingham data og risikoen for hjertesygdom. I skal dels lave MH-analyser som vi gjorde i timerne og dels lave en multipel logistisk
Læs mereIntroduktion til overlevelsesanalyse
Faculty of Health Sciences Introduktion til overlevelsesanalyse Kaplan-Meier estimatoren Susanne Rosthøj Biostatistisk Afdeling Institut for Folkesundhedsvidenskab Københavns Universitet sr@biostat.ku.dk
Læs mereStrategier til kontrol af trafikstøj
billede Strategier til kontrol af trafikstøj Erfaringer fra andre lande Douglas Manvell 18 Maj 2016 www.bksv.com Copyright www.bksv.com, Brüel 1 & Kjær. All rights reserved. Hvem er Brüel & Kjær? Brüel
Læs mereAnalytisk beredskab giver ny indsigt i arbejdsmarkedet Michael Sperling SAS Institute
make connections share ideas be inspired Analytisk beredskab giver ny indsigt i arbejdsmarkedet Michael Sperling SAS Institute Hvem bliver langtidsledige? Hvad er sandsynligheden for at komme tilbage i
Læs mereDANMARKS NATIONALBANK
ANALYSE DANMARKS NATIONALBANK 21. JANUAR 2019 NR. 3 Tekstbaseret machine learning forbedrer konkursmodellering Machine learning forbedrer beregning af konkurssandsynlighed Tekstbaserede data tilføjer brugbar
Læs mereEAlumne. 25. Marts 2015
EAlumne 25. Marts 2015 Agenda Kort om NN Markedsdata Hvem var vi? Hvem er vi blevet? Tendenser Dataanalyser Afrunding Lidt om mig Direktør i NN Markedsdata siden maj 2012 Tidligere annoncechef hos Jyllands-Posten
Læs mereHygiejne & fødevaresikkerhed - udfordringer og løsninger
Hygiejne & fødevaresikkerhed - udfordringer og løsninger Temadag Emballage Industrien & Plast Industrien Vibeke Bagger Maj 2008 Agenda Det Norske Veritas Hvad kræver kunderne? Hvorfor bruge en standard?
Læs mereKampagnestyring i Danske Bank Multichannel Tool sådan har vi implementeret løsningen
Kampagnestyring i Danske Bank Multichannel Tool sådan har vi implementeret løsningen Jan Thomas Løwe, konsulentchef Nicolas Griffon Gynild, chefkonsulent Copyright 2011 SAS Institute Inc. All rights reserved.
Læs mereProjekt 6.1 Rygtespredning - modellering af logistisk vækst
Projekt 6.1 Rygtespredning - modellering af logistisk vækst (Projektet anvender værktøjsprogrammet TI Nspire) Alle de tilstedeværende i klassen tildeles et nummer, så med 28 elever i klassen uddeles numrene
Læs mereDI Netværk for sundheds-it 4.06.2008
Hvilke behov har sundhedssektoren? Sundhedssektoren som kunde. DI Netværk for sundheds-it 4.06.2008 v/ Sector Manager Darko Loncar, Siemens A/S Copyright Siemens AG 2008. All rights reserved Sundhedssektoren
Læs mereDeltag i en quiz: Test din viden i SAS -programmering
Deltag i en quiz: Test din viden i SAS -programmering Georg Morsing, uddannelsesdirektør Copyright 2011 SAS Institute Inc. All rights reserved. Test din SAS -programmering 12 spørgsmål 4 svarmuligheder
Læs mereEksamen Bacheloruddannelsen i Medicin med industriel specialisering. Eksamensdato: Tid: kl
Eksamen 2018 Titel på kursus: Uddannelse: Semester: Forsøgsdesign og metoder Bacheloruddannelsen i Medicin med industriel specialisering 6. semester Eksamensdato: 20-02-2018 Tid: kl. 09.00-11.00 Bedømmelsesform
Læs mereSocial network analysis
Social network analysis Dorthe Krogh, konsulent Charlotte Holm Friis, seniorkonsulent Copyright 2011 SAS Institute Inc. All rights reserved. Agenda Introduktion Hvad er et socialt netværk? Hvad er social
Læs mereDel 3 - Bilag Første del af bilaget indeholder modellen bag den statistiske analyse (effektanalysen).
OM DENNE RAPPORT Analyseinstituttet interresearch a s har stået for afvikling af Nyborg Forsyning kundetilfredshedsmåling og bearbejdning af data. Kundetilfredshedsmålingen er gennemført via defgo.net,
Læs mereEn Introduktion til SAS. Kapitel 5.
En Introduktion til SAS. Kapitel 5. Inge Henningsen Afdeling for Statistik og Operationsanalyse Københavns Universitet Marts 2005 6. udgave Kapitel 5 T-test og PROC UNIVARIATE 5.1 Indledning Dette kapitel
Læs mereTest af miljørisikovurderingsværktøjet
NOTAT Den 16. februar 2013 Test af miljørisikovurderingsværktøjet Indholdsfortegnelse 1. Indledning og baggrund 2. Resultater af afprøvninger og test 3. Konklusioner 1. Indledning og baggrund 6 kommuner
Læs mereGruppevise Nedskrivninger
Gruppevise Nedskrivninger Søren Johansen, Business Advisor, Risk Intelligence Email: sdksjo@sdk.sas.com Agenda Forskel imellem Basel II og Gruppevise Nedskrivninger SAS-løsning for gruppevise nedskrivninger
Læs mereNet Promoter Score 0-6 7-8 9-10 20% Meget sandsynligt. Meget usandsynligt. NPS-scoren beregnes på en 0 til 10-skala.
Net Promoter Score Scoren er baseret på et simpelt spørgsmål: "På en skala fra 0-10, hvor sandsynligt er det, at du vil anbefale (Virksomheden) til en ven eller kollega?" Opfølgende spørgsmål: Hvorfor?
Læs mereKUNDETILFREDSHED 2016 SYDDJURS KOMMUNE
22-09-2016 KUNDETILFREDSHED 2016 SYDDJURS KOMMUNE 22-09-2016 Kundetilfredshed 2016 Syddjurs Kommune 2 INDHOLD Emne Side Resumé overordnede resultater 3 Samlet tilfredshed med busruten generelt... 4 Samlet
Læs mereIntroduktion til SAS macro language
Introduktion til SAS macro language Ole Steen Senior Principal Consultant Knowledge & Education SAS Institute A/S Formålet med makro Makro kan kort beskrives som tekstbehandling på et SAS - program, umiddelbart
Læs mereI dag. Kursus Data matrice. Formål med PCA. Statistik. Principal komponent analyse, PCA, Esbensen kapitel 3. Splus. Anna Helga Jónsdóttir
I dag Kursus 02593 Statistik Anna Helga Jónsdóttir Principal komponent analyse, PCA, Esbensen kapitel 3. Splus ahj@imm.dtu.dk 18. november 2008 Anna Helga Jónsdóttir (ahj@imm.dtu.dk) Kursus 02593 18. november
Læs mereI har fat i kunderne, men udnytter ikke kontakten
I har fat i kunderne, men udnytter ikke kontakten Seminar Har du fat i tidens forbruger, SAS Institute Morten Schrøder, Wilke 7. oktober 2014 2014 Side 1 Sharing Community Truly Customer Centric 2014 Side
Læs mereKUNDETILFREDSHED 2016 ODDER KOMMUNE
22-09-2016 KUNDETILFREDSHED 2016 ODDER KOMMUNE 22-09-2016 Kundetilfredshed 2016 Odder Kommune 2 INDHOLD Emne Side Resumé overordnede resultater 3 Samlet tilfredshed med busruten generelt... 4 Samlet tilfredshed
Læs mereTandstatus hos søskende
Tandstatus hos søskende Af Bodil Helbech Kleist, BOHH@kl.dk Formålet med dette analysenotat er at undersøge forskelle i tandsundheden mellem søskende, herunder betydningen af hvilket nummer i børneflokken,
Læs mereKUNDETILFREDSHED 2016 RANDERS KOMMUNE
22-09-2016 KUNDETILFREDSHED 2016 RANDERS KOMMUNE 22-09-2016 Kundetilfredshed 2016 Randers Kommune 2 INDHOLD Emne Side Resumé overordnede resultater 3 Samlet tilfredshed med busruten generelt... 4 Samlet
Læs merePræcision og effektivitet (efficiency)?
Case-kontrol studier PhD kursus i Epidemiologi Københavns Universitet 18 Sep 2012 Søren Friis Center for Kræftforskning, Kræftens Bekæmpelse Valg af design Problemstilling? Validitet? Præcision og effektivitet
Læs mereKUNDETILFREDSHED 2016 HOLSTEBRO KOMMUNE
22-09-2016 KUNDETILFREDSHED 2016 HOLSTEBRO KOMMUNE 22-09-2016 Kundetilfredshed 2016 Holstebro Kommune 2 INDHOLD Emne Side Resumé overordnede resultater 3 Samlet tilfredshed med busruten generelt... 4 Samlet
Læs mereKUNDETILFREDSHED 2016 SILKEBORG KOMMUNE
22-09-2016 KUNDETILFREDSHED 2016 SILKEBORG KOMMUNE 22-09-2016 Kundetilfredshed 2016 Silkeborg Kommune 2 INDHOLD Emne Side Resumé overordnede resultater 3 Samlet tilfredshed med busruten generelt... 4 Samlet
Læs mereKUNDETILFREDSHED 2016 VIBORG KOMMUNE
22-09-2016 KUNDETILFREDSHED 2016 VIBORG KOMMUNE 22-09-2016 Kundetilfredshed 2016 Viborg Kommune 2 INDHOLD Emne Side Resumé overordnede resultater 3 Samlet tilfredshed med busruten generelt... 4 Samlet
Læs mereMachine Learning til forudsigelser af central KPI
Machine Learning til forudsigelser af central KPI En case fra Banedanmark 07-05-2019 Konferencen Big Data, AI & Analytics Hvad skal vi med al den data? 1 Navn: Dorte-Lene Bacher Projektchef: Datadrevne
Læs mereLars Bøje Jepsen CRM Manager FRA 1:ALLE TIL MÅLRETTET OG SEGMENTERET 1:1 DIALOG
Lars Bøje Jepsen CRM Manager FRA 1:ALLE TIL MÅLRETTET OG SEGMENTERET 1:1 DIALOG AGENDA Kort intro af Øresundsbron Salgsmål for CRM indsatsen Målgruppe og segmentering Customer Life Cycle program Udvikling
Læs mereVariansanalyse i SAS. Institut for Matematiske Fag December 2007
Københavns Universitet Statistik for Biokemikere Det naturvidenskabelige fakultet Institut for Matematiske Fag December 2007 Variansanalyse i SAS 2 Tosidet variansanalyse Residualplot Tosidet variansanalyse
Læs mereAgenda. Kort om YouSee. Udfordringer & Vision. Setup & Dataflow. Dynamikken i løsningen. Resultater og femtiden
Agenda Kort om YouSee Udfordringer & Vision Setup & Dataflow Dynamikken i løsningen Resultater og femtiden Agenda Kort om YouSee Udfordringer & Vision Setup & Dataflow Dynamikken i løsningen Resultater
Læs mereEfter- og videreuddannelse indenfor bæredygtigt byggeri
Efter- og videreuddannelse indenfor bæredygtigt byggeri Tine Steen Larsen, PhD Konsulent Energi, Indeklima & bæredygtigt byggeri UCN act2learn TEKNOLOGI Hvem er jeg? Uddannelse DGNB konsulent, Green Building
Læs mereLineær regression. Simpel regression. Model. ofte bruges følgende notation:
Lineær regression Simpel regression Model Y i X i i ofte bruges følgende notation: Y i 0 1 X 1i i n i 1 i 0 Findes der en linie, der passer bedst? Metode - Generel! least squares (mindste kvadrater) til
Læs mereSAS Forbrugsdisponering proaktiv tilgang til budgetopfølgning
SAS Forbrugsdisponering proaktiv tilgang til budgetopfølgning Peter S. Poulsen, Ældrechef, Skanderborg Kommune Morten R. Petz, Konsulent, SAS Institute Copyright 2007, SAS Institute Inc. All rights reserved.
Læs mereUnge afgiver rask væk personlige oplysninger for at få adgang til sociale medier
Af: Juniorkonsulent Christoffer Thygesen og cheføkonom Martin Kyed Notat 6. februar 06 Unge afgiver rask væk personlige oplysninger for at få adgang til sociale medier Analysens hovedresultater Kun hver
Læs mereESRI-PLATFORMEN HOS FORSYNINGSSELSKABER. Dansk Esri Brugerkonferance 2019, Korsør Martin Lauenborg Hansen
ESRI-PLATFORMEN HOS FORSYNINGSSELSKABER Dansk Esri Brugerkonferance 2019, Korsør Martin Lauenborg Hansen DEL 1: POWEL WEBGIS Hvad er der sket det seneste år ARCGIS ENTERPRISE Fremtidens WebGIS platform
Læs mereEn rekord er sat. SDC s PD-løsning til IFRS 9 15/6-2017
En rekord er sat SDC s PD-løsning til IFRS 9 15/6-2017 SDC i tal 124 KUNDER I NORDEN 3,6 mio. SLUTKUNDER 8,5 mio. KONTI Danmark Etableret i 1963 1,8 mio. slutkunder 4,4 mio. konti Norge Etableret i 2005
Læs mereSælg mere på Nettet. Dansk Erhverv - 01.05.2012. Copyright 2012 by CustomerSense. All rights reserved.
Sælg mere på Nettet Dansk Erhverv - 01.05.2012 Copyright 2012 by CustomerSense. All rights reserved. CustomerSense Vi hjælper virksomheder til at omsætte mere på Nettet, samt til at fastholde sine kunder
Læs mereMultipel Linear Regression. Repetition Partiel F-test Modelsøgning Logistisk Regression
Multipel Linear Regression Repetition Partiel F-test Modelsøgning Logistisk Regression Test for en eller alle parametre I jagten på en god statistisk model har vi set på følgende to hypoteser og tilhørende
Læs mereMichael Hviid Garver Senior Business Advisor. Copyright 2006, SAS Institute Inc. All rights reserved.
Analytics som salgsafdelingens forlængede arm Michael Hviid Garver Senior Business Advisor Customer intelligence Optimering af KUNDEVÆRDI Hvad er potentialet af en kundeaccount? Hvilken opsalgsmulighed
Læs mereImplementering af robotprojekt hos EME
Implementering af robotprojekt hos EME Faserne når man skal gennemføre sit første robotprojekt Per Lachenmeier, CEO, EasyRobotics ApS Agenda: Præsentation af Jeper Østergård, EME og Per Lachenmeier, EasyRobotics
Læs mereLøsning til eksamen d.27 Maj 2010
DTU informatic 02402 Introduktion til Statistik Løsning til eksamen d.27 Maj 2010 Referencer til Probability and Statistics for Engineers er angivet i rækkefølgen [8th edition, 7th edition]. Opgave I.1
Læs mereKvantitative metoder 2
Kvalitative egenskaber og dummyvariabler Kvantitative metoder 2 Dummyvariabler 28. marts 2007 Vi har (hovedsagligt) set på kvantitative variabler (løn, priser, forbrug, indkomst, )... Men hvad med kvalitative
Læs mereElprisstatistik andet halvår 2017 Erhverv
Notat Kontor/afdeling Enhed for Systemanalyse Dato 24. april 218 J nr. 218-xx Elprisstatistik andet halvår 217 Erhverv I dette notat gives en kort beskrivelse af Energistyrelsens elprisstatistik for erhvervskunder
Læs mereØkonometri 1. Interne evalueringer af forelæsninger. Kvalitative variabler. Dagens program. Dummyvariabler 21. oktober 2004
Dagens program Økonometri 1 Dummyvariabler 21. oktober 2004 Emnet for denne forelæsning er kvalitative egenskaber i den multiple regressionsmodel (Wooldridge kap. 7.1-7.6) Kvalitative variabler generelt
Læs mereSPØRGSMÅL OG SVAR TIL UDBUDDET [D ]
SPØRGSMÅL OG SVAR TIL UDBUDDET [D. 29.06.17] 1. Engelsk udgave af udbudsmaterialet [Tender material in English] Findes udbudsmaterialet i en engelsk udgave? [Is the tender material available in English?]
Læs mere2015-1. Fynbus - Kundetilfredshedsundersøgelse Q1 2015 Anne Katrine Zahle & Daniel Kargaard Svendsen
2015-1 Fynbus - Kundetilfredshedsundersøgelse Q1 2015 Anne Katrine Zahle & Daniel Kargaard Svendsen Indholdsfortegnelse Indhold Side Formål 3 Overblik 5 Anbefaling 8 Konklusioner 9 Tilfredshedsmodel 12
Læs mereVejen til nemmere og mere sikker implementering af Microsoft Dynamics AX
INDLÆG 05 DYNAMICS AX Vejen til nemmere og mere sikker implementering af Microsoft Dynamics AX Susanne Riis Blaabjerg 07.10.2015 CGI Group Inc. 2015 Agenda 1 2 3 4 5 6 CGI Surestep - en fuld skalérbar
Læs mereMÅLRETTET EVIDENSBASERET SYGEFRAVÆRSINDSATS
MÅLRETTET EVIDENSBASERET SYGEFRAVÆRSINDSATS o Analytisk segmentering af ny-sygemeldte borgere i Odense Kommune Thomas Terkelsen, Analysekonsulent Odense Kommune BAGGRUND Odense Kommune opsamler meget viden
Læs mereOrientering om rejsekort 14. maj 2014 Kunden i fokus
Orientering om rejsekort 14. maj 2014 Kunden i fokus Bjørn Wahlsten, adm. direktør i Rejsekort A/S :: Orientering om rejsekort :: 1 Hvorfor rejsekort? - Visionen Modernisering af de nuværende og udslidte
Læs mereOpgave: BOW Bowling. Rules of Bowling. danish. BOI 2015, dag 1. Tilgængelig hukommelse: 256 MB. 30.04.2015
Opgave: BOW Bowling danish BOI 0, dag. Tilgængelig hukommelse: 6 MB. 30.04.0 Byteasar er fan af både bowling og statistik. Han har nedskrevet resultaterne af et par tidligere bowling spil. Desværre er
Læs mereWorkshop. Idégenerering og -udvikling. Idegenerering og udvikling
Workshop Idegenerering og udvikling Idégenerering og -udvikling Lektor Grethe E.Nielsen - Ergoterapeutuddannelsen Adjunkt Oliver Brage - Radiografuddannelsen Introduktion Afprøv et redskab: en proces til
Læs mereCSR-rapporten 2011/12 Ansvarlighed gennem vores forretning
www.pwc.dk/årsrapport CSR-rapporten 2011/12 Ansvarlighed gennem vores forretning Lovpligtig redegørelse for samfundsansvar, jf. årsregnskabslovens 99 a Ansvarlighed gennem vores forretning PwC Danmark
Læs mere1/41. 2/41 Landmålingens fejlteori - Lektion 1 - Kontinuerte stokastiske variable
Landmålingens fejlteori - lidt om kurset Landmålingens fejlteori Lektion 1 Det matematiske fundament Kontinuerte stokastiske variable - rw@math.aau.dk Institut for Matematiske Fag Aalborg Universitet Kursusholder
Læs mere