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? Intelligent kontrol med SAS Overblik Hvad giver det? Hvordan kommer jeg i gang? Afrunding
j j j Kontrolopgaven.. Data Kontrolmedarbejdere Kontrolbesøg? JA Kjsdfkjshdfkjshdkfj Kjsdfkjshdfkjshdkf Kjsdfkjshdfkjshdkf NEJ Kjsdfkjshdfkjshdkf
j j j Kontrolopgaven.. Data Kontrolmedarbejdere Kontrolbesøg? JA MODEL Kjsdfkjshdfkjshdkfj Kjsdfkjshdfkjshdkf Kjsdfkjshdfkjshdkf Kjsdfkjshdfkjshdkf NEJ F(x,y,z)=ja
Spørgsmål Strategi og vision Spørgsmålet som hver enkel medarbejder bør stille sig selv: Hvor godt bidrager mit arbejde i dag til udførelse af vores strategi?
j j j Kontrolopgaven.. Data Kontrolmedarbejdere Kontrolbesøg? JA Kjsdfkjshdfkjshdkfj Kjsdfkjshdfkjshdkf Kjsdfkjshdfkjshdkf NEJ Kjsdfkjshdfkjshdkf
SAS Analytics SAS Analytics skaber via dataanalyse den viden og indsigt i din forretning, der gør, at du kan træffe faktabaserede beslutninger og forøge effektivitet og kvalitet i forretningen. SAS Analytics er: Data Mining Forecasting Optimering Generel statistik Fokus i dag!
Data Mining
Hvad er data mining?. Historik Fremtid. tid. Observerede hændelser Prædikteret hændelse Forudsige fremtidige hændelser baseret på historisk information
Hvad er Data Mining? Hvad er Statistik? Data mining is the process of selecting, exploring and modeling large amounts of data to uncover previously unknown information for a business advantage. Statistics is a group of methods used to collect, analyse, present and interpret data and to make decesions Prem S. Mann: Introductory Statistics
Generel anvendelse af data mining.. Kundeanalyser Kundeafgang Krydssalg/Opsalg Segmentering Respons-modeller Livtidsværdi-modeller Management Fraud/Snyd Forsikringssvindel Snyd med offentlige ydelser Hvidvask af penge (AML) Kredit Scoring/BASEL II Risikoanalyser Produktionsnedbrud Medarbejderanalyser Kontrolopgaver.
Integreret løsning! Strategi Identificeret mål Data Læring Data integration & kvalitet Synliggørelse Eksekvering Data Mining Proces
Data Mining Metode - SEMMA Sample Sampling? Explore Visual Exploration Data Reduction Modify Grouping, Subsetting Transform Model Neural Networks Decision Trees Regression Associations, Sequences Assess Model Comparison, New Questions
Traditionel data mining proces -simplificeret ETL Data Mining Sandsynlighedsfordeling A Sample Sampling? B Data Kilder ABT Explore Mani pul ate Model Assess Neural Networks Visual Exploration Grouping, Subsetting Decision Trees Statistical Techniques Model Comparison, New Questions Data Reduction Transform Associations, Sequences C D E F ABT = Analytisk Base Tabel
Analytisk Base Tabel Enhed Input......................................... Target
Analyse-flow i SAS Enterprise Miner TM
SAS Enterprise Miner TM
Omfattende funktionalitet ample Mine in cycles Explore xplore Sample Assess Modify Model odify odel ssess
j j j Kontrolopgaven.. Data Kontrolmedarbejdere Kontrolbesøg? JA Kjsdfkjshdfkjshdkfj Kjsdfkjshdfkjshdkf Kjsdfkjshdfkjshdkf NEJ Kjsdfkjshdfkjshdkf
Intelligent kontrol med SAS 1. Integration af information 2. Analyse 3. Understøtte strategier Interne og Eksterne data Data Integration Data kvalitet + Risikoprofiler Kontrolsegmentering Sandsynlighedsberegning Kvalitetsparametre Implementere strategi Risikostyring Moral og Sociale hensyn Forretningsregler Intelligent kontrol med SAS 6. Feedback og læring 5. Udbrede og synliggøre 4. Eksekvering og optimering Strategiske indsatsområder baseret på feedback Forfine strategier Gøre det bedre.. Resultatmåling Dokumenteret indsats og proces Myndighedsrapportering Automatiseret eksekvering af kontrolprocessen Optimering af ressourceforbrug Service og rådgivning Copyright 2006, 2007, SAS Institute Inc. All rights reserved.
Intelligent kontrol med SAS Kvalitetssikring Eksekvering i henhold til strategi Objektiv og dokumenteret kontrol/sagsbehandling Flytte/optimere ressourceforbrug fra sagsbehandling til eksekvering (Rådgivning, service, kontrolbesøg etc.) Risikoanalyser
Hvordan kommer jeg i gang? 1. Integration af information 2. Analyse 3. Understøtte strategier Interne og Eksterne data Data Integration Data kvalitet + Risikoprofiler Kontrolsegmentering Sandsynlighedsberegning Kvalitetsparametre Implementere strategi Risikostyring Moral og Sociale hensyn Forretningsregler Intelligent kontrol med SAS Indledende møde Kan bookes i dag;-) Situation Udfordringer Potentiale og relevans Evalueringsplan Workshopforløb 6. Feedback og læring 5. Udbrede og synliggøre 4. Eksekvering og optimering Strategiske indsatsområder baseret på feedback Forfine strategier Gøre det bedre.. Resultatmåling Dokumenteret indsats og proces Myndighedsrapportering Automatiseret eksekvering af kontrolprocessen Optimering af ressourceforbrug Service og rådgivning Problemstilling Potentiale & Værdi Drøftelse af løsning & IT Præsentation Implementeringsplan Investeringsoplæg Aftalemøde.
Competing on Analytics Organizations are competing on analytics not just because they can but also because they should. -- Thomas H. Davenport (author) Source: Harvard Business Review (January 2006)
SPØRGSMÅL? malene.haxholdt@sdk.sas.com