Ik zie ik zie wat jij (nog) ziet

Hoe herken je patronen in data?

Agenda

• Introductie

– Analytics

• Een voorbeeld

– Verzekeringsdata

• Modelleren

– Lineaire regressie en Machine Learning

Moneyball

Analytics

DescriptiveAnalytics

Predictive AnalyticsPrescriptive

Analytics

What happened? Creatingpatterns from historical data

Predict future behaviourMake recommendations on

how to achieve goal

Analytics is het ontdekken, interpreteren en communiceren van (betekenisvolle) patronen in

gegevens.

Doel van deze sessie: Het ontdekken van patronen m.b.v. modellen

• Man vs Machine

• Decision tree

• Lineaire regressie

Reporting

Listing facts

Man vs Machine: patroonherkenning (1)

Man vs Machine: patroonherkenning (2)

Dataset – Insurance *

• Verzekeringsdata.

– Kenmerken van de polishouder en de gedeclareerde kosten.

– Wat zien we niet?

• Kunnen we patronen herkennen?

– Aan de slag

* Met dank aan EQI (Erasmus Quantitative Intelligence)

Exploratie met Lumira

SAC – Smart Discovery (1)

SAC – Smart Discovery (2)

SAC – Smart Discovery (3)

Anders

• Hoe dan? Inzicht in de modellen:

– R

– Gretl

• Het werk van de data scientist …

– Construeren van nieuwe variabelen om verklarend vermogen van lineair regressiemodel te verhogen

– Combineren en selecteren van modellen

– Verklaren en communiceren

Inzicht in modellen - mens

Decision Tree

Lineaire regressie

Modelleren

Begrijpelijkheid : voorspelvermogen

=

linear regression : machine learning

• Wat is beter?

–Begin eenvoudig

–Het meest eenvoudige model dat de vraag kan beantwoorden is het best!

gaan>> benadering van analytics project

DataExploratory Data

Analysis

Exploratory Data Analysis

Formal Modeling InterpretationVisualization of data outcomes

Performance improvement

Question More Data

• Discussion on area of investigation (e.g. procurement).

• Delivery of data• Data is explored for

1st time • Report with findings

as input for workshop

• Workshop to comeup with the questionsto answer

• Do we have all data?• Can we add

additional data? If so• Data is explored for

2nd time

• Statistical models are defined and tested

• Models and outcomeare checked

• Can we answer thequestions?

• Outcomes andrecommendationsare presented in presentation andreport

• Performance improvement steps defined

2 weeks Workshop 2 hrs 2 weeks 4 weeks 1 week2 hrs presentation

1 week

Training on the job

Contactgegevens

Gabe Boer

(+31) 6 46 124 789

e-mail: gabe.boer@gaanconsulting.nl

Fascinating facts gaan>>

Deep knowledge of SAP data

Experience with data analysis since 1999

Advanced sophisticated modelling

We work value based

internet: www.gaanconsulting.nl