Modelowanie dla biznesu. Regresja logistyczna, regresja Poissona, survival data mining, CRM, credit scoring

Ewa Frątczak

Uzyskaj dostęp

Zakup książkę

ISBN/ISSN:

978-83-8030-307-2

DOI:

Wydawnictwo:

Szkoła Główna Handlowa

Rok wydania:

2019

Liczba stron:

420

XML:ISBN/ISSN:

ONIX MARC21

Bibliografia:

. Modelowanie dla biznesu. Regresja logistyczna, regresja Poissona, survival data mining, CRM, credit scoring. Red. Frątczak, Ewa . : Szkoła Główna Handlowa, 2019, 420 s. ISBN 978-83-8030-307-2

Bibliografia refWorks:

RT Book, Whole

SR Electronic(1)

A2 Frątczak, E.

T1 Modelowanie dla biznesu. Regresja logistyczna, regresja Poissona, survival data mining, CRM, credit scoring

PB Szkoła Główna Handlowa

YR 2019

SN 978-83-8030-307-2

Bibliografia BibTex:

@Book{ 246130, author = "", editor = "Frątczak, Ewa", title = "Modelowanie dla biznesu. Regresja logistyczna, regresja Poissona, survival data mining, CRM, credit scoring", publisher = "Szkoła Główna Handlowa", year = "2019", address = "", isbn = "978-83-8030-307-2" }

Bibliografia endNote:

TY - BOOK

AU -

ED - Frątczak, Ewa

TI - Modelowanie dla biznesu. Regresja logistyczna, regresja Poissona, survival data mining, CRM, credit scoring

PB - Szkoła Główna Handlowa

CY -

PY - 2019

SN - 978-83-8030-307-2

ER -

Netografia (standard APA):

. Red. Frątczak, Ewa. Modelowanie dla biznesu. Regresja logistyczna, regresja Poissona, survival data mining, CRM, credit scoring [baza danych online] : Szkoła Główna Handlowa, 2019 [dostęp: 05 07 2024]. Dostęp w Ibuk Libra: https://libra.ibuk.pl/reader/modelowanie-dla-biznesu-regresja-logistyczna-regresja-poissona-ewa-fratczak-246130.

regresja logistyczna, modelowanie predykcyjne, macierz pomyłek, ocena dobroci modelu, modelowanie biznesowe

"We wstępie do swojej książki"" Czwarta rewolucja przemysłowa"" profesor Klaus Schwab pisze m.in.: ""Znajdujemy się na początku przewrotu, który w sposób fundamentalny zmienia sposób, w jaki żyjemy, pracujemy i utrzymujemy kontakty. Spośród różnor...

Więcej

ISBN/ISSN:

978-83-8030-307-2

DOI:

Wydawnictwo:

Szkoła Główna Handlowa

Rok wydania:

2019

Liczba stron:

420

XML:ISBN/ISSN:

ONIX MARC21

Spis treści niedostępny

Przedmowa

Tematykęzastosowaniamodelipredykcyjnychjakonarzędziaumożliwiającego

zwiększenieefektywnościkampaniimarketingubezpośredniegopodjętowroz-

dzialeszóstym.Pierwszajegoczęśćtowprowadzeniedodziedzinymarketingu,

wktórymzawartoopispodstawowychpojęćidefinicjidotyczącychpodejmowa-

nejtematyki.Następnieopisanorolęmodelipredykcyjnychwmarketinguoraz

znaczeniewskaźnikaotwarciadlasukcesukampaniimarketingowych.Przedsta-

wionorównieżpodstawyteoretycznezastosowanychmetod-regresjilogistycz-

nej,sztucznejsiecineuronowejorazdrzewadecyzyjnego.Opisanowykorzystany

domodelowaniazbiórdanych,jakrównieżcałościowyprocesbudowyposzcze-

gólnychmodelipredykcyjnych,ichporównaniaorazwyborunajlepszegopod

względemzdolnościpredykcyjnych.Rozdziałzakończonoprezentacjąpraktycz-

negozastosowaniafinalnegomodelu.

Wrozdzialesiódmymskupionosięnaanaliziechurnu,czylizjawiskaodej-

ściaklienta,którejestzwiązanezzakończeniemkorzystaniazeświadczonej

przezfirmęusługi,oraznaprzykładowychdwóchpodejściachstosowanychdo

jegobadania.Wczęściteoretycznejprzedstawionocharakterystykęzjawiska

churnu,atakżemożliwedozastosowaniapodejściaanalityczne,zeszczególnym

uwzględnieniemmodeluregresjilogistycznejorazmodelusurvivaldatamining.

Wramachczęścipraktycznejutworzonezostały,napodstawiedanychdotyczą-

cychchurnuwfirmietelekomunikacyjnej,dwamodele:modelregresjilogistycz-

nejorazmodelsurvivaldataminingzperspektywąroczną.Napodstawieczęści

aplikacyjnejdokonanopodsumowaniauwzględniającegomożliwościorazogra-

niczeniadwóchutworzonychmodeli.

Rozdziałósmymzawieraopisprocesuimplementacjimetodcreditscoringu

wobszarachzwiązanychzzarządzaniemrelacjamibiznesowymizklientemkor-

poracyjnymorazmotywowaniempośrednichstruktursprzedaży.Businesscase,

opisanywrozdziale,dotyczypolskiejbranżyfarmaceutycznej,aśrodowiskodla

niegostanowiączasyczwartejrewolucjitechnologicznej.Klasycznycreditscoring

opierasięnamechanizmietransformacjiszacowanegoprawdopodobieństwazaj-

ściazdarzeniasukcesulubporażkidopostaciłatwointerpretowalnychpunktów

scoringowych.Ponadtoalgorytmumożliwiajednoznacznewskazanienajistotniej-

szych,aprzeztonajbardziejpredyktywnychatrybutówmodelowanegozjawiska

ipodzielnieichnakategorieokreślającestopieńryzykawystąpieniaprognozo-

wanegozdarzenia.Sumapunktówotrzymanychwramachkażdejzmiennejsta-

nowioprzynależnościpodmiotówdookreślonejgrupyryzyka.Podejścietood

dawnawykorzystywanejestzsukcesemwbankowościdlaprocesówkredytowych,

winstytucjachubezpieczeniowychdowykrywaniaoszustóworazwocenieefek-

tywnościkampaniimarketingowych.Rozdziałósmyskładasiętrzechgłównych

Brak wyników

Modelowanie dla biznesu. Regresja logistyczna, regresja Poissona, survival data mining, CRM, credit scoring

Treść książki

Znajdź bibliotekę blisko siebie, i uzyskaj dostęp do ebooka w systemie IBUK Libra