Пробные занятия. Бесплатно!
Приглашаем всех желающих посетить бесплатные пробные занятия по курсам МВА и профессиональной подготовки. Занятия проходят в реальных группах, никаких постановочных занятий. Ознакомиться с расписанием пробных занятий, выбрать заинтересовавшее и зарегистрироваться на него можно здесь


Применение методов Data Mining для увеличения продаж рекламного агентства

Усик Д.Н.
Выпускник группы ITM-21A
Школа IT-менеджмента
РАНХ и ГС при Президенте РФ

В настоящее время вслед за проведением первичной автоматизации, перед предприятиями встает задача использования накопленного массива данных об их хозяйственной деятельности.

В связи с этим набирает популярность такое направление в управлении информацией, как обнаружение   знаний в базах данных (Knowledge Discovery in Databases, KDD). Эти знания могут быть представлены в виде закономерностей, правил, прогнозов и  связей между элементами данных и др. Главным инструментом поиска знаний в процессе KDD являются аналитические технологии Data Mining, реализующие задачи ассоциации, кластеризации, классификации, регрессии, прогнозирования, предсказания и т.д.

В соответствии с концепцией KDD эффективный процесс поиска знаний не ограничивается их анализом. KDD включает последовательность операций, необходимых для поддержки аналитического процесса. К ним относятся:

  • Консолидация данных – процесс их извлечения из различных источников (OLTP-систем, СУБД, файлов отдельных пользователей, Интернета и т.д.) и загрузка в централизованное хранилище данных.
  • Подготовка анализируемых выборок данных (в том числе обучающих), загрузка их из хранилища или других источников в аналитическое приложение.
  • Очистка данных от факторов, мешающих их корректному анализу, таких как шумы и аномальные значения, дубликаты, противоречия, пропуски, фиктивные значения и т.д.
  • Трансформация – оптимизация данных для решения определенной задачи. Обычно на этом этапе выполняется исключение незначащих факторов, снижение размерности входных данных, нормализация, обогащение и другие преобразования, позволяющие лучше «приспособить» данные к решению аналитической задачи.
  • Анализ данных – применение методов и технологий Data Mining: построение и обучение моделей (нейронных сетей, деревьев решений, карт Кохонена и др.), решениезадач классификации и регрессии, кластеризации, прогнозирования, поиска ассоциаций и т.д.
  • Интерпретация и визуализация результатов анализа, их применение в бизнес-приложениях.

У данных методов существуют прикладные применения, например, их можно использовать для прогнозирования и увеличения продаж компании за счет более точного определения потребностей рынка.

В качестве объекта для исследования возьмем рекламное агентство, специализирующееся на услугах размещения рекламы на статических конструкциях. Специфика деятельности организации состоит в том, что динамика продаж является неравномерной по многим параметрам: она зависит от сезона, от географического региона, от класса клиента (дилер или конечный клиент, A-B-C класс клиента) и т.д.,
Используются различные типы рекламных носителей:

  • Биллборд;
  • Брандмауэр;
  • Лайтбокс;
  • Панель;
  • Панель-кронштейн;
  • Растяжка;
  • Призмаборд;
  • Призматрон;
  • Ситиборд;
  • Стикер;
  • Суперсайт;
  • Штендер;
  • Щит;
  • Сити-формат;
  • Нестандартная конструкция.

Рынок наружной рекламы характеризуется высокой степенью конкуренции. В таких условиях первоочередными являются задачи привлечения новых клиентов и удержания существующих.

В качестве способа повышения продаж предлагается более точное определение потребности клиента на основании типичного поведения схожих групп клиентов. Анализ транзакций о совершенных сделках происходит за достаточно большой период времени (с 2007 по 2012 г.)

На предприятии используется информационная система семейства «1С:Предприятие». Для решения поставленных задач существующий инструментарий платформы «1С:Предприятие» был  адаптирован под специфические требования. Использовались методы поиск ассоциаций, сегментация, кластеризация, в результате применения которых отдел продаж Компании получил возможность формирования качественного прогноза будущих продаж, а также формирования предложения клиенту, которое наилучшим образом прогнозирует его потребность. Это способствует повышению общего уровня продаж Компании в долгосрочном периоде.

Рубрика: 
Другое
Голосов пока нет
Школа IT-менеджмента Экономического факультета АНХ, 119571, Россия, г. Москва, проспект Вернадского, д. 82 корп. 2, офис 207, тел.: +7 (495) 933-96-00, Copyright @ 2008-2009