2. SAP PREDICTIVE ANALYTICS
• Facilita a los analistas del negocio automatizar
la construcción de modelos predictivos
sofisticados para cada función de minería de
datos imaginables en tiempos prudentes en
dias, no semanas o meses.
• Ofrece un entorno de visualización avanzada
una forma intuitiva de explorar los datos.
Transforma los resultados del modelado
predictivo aplicado en visualizaciones
impactantes, avanzadas que revelan
información procesable.
• Puede obtener contribuciones con variables
individuales para cada modelo de predicción,
simulación, y la puntuación de una pregunta de
negocio específico - en tiempo real.
• Permite a sus analistas de negocios y científicos
de datos resolver y predecir "qué pasa si" ,y
proporcionar el modelo de gestión de principio
a fin para cientos o incluso miles de modelos
predictivos.
• Poderosa red de gestion de gran alcance y
análisis de enlaces para comprender las
conexiones y relaciones entre sus clientes - y
descubrir la fuerte influencia social de los
clientes. Esta capacidad puede ayudar a
manejar mejor la rotación, el riesgo y el fraude.
• Proporcionar un entorno de modelado de
algoritmos de código abierto basados en
algoritmos R-Base, SAP HANA PAL, y SAP
Automated Predictive Library (APL) . Construye
modelos predictivos con una potente interfaz de
drag-and-drop y permiten a los usuarios escribir
sus propios Scripts R.
• El administrador de Datos, proporciona un
framework para facilitar la preparación de
datos automatizada. Los usuarios de negocio
pueden definir un amplio conjunto de
componentes reutilizables, que se pueden
aplicar para crear automáticamente conjuntos
de datos de modelado.
CAPACIDADES
Permite crear resultados mejores y más
rápidos de predicción, entregar la máquina de
aprendizaje a escala utilizando un enfoque de
fábrica y traer información predictiva donde
las personas interactúan en los procesos de
negocio y aplicaciones
3. ARQUITECTURA
Figura 1, SAP HANA & HADOOP Implementation - Predictive Analytics. [Figura]. Recuperado de http://www.slideshare.net/Cloneskills/hana-hadoop-updatedv3
Figura 1
SAP PREDICTIVE ANALYTICS
4. Oracle Advanced Analytics (ORACLE DATAMINING)
• Cálculos numéricos y gráficos avanzados interactivos dentro de la base de datos.
• Los analistas de datos, los científicos de datos estadísticos, programadores, desarrolladores de
aplicaciones y DBA pueden desarrollar y automatizar las metodologías analíticas sofisticadas
dentro de la base de datos y obtener una ventaja competitiva.
• La forma más rápida para ofrecer aplicaciones de análisis predictivo para empresas dado a que
la base de datos se convierte en la plataforma escalable y segura para la entrega de
predicciones y conocimientos para paneles de BI y aplicaciones.
• La construcción y la implementación de modelos de predicción dentro de la empresa es rápido
y fácil.
CAPACIDADES
Oracle Data Mining (ODM),es un componente
de Oracle Advanced Analytics, proporciona
potentes algoritmos de minería de datos que
permiten análisis de datos para descubrir
puntos de vista, hacer predicciones y
aprovechar sus datos y la inversión de Oracle
Proporciona implementaciones paralelizadas,
en la base de datos de algoritmos de minería
de datos y la integración con código abierto
analistas R. datos sobre el uso de Oracle Data
Miner interfaz gráfica de usuario y R para
construir y evaluar los modelos predictivos y
paquetes de apalancamiento R y gráficos
5. Oracle Advanced Analytics (ORACLE DATAMINING)
ARQUITECTURA
Figura 2
Figura 2 , Recuperado de http://www.oracle.com/technetwork/database/options/advanced-analytics/overview/index.html
6. Beneficios
• Alcanzar nuevos niveles de rendimiento empresarial.
• Se pueden alcanzar nuevas metas y ver oportunidades a larga distancia que proporcionen importantes saltos cualitativos en el entorno
corporativo.
• Utilizar los indicadores de calidad y el análisis predictivo de la mano puede llevar a buen termino los proyectos en cuestión.
• Nos ayuda a priorizar los aspectos mas importantes y de mayor valor corporativo para redireccionar los esfuerzos hacia estos y así
obtener los mejores resultados.
• Permite estudiar nuevas posibilidades en el mercado de la industria especifica donde se aplique y así poder visualizar oportunidades de
mercado.
7. • Equilibrio en la facilidad de uso.
• Precio en Relación a la capacidad de Uso.
• Nivel de Madurez estadística dentro de la organización.
• Sofisticación algorítmica.
Factores Claves en la diferenciación del software
Consideraciones para la elección del Software
• Dependiendo de los casos de uso para la implementación se requerirá de una buena capacidad de análisis y tener claro los algoritmos de
modelado que se requieran a utilizar, es muy importante entender el problema del negocio a resolver y evaluar los productos
dependiendo de la necesidad de negocio a resolver.
• Se debe tener en cuenta las capacidades , conocimientos y habilidades del analista para el manejo del software elegido.
• El alcance de los datos a analizar, de acuerdo a los requisitos específicos de la organización para el acceso , procesamiento y variedad
de datos.
• El apoyo a la escalabilidad y el alto desempeño.
• Necesidad de software con colaboración incorporada para compartir análisis , modelos y aplicaciones a través de diferentes grupos y
entre todos.
• Tener en cuenta la reputación del vendedor así como la diversidad de herramientas que ofrece su software de análisis.
• Se debe considerar las licencias que se deben adquirir y el costo por licencias de cada proveedor de acuerdo a las características que
ofrece cada uno.