SPIN.hr
 

   Divideo Ultimate Clustering Engine

Where To Apply?

Kad god imamo skup jedinki opisan s nekoliko svojstava možemo postaviti pitanja:

UpitnikYelowBlue.jpg (1227 bytes)

Postoji li pravilo po kojem se jedinke u skupu grupiraju u određene profile?

UpitnikYelowBlue.jpg (1227 bytes)

Možemo li jedinke grupirati u skupine tako da te skupine budu maksimalno homogene a da se istovremeno međusobno maksimalno razlikuju?

UpitnikYelowBlue.jpg (1227 bytes)

Kako opisati takve skupine?

UpitnikYelowBlue.jpg (1227 bytes)

Što je kriterij za kreiranje grupa?

UpitnikYelowBlue.jpg (1227 bytes)

Koja su obilježja važnija a koja manje važna?

YellowBlue.jpg (601 bytes)

DIVIDEO samostalno otkriva pravila i stvara iz osnovnog skupa homogene grupe.

YellowBlue.jpg (601 bytes)

DIVIDEO statistički i verbalno otkriva koji su faktori bili presudni za formiranje određene grupe.

YellowBlue.jpg (601 bytes)

Uspješno se primjenjuje u marketinškim istraživanjima, psiho-sociološkim studijama, istraživanjima javnog mijenja, kreiranju odnosa s javnošću, razvoju proizvoda...

DIVIDEO Osobine

RedPointYes.jpg (1199 bytes)

Priprema podataka u MS Excel 2000. Neograničena veličina uzorka.

RedPointYes.jpg (1199 bytes)

MS Windows interface. Podesivi pregledi. Paraleni rad na više projekata.

RedPointYes.jpg (1199 bytes)

Bogata statistika. Praćenje među rezultata. Ugrađene metode normalizacije. Dioba osnovnog skupa na proizvoljan broj podskupova. (2n)

RedPointYes.jpg (1199 bytes) Verbalni intepreter rezultata.
RedPointYes.jpg (1199 bytes)

Brzina. 1000 statističkih jedinica s 50 varijabli DIVIDEO dijeli u 16 profila za manje od 7 minuta.

Divideo cluster shema

Primjer A

Rose.jpg (1382 bytes)

Kreiranje politike osiguravajućeg društva prema specifičnim grupama osiguranika

 

Osiguravateljska kuća ima 10,000 klijenata. Želja je uprave da kreira specifične politike dodatnih polica za specifične skupine osiguranika.

Nije poznato koliko ima različitih profila osiguranika, kako oni izgledaju niti što su kriteriji za njihovo formiranje. Tvrtka može o svakom klijentu pribaviti podatke o spolu, starosti, primanjima, broju djece, bračnom stanju, broju nesretnih slučajeva, ocjenu zdravstvenog stanja. Na temelju zadanih podataka treba odrediti profile i njihove karakteristike.

Primjer B

Rose.jpg (1382 bytes)

Grupiranje proizvoda

 

Trgovački lanac prodaje više od 7,000 različitih artikala. Upravu zanima da li postoje grupe proizvoda koje se mogu zajednički promatrati s obzirom na svojstva i način prodaje. O svakom proizvodu poznate su osobine: cijena, marža, volumen, težina, prodaja po danima, struktura kupaca po spolu. Treba otkriti koji proizvodi čine tipične grupe s obzirom na zadane kriterije.

Primjer C

Rose.jpg (1382 bytes)

Tipični profili u generaciji studenata

 

U generaciji imao 150 studenata. Svaki student opisan je s ocjenama iz 10 srednjoškolskih predmeta, spolom, intelektualnim i emocionalnim profilom. Treba prepoznati tipične profile, opisati ih na pomoću zadanih obilježja i utvrditi što su kriteriji stvaranja grupa.

 

SPIN informatica © 1996 - 2026. Sva prava pridržana    Trenutno posjetitelja:        Pravna obavijest       Kontakt