Machine learning

Nástrahy v bludišti data science: jak být dobrým konzultantem, nikoli pouze nerdem | Mňamka #258

Nástrahy v bludišti data science: jak být dobrým konzultantem, nikoli pouze nerdem | Mňamka #258

V dnešním in-house článku se s vámi Marek podělí o trochu data scientist sebereflexe. Jde o vztah mezi manažery a data scientisty. Obě skupiny se navzájem znají a disponují touhou dosáhnout stejných cílů, těmi cíli jsou zodpověděné otázky, které pomohou byznysu a povedou k jeho zlepšení. To bohužel neznamená, že jejich vztah je vždy růžový, ale nezoufejte! Marek vám dá pár tipů k tomu, jak s manažery lépe vyjít. Proč data scientisti mluví divně? Z čeho mají největší radost? A jak to že si často myslí, že cesta je cíl? To a mnohem víc najdete v této mňamce.

Ze života datového detektiva III.: Analytik, matematik a vývojář | Mňamka #255

Ze života datového detektiva III.: Analytik, matematik a vývojář | Mňamka #255

Proč je datový detektiv i analytik, matematik a vývojář? To vám v dnešní mňamce představí Bára, která má už pár datových modelů na svědomí. Proč je analytik spíš Sherlock Holmes než Hercules Poirot? Jak se hledají v datech souvislosti, které vedou k největší rentabilitě? Jak analytik jakožto datový detektiv postupuje? A co za vlastnosti by měl analytik mít? Bára vám nastíní pár nástrojů a tipů co našim zákazníkům přináší ty vytoužené výsledky. Tento in-house článek je již třetím v sérii „Ze života datového detektiva“ tak si ho nenechte ujít!

Churn prediction model | Mňamka #195

Churn prediction model | Mňamka #195

Získávat nové zákazníky je pro firmy velmi drahé. Snižovat churn je proto pro mnohé z nich jednou z priorit. Pokud dokážeme včas rozeznat tendenci k odchodu určitého zákazníka, máme šanci toto rozhodnutí zvrátit. Co je churn prediction model a jak na něj? Co potřebujeme, abychom byli schopni vytvořit opravdu dobrý model? Jak takový model vypadá a co s ním dál? Adam sepsal své zkušenosti!

Nástrahy v bludišti data science: jak být dobrým konzultantem, nikoli pouze nerdem | Mňamka #258

Nástrahy v bludišti data science: jak být dobrým konzultantem, nikoli pouze nerdem | Mňamka #258

V dnešním in-house článku se s vámi Marek podělí o trochu data scientist sebereflexe. Jde o vztah mezi manažery a data scientisty. Obě skupiny se navzájem znají a disponují touhou dosáhnout stejných cílů, těmi cíli jsou zodpověděné otázky, které pomohou byznysu a povedou k jeho zlepšení. To bohužel neznamená, že jejich vztah je vždy růžový, ale nezoufejte! Marek vám dá pár tipů k tomu, jak s manažery lépe vyjít. Proč data scientisti mluví divně? Z čeho mají největší radost? A jak to že si často myslí, že cesta je cíl? To a mnohem víc najdete v této mňamce.

Ze života datového detektiva III.: Analytik, matematik a vývojář | Mňamka #255

Ze života datového detektiva III.: Analytik, matematik a vývojář | Mňamka #255

Proč je datový detektiv i analytik, matematik a vývojář? To vám v dnešní mňamce představí Bára, která má už pár datových modelů na svědomí. Proč je analytik spíš Sherlock Holmes než Hercules Poirot? Jak se hledají v datech souvislosti, které vedou k největší rentabilitě? Jak analytik jakožto datový detektiv postupuje? A co za vlastnosti by měl analytik mít? Bára vám nastíní pár nástrojů a tipů co našim zákazníkům přináší ty vytoužené výsledky. Tento in-house článek je již třetím v sérii „Ze života datového detektiva“ tak si ho nenechte ujít!

Churn prediction model | Mňamka #195

Churn prediction model | Mňamka #195

Získávat nové zákazníky je pro firmy velmi drahé. Snižovat churn je proto pro mnohé z nich jednou z priorit. Pokud dokážeme včas rozeznat tendenci k odchodu určitého zákazníka, máme šanci toto rozhodnutí zvrátit. Co je churn prediction model a jak na něj? Co potřebujeme, abychom byli schopni vytvořit opravdu dobrý model? Jak takový model vypadá a co s ním dál? Adam sepsal své zkušenosti!

Machine learning, modelování, predikce... jsou na ně vaše data připravena? | Mňamka #192

Machine learning, modelování, predikce... jsou na ně vaše data připravena? | Mňamka #192

Firmy jsou často ochotny vynaložit nemalé prostředky na sestavení různých machine learning modelů nebo predikcí. V datech právem vidí konkurenční výhodu. Jenže... jen zlomek těchto modelů je nakonec úspěšně použit. Kde jsou ty pasti, do kterých modely padají? Předchozí analýza dokáže odhalit největší rizika. Na co si posvítit, než se do modelů pustíme? Dostatek kvalitních dat je pomyslný základ, ale zdaleka to nestačí. Bára dala dohromady kompletní přehled, který vychází z její praxe!

RFM analýza tady a teď | Mňamka #153

RFM analýza tady a teď | Mňamka #153

RFM is not dead. RFM žije. A pořád je to dobrá cesta, jak jednoduše zjistit, jaké že to mám zákazníky, nebo komu třeba zavolat. Už je to nějaký pátek, kdy jsme vytvořili aplikaci do Keboola Connection, která tuhle segmentaci dělá automaticky za Vás. Nemusíte nic "kódit". Zkuste to! Stačí to pustit.