KXEN Event Log(KEL)
～トランザクションデータ期間集計コンポーネント～
KXEN Event Logは履歴データからマイニングに必要な大量の変数を作り出します。 |
KELは購買履歴などからノンプログラミングでデータマイニングが可能な形式に加工を行うオプションモジュールです。履歴データを年、四半期、月、週、日などの時系列の区切りごとに商品別などの単位でサマリー・集計（件数、合計、平均、最大、最小）を行い、顧客マスターへの結合を自動的に行います。これによりユーザーは複雑なプログラミングによるデータ加工から解放されます。 |
顧客マスター |
顧客
番号 |
郵便
番号 |
性別 |
DM
送信日 |
DM
回答 |
1001
1002
--- |
153
154
--- |
男性
女性
--- |
2007/1/1
2006/3/6
--- |
NO
YES
--- |
|
|
| |
顧客マスター |
履歴データ |
顧客
番号 |
郵便
番号 |
性別 |
DM
回答 |
DM
送信日 |
購入回数
期間① |
金額合計
期間① |
購入回数
期間② |
金額合計
期間② |
1001
1002
--- |
153
154
--- |
男性
女性
---
|
NO
YES
--- |
2007/1/1
2006/3/6
--- |
3
1
--- |
\64,600
\136,540
--- |
0
1
--- |
\0
\21,998
--- |
|
|
履歴データ |
|
顧客
番号 |
製品 |
購入日 |
金額 |
1001
1001
1001
1002
1002
---
--- |
スピーカー
イヤホン
テレビ
ステレオ
DVD
---
--- |
2007/1/11
2007/1/15
2007/1/16
2006/5/16
2007/2/5
---
--- |
\9,500
\4,800
\50,300
\136,540
\21,998
---
--- |
|
“DM送付日を基準として、それ以降2年間の集計し、顧客マスターと融合せよ。” |
 |
応用事例「解約分析」 |
① |
CPMで最も重要な情報 |
| |
顧客を知るうえで最も重要なことは、どのようにして製品やサービスに関心を持ったのかという情報です。このような情報は、購買履歴やコールセンターのログとして保存されています。解約分析を行う際に、時系列の視点で顧客行動に関する情報は、モデルの精度を改善する上で非常に重要な意味を持ちます。
|
| ② |
履歴データの加工 |
| |
履歴データから解約の情報を得るためには、解約時点に基づいたデータ統合が必要です。顧客により解約日は異なるので”2007年4月”というような固定的な日付に基づいて統合されたデータはあまり意味を持ちません。
KELは、解約日から何ヶ月前にどのような商品を購入し、クレームの電話は何回かかってきたかなどでのデータを統合します。これはKXEN Robust Regression(K2R)を用いた分析に活用することができます。 |
|
応用事例「故障予測」 |
① |
機械のメンテナンスで必要な情報とは |
| |
機械の故障を予測する場合、ロットナンバーやどのような設備があるかといった情報は、どのようにその設備が使われていたかという情報ほど重要ではありません。気温や負荷といったコンディションデータとオペレーティングログこそKELで有効に活用できるのです。
|
| ② |
機械の稼動期間に応じたデータの統合 |
| |
新しい機械のアラートは、10年使用している機械における同様のアラートとは異なった意味を持ちます。耐用年数の最初の5年間の毎クオーターにおける気温や最大負荷下における警報数は、KELによって自動的に生成することができます。このケースの場合、KXEN Smart Segmenter(K2S)による機械故障リスクの高低についてのセグメントに分類して、どこに位置するかを付加して使用する事が可能となります。 |
|
[Top of page]
Copyright © SunBridge Corp. All rights reserved. |
|
| 
