IPA

Użycie analizy danych jako metody wsparcia w podejmowaniu optymalnych decyzji biznesowych

Tworzenie i edycja projektów.

Zarządzanie pracą grupową.

Import i integracja danych.

Przygotowanie danych do postaci analitycznej.

Wstępna analiza i prezentacja danych.

Import danych z różnorodnych plików i baz.
Modyfikacja tabeli za pomocą edytora SQL.
Optymalizacja zapytań w postaci drzewa SQL.
Przechowywanie historii zapytań z możliwością ich ponownego wywołania.
Generowanie statystyk opisowych do szybkiej oceny jakości zmiennych, w tym inteligentne podpowiadanie nazwy schematów tabel, zmiennych oraz składni kodu.
Wykrywanie ukrytych w danych informacji oraz zależności za pomocą tabel przestawnych wraz z interaktywnymi wizualizacjami.

Inżynieria cech.

Tworzenie predyktorów.

Imputacja danych – możliwość uzupełniania braku danych w sposób ręczny lub automatyczny z zastosowaniem najlepszych praktyk biznesowych.
Ekstrakcja cech – przeszukiwanie przestrzeni danych i podpowiadanie optymalnych podziałów dla wybranej liczby kategorii.
Dyskretyzacja zmiennych ciągłych.
Grupowanie zmiennych kategorycznych.
Generowanie syntetycznych predyktorów w oparciu o informację interakcyjną, gdzie rozpatrujemy łączny efekt kilku zmiennych w kontekście analizowanego problemu.
Przedstawienie wyników podziału zmiennej w postaci czytelnych tabel, wykresów i statystyk m.in. WoE (Weight of Evidence), IV (Information Value), PSI (Population Stability Index).
Redukcja wymiarowości zbioru danych – zastosowanie Analizy Głównych Składowych.

Budowa i walidacja modeli.

Automatyczna budowa karty scoringowej, skali ratingowej oraz punktu odcięcia.

Bogaty zestaw modeli statystycznych oraz uczenia maszynowego, w tym: regresja logistyczna, regresja logistyczna z regularyzacją, las losowy, XGBoost, SVM.
Parametryzowanie modeli w oparciu o zdefiniowane warunki brzegowe.
Możliwość ręcznego wyboru zmiennych lub automatycznej selekcji cech.
Nowoczesne metody selekcji zmiennych z uwzględnieniem efektów interakcji.
Miary statystyczne, które oceniają siłę predykcyjną oraz stabilność zmiennych dla wybranych interwałów czasowych.
Wygodna identyfikacja słabych punktów modelu z możliwością ich usunięcia np. niska istotność, wysoka korelacja zmiennych.
Możliwość zapisu i porównania wielu modeli wraz z pełną historią optymalizacji.
Zarządzanie modelami. Możliwość porównania różnych modeli za pomocą statystyk agregujących lub metod analizy wielokryterialnej.
Automatyczna budowa karty scoringowej (dla scoring-u).
Interaktywna analiza wyboru punktu odcięcia (dla scoring-u).
Automatyczna budowa klas ratingowych (dla scoring-u).

Monitorowanie siły statystycznej i stabilności zmiennych oraz modeli.

Analiza jakości kalibracji modeli.

Porównanie zbioru deweloperskiego z danymi aktualnymi out-of-sample dla wybranych interwałów czasowych.
Raport z monitoringu modelu, m.in. statystyki KS, Gini, PSI, a także (w przypadku modeli ryzyka), rozkład punktów karty scoringowej, klas ratingowych oraz jakość kalibracji PD względem ratingu.
Raport z monitoringu zmiennych użytych w modelu, m.in. statystyki KS, Gini, PSI oraz rozkład wartości dla zmiennych.