Analytics

Find out how analytics, from data mining to cognitive computing, is changing the way we do business

Analytics | Fraud & Security Intelligence
WooSeong Jeon 0
디지털 시대의 새로운 사기위험에 대응하는 시스템과 운영전략

고객은 금융기관이 개인 정보를 안전하게 관리하면서도 거래지연 없는 쉽고 빠른 서비스를 제공 해주기를 원합니다. 따라서 디지털 시대의 금융기관은 보다 빠르고 편리한 서비스를 보다 안전하게 제공하기 위해 실시간으로 위험거래를 탐지할 수 있는 시스템과 위기상황에 신속히 대응할 수 있는 정책이 준비되어야 합니다. 편리함이 가져온 새로운 위험요소 디지털화는 속도와 편리성이 높아 24시간 언제든

Analytics | Fraud & Security Intelligence
Tom Wriggins 0
COVID opens door to pervasive healthcare fraud

It's easy to get distracted by new developments in the fight against healthcare fraud. New services. New providers. Relaxation of rules. The COVID-19 pandemic has quickly revolutionized the healthcare landscape. For instance, the government made sweeping regulatory changes to accommodate a surge in patients. Healthcare delivery and payment organizations, commercial

Analytics | Fraud & Security Intelligence
Jen Dunham 0
Fighting bribery and corruption with supplier integrity

Bribery and corruption continue to plague governments and organizations around the world. Brazil’s Operation Car Wash, the 1MDB scandal in Malaysia, the FIFA bribery case and many others continue to make headlines. The prevalence of widespread, coordinated corruption and bribery is alarming and seems to continue to grow, despite ongoing sanctions and fines meant to deter these

Analytics | Fraud & Security Intelligence
Timo Kettunen 0
Adding insult to injury: Workplace safety and fraud

If a cinderblock falls from the 4th floor of a building and crushes a construction worker’s foot, it’s terrible. If it lands on his head, it’s truly tragic. But the difference is sheer luck.  Every employee deserves to return home safely from work. Unfortunately, accidents happen, which is why employers must carry mandatory workers’ compensation

Analytics | Fraud & Security Intelligence | SAS Events
Ilkay Aydogdu 0
Eureko Sigorta Data Studio Lideri Özlem Odar: “Veri ve analitik projelerin çevik yöntemlerle uygulanmasını ve hızlı sonuçlar üretilmesini amaçlıyoruz”

Sanal etkinliğimiz Beyond Tomorrow öncesinde Eureko Sigorta’nın Data Studio Lideri Özlem Odar ile görüşme imkanı buldum. Hepimizin bildiği gibi Türkiye'nin öncü sigorta firmaları arasında yer alan Eureko Sigorta, hasar yönetimi ve risk değerlendirme konusundaki uzmanlığı ile alanında lider konumda olan uluslararası bir yapıya sahip. Avrupa'nın 6 ülkesinde 22.000 çalışanıyla dünyanın

Analytics | Risk Management
Enzo Roccasalva 0
Sommelier de Riesgo: Entrega 8– Riesgo de Crédito: “Técnicas de Inferencia de Denegados”

“Los encantos de esta ciencia sublime, las matemáticas, solo se revelan a aquellos que tienen el valor de profundizar en ella” Carl Friedrich Gauss ¡Estimados lectores, ha vuelto el Sommelier del Riesgo! En este breve artículo, hablaremos de las metodologías de inferencia de denegados que se utilizan en la construcción

Analytics | Data Management
Jong-Phil Park 0
[분석기술의 실용화 전략 #2] Operationalizing Analytics와 세가지 사례

지난 글에서는 분석 모델을 배포하기까지 많은 시간이 소요되는 이유, 이를 극복하기 위한 방법으로서 운영계에 적용하는 ModelOps의 개념과 효과를 소개해드렸습니다. 하지만 통상적으로 기업의 의사결정이 분석의 결과만으로 이뤄지지는 않습니다. 분석 인사이트를 기반으로 하되 기업에서 설정한 비즈니스 룰을 확인해야 하며, 기업 안팎의 상황에 대한 검토도 필요합니다. 금융권을 예로 들면, 고객의 신용대출 요청에 따른

Analytics | Data Management
Kalliopi Spyridaki 0
Data governance: The renewed imperative for digital financial institutions

New and more prescriptive privacy and other data-related regulations are elevating data governance to a strategic asset for organizations in all sectors. Data governance can no longer remain confined to a back-end IT operation. As the data-rich financial services sector is now moving fast towards more profound digitization of financial

Advanced Analytics | Analytics | Artificial Intelligence | Learn SAS | Machine Learning | Programming Tips
0
[SAS로 딥러닝 시작하기#2]딥러닝 성능 개선 방법 '하이퍼파라미터 튜닝'

지난 딥러닝 시리즈에서는 SAS Visual Data Mining and Machine Learning을 활용한 딥 러닝 모델 생성에 대한 내용 중 <기본 심층 신경망(DNN) 모델 아키텍처와 배치 정규화를 사용한 DNN 모델 구축>에 대해 소개해 드렸습니다. 이번 시리즈에서는 딥 러닝 성능을 개선할 수 있는 하이퍼파라미터를 조정에 대해 소개해 드립니다. 일정 기간에 걸쳐 성능이 향상되고

Analytics | Artificial Intelligence | Fraud & Security Intelligence | Machine Learning
Caroline S Payne 0
6 steps for end-to-end processing of fraud and corruption detection

Detecting malpractice and crime – whether it is fraud, people smuggling, avoiding customs or organised crime – is a complex process. Detection is all very well and a necessary step. But what are the outcomes that your organisation needs? And what workflows and triggers do you need in place to

Advanced Analytics | Analytics | Data Visualization | Learn SAS
0
SAS Viyaのワードクラウド分析を用いた消費者の声分析例

01. はじめに 今回のポスティングでは、SAS Viyaの「テキストトピック」という機能を用いたSNSの消費者の声の分析例を紹介したいと思います。分析の手法として「ワードクラウド分析」という方法を使いましたが、こちらについても後ほどお話します。SNS上の書き込みデータを分析することで、ビジネスに役立てられる洞察を得ることができますので、最後まで読んでいただければと思います。   02. 消費者の声分析の一般的な流れ SNS上の消費者の声分析は、一般的に大きく3つの段階に分けることができると思います。そのステップ①は様々なSNSプラットフォームから消費者の声を集める「データ収集」です。ステップ②は、収集したデータを分析する段階です。データ分析の手段はいくつかがありますが、本記事では、「ワードクラウド分析」という手法を用いることにします。最後のステップは、ビジネスメリットに繋げるように分析結果を活用する段階です。分析結果を元により意思決定し、施策を実施する段階です。本記事では、3つの段階の中で2段階目の「データ分析」、具体的には、「ワードクラウドを用いた分析」について説明します。   03. ワードクラウド分析とは? ワードクラウドというのはテキストデータの意味をより直感的に把握するための分析の一つ手法です。 テキストデータを単語に分割し、単語ごとの出現頻度をカウントし、その頻度に応じた大きさでその単語を視覚的に表示してくれます。 つまり、テキストや文章が何に関して語られているのか、そのキーワードを簡単に見つけ出すことができる手法になります。 例えば、SNS上の書き込みをテキストデータ化して分析し、顧客や消費者が今どんな事に興味を持っているのか、どんな不満があるのか、などを把握することができます。 (出典:https://awario.com/) 私はニュースなどのメディアでアメリカのトランプ大統領がどんな単語を何回使ったか、トランプ大統領のツイッターを分析したワードクラウドを見たことがあります。例えば、上のイメージは、2018年から2019年までのトランプ大統領のツイッターでつぶやかれた単語のワードクラウドですが、「border」と「wall」が一番使われた単語ということが一目で分かります。   04. SAS Viyaのワードクラウドの特徴 SAS Viyaのワードクラウドの特徴についてご紹介します。 まず、自動的に分析対象のテキストデータを単語に分割した上で解析します。所謂テキストマイニングと言いますが、その結果として、それぞれの文章がどんな話題(トピック)に関して語っているのかを分析し、トピックごとにキーワードを頻度に応じた大きさで確認することができます。また必要に応じて、気になるトピックやキーワードの元の文章を確認することもできるようになっています。 また、分析の際、冠詞や、助詞、副詞など、意味がない単語は自動で外して分析を行います。 これも、SAS Viyaのワードクラウドの一つの特徴なのですが、例えば、Open Source系のプログラミング言語で分析をすると、英語の 「the」や「a」などは、 分析者自身でなんとかして、取らなければいけないこともありますが、SASでは自動でその作業を行います。 さらに、書き込み内容がネガティブな内容なのか、ポジティブなのか、中立であるか、確認できる機能もあります。この機能は、「センチメント分析」、 日本語では「感情分析」と呼ばれますが、SASではワンクリックで簡単に実行できます。   05. 消費者の声分析例 それでは、SAS Viya の「テキストトピック」という機能を用いた消費者の声分析デモをご紹介いたします。 ▲ 準備したデータについて 日本では最近「天高く馬肥ゆる秋」になったので、季節感が感じられるように「天気」に関したデータを準備しました。また、オーストラリアのシドニーとカナダのバンクーバーのツイッターデータを収集しました。この二つの地域を設定した理由は、現在のシドニーは昼間の平均気温が約20度で、少し暖かいか、涼しい天候ですが、バンクーバーは約5度と少し寒く、対立的な地域を選ぶことで、明確な結果を得たかったからです。(個人的な理由もあり、キャリア管理の上司がSASオーストラリアのシドニーで働いていて、同期の1人はSASカナダのバンクーバーにいるので、毎回オンライン会議で会う2人の季節環境が気になったのです。同期と出会った新入社員研修についての記事はこちら) データの対象期間は、10月15日から10月23日まで、9日間、データの取得の際に使ったキーワードは、「weather」、「today’s weather」、「weekend weather」、「winter」、「summer」という5つのキーワードを使いました。こういった条件で実際にツイッターから集められたデータは、シドニーが351件、バンクーバーが277件でした。 ▲ 「天気」に関するシドニーの消費者の声分析 まず、シドニーの消費者の声のワードクラウド分析結果を見てみましょう。 「雨」に関するトピックが44件で、トピック全体で1位になっております。こちらのトピックをクリックすると、このトピックに関連する用語・キーワードを右側の画面で確認できます。「rainy」の比重が最も大きいことが分かります。 (出典:https://www.holiday-weather.com) 雨に関するデータが多い理由は、データを収集していた10月15日から23日前後にシドニーは天気が曇ったり、雨が降ったりしたからだと考えられます。

Advanced Analytics | Analytics
Sandra Hernandez 0
Eventos híbridos, una tendencia que acerca a los clientes en la nueva normalidad

El pasado 22 de agosto, más de 90 líderes empresariales de varios países latinoamericanos se unieron para hacer un recorrido de ciclismo durante casi dos horas. Lo hicieron pedaleando en vivo desde cada una de sus casas, pero conectados a través de Zwift, una de las plataformas de ciclismo virtual

Analytics | Data Management
Jong-Phil Park 0
[분석기술의 실용화 전략 #1] 데이터 중심의 의사결정을 위한 마지막 관문, 모델 배포와 최적화

기업에서는 하루에도 여러 차례 비즈니스에 중요한 의사결정을 내리고 있습니다. 최선의 선택을 하기 위해 많은 기업이 강력한 분석 모델을 개발하여 의사결정 프로세스에 분석 결과를 통합하고 있습니다. 하지만 의사결정에 결정적인 역할을 하는 대부분의 분석 모델은 빛을 보지 못합니다. 데이터 중심의 의사결정을 위한 실용화의 마지막 관문을 넘지 못하기 때문입니다. 본 글에서 데이터 중심의

Analytics
Rick Wicklin 0
The sample skewness is a biased statistic

The skewness of a distribution indicates whether a distribution is symmetric or not. The Wikipedia article about skewness discusses two common definitions for the sample skewness, including the definition used by SAS. In the middle of the article, you will discover the following sentence: In general, the [estimators] are both

1 39 40 41 42 43 131

Back to Top