Prädiktive Analysen

In diesem beliebten dreitägigen Lehrgang werden den Teilnehmenden verschiedenste Werkzeuge an die Hand gegeben, mit denen sie effektiv prädiktive Analysen in ihrer Organisation durchführen können.

Dieser Lehrgang stellt die Grundlagen der prädiktiven Analyse vor. Die Teilnehmenden lernen Verfahren für die Datenanalyse, um Muster in historischen Daten zu analysieren, z. B. Statistik, Modellierung und maschinelles Lernen. Durch das Analysieren dieser Daten lassen sich bessere Einblicke gewinnen, potenzielle Risiken identifizieren, Verbesserungsmöglichkeiten erkennen und Prognosen erstellen. Anhand von Beispielen aus der Praxis und Übungen werden Analyseprinzipien vorgestellt.

 

Dieser Kurs richtet sich an alle Mitarbeitenden in Organisationen, die leistungsstarke prädiktive Analysen nutzen möchten, um Probleme zu lösen. Der Kurs ist beliebt bei Businessanalysten, Problemlösungsteams, Leitern von Operational-Excellence-Aktivitäten, Marketinganalysten und Fachleuten, die prädiktive Analysen in ihrer Organisation einführen möchten.

Lehrgang

TAG 1

In diesem Grundlagenkurs lernen Sie, wie Sie den Zeitaufwand für die Datenanalyse minimieren, indem Sie mit Minitab Daten importieren, solide statistische Ansätze zur Untersuchung Ihrer Daten entwickeln, aussagekräftige Visualisierungen erstellen und interpretieren und die Ergebnisse exportieren. Sie automatisieren Ihre Minitab-Analyse und sorgen dafür, dass nur minimale Benutzereingaben erforderlich sind, um Zeit zu sparen. Sie analysieren eine Vielzahl von Datensätzen aus der Praxis, um zu erfahren, wie Sie das richtige Analysewerkzeug für die jeweilige Situation auswählen und die statistischen Ausgaben interpretieren. Sie erlernen die Grundlagen wichtiger statistischer Konzepte wie Hypothesentests und Konfidenzintervalle.

In diesem Kurs liegt der Schwerpunkt darauf, fundierte Entscheidungen auf der Grundlage von statistischen Verfahren zu treffen, die häufig in Geschäfts-, Fertigungs- und Finanzprozessen eingesetzt werden.

Es werden u. a. folgende Themen behandelt:

  • Importieren und Formatieren von Daten
  • Exec-Makros
  • Balkendiagramme
  • Histogramme
  • Boxplots
  • Pareto-Diagramme
  • Streudiagramme
  • Maße für Lage und Streuung
  • t-Tests
  • Test auf gleiche Varianzen
  • Trennschärfe und Stichprobenumfang

Voraussetzungen: Keine

Streudiagramm: Prozentwert vs. Jahr nach Geschlecht
Diagramm: Person, Fehler

TAG 2

Dieser Kurs baut auf den im Kurs „Grundlagen der Analyse“ vorgestellten grundlegenden Konzepten der statistischen Analyse auf. Sie erfahren, wie Sie Beziehungen zwischen Variablen mit Werkzeugen für die statistische Modellierung untersuchen und beschreiben. Sie untersuchen und beschreiben Merkmale von Daten hinsichtlich Effekt und Auswirkungen der Zeit und prognostizieren zukünftiges Verhalten.

Sie lernen, wie Sie die Auswirkungen von Eingabevariablen auf die Wahrscheinlichkeit, dass ein kritisches Ereignis auftritt, ermitteln und quantifizieren. Anhand von praktischen Beispielen wird veranschaulicht, wie mit Modellierungswerkzeugen wichtige Eingaben und Streuungsquellen in Ihren Daten aufgezeigt werden.

Es werden u. a. folgende Themen behandelt:

  • Streudiagramme
  • Korrelation
  • Einfache lineare Regression
  • Zeitreihenwerkzeuge, u. a. exponentielle Glättung
  • Trendanalyse
  • Zerlegung
  • Multiple und schrittweise Regression
  • Binäre logistische Regression…
  • Regression mit Validierung

Voraussetzungen: Grundlagen der Analyse

Matrixdiagramm der Mitarbeiter, Produktion V, Eingänge/Ex, Schicht, Partikel
Glättungsdiagramm für Passagiere

TAG 3

Erweitern Sie Ihre analytische Kompetenz, indem Sie Daten von Problemen analysieren, die in vielen Branchen auftreten, um Beziehungen zwischen Variablen zu untersuchen und zu beschreiben. Sie lernen, wie Sie Verfahren des beaufsichtigten maschinellen Lernens wie CART® anwenden, um Muster in historischen Daten zu analysieren und dadurch bessere Einblicke zu gewinnen, potenzielle Risiken zu identifizieren, Verbesserungsmöglichkeiten zu erkennen und Prognosen zu erstellen.

Sie verwenden Verfahren des unbeaufsichtigten maschinellen Lernens wie das Clustering, um natürliche Partitionen in den Daten aufzudecken und die Beobachtungen oder Variablen in homogene Gruppen aufzuteilen. Sie reduzieren die Dimensionalität der Daten, indem Sie die ursprünglichen Daten in einen Satz nicht korrelierender Variablen transformieren.

Es werden u. a. folgende Themen behandelt:

  • Diskriminanzanalyse
  • Validierung mit einem Testdatensatz
  • Validierung mit K Faltungen
  • CART®-Klassifikation
  • Korrelation
  • CART®-Regression
  • Clusteranalyse

Voraussetzungen: Grundlagen der Analyse, Regressionsmodelle und Prognose

Dendrogramm – vollständige Verbindung, euklidische Distanz
Entscheidungsbaum für Klassenknoten nach Geschlecht und Alter

TAG 4

Bringen Sie Ihre analytische Kompetenz auf die nächste Stufe, indem Sie Daten von Problemen analysieren, um Beziehungen zwischen Variablen zu untersuchen und zu beschreiben. CART-Bäume bieten eine einfache Baumstruktur für die Interpretation komplexer Beziehungen. Die Prognosefähigkeit kann jedoch häufig durch die Verwendung eines leistungsfähigeren Modells verbessert werden, mit dem zahlreiche einfache Modelle (oder Bäume) erstellt und zu einem endgültigen Modell kombiniert werden. Sie lernen, wie Sie hoch entwickelte Modellierungsverfahren wie MARS®, TreeNet® und Random Forests® verwenden, um Muster in historischen Daten zu analysieren und dadurch bessere Einblicke zu gewinnen, potenzielle Risiken zu identifizieren, Verbesserungsmöglichkeiten zu erkennen und Prognosen für die Zukunft zu erstellen. Hinweis: Für diesen Kurs ist ein Abonnement für das Add-On-Modul „Prädiktive Analysen“ erforderlich.

Es werden u. a. folgende Themen behandelt:

  • Validierung
  • CART®-Klassifikation
  • TreeNet®-Klassifikation
  • Random Forests®-Klassifikation
  • Korrelation
  • MARS®-Regression
  • CART®-Regression
  • TreeNet®-Regression
  • Random Forests®-Regression
  • Wichtige Prädiktoren ermitteln
  • Automatisierte Modellierung des maschinellen Lernens

Voraussetzungen: Grundlagen der Analyse, Regressionsmodelle und Prognose, Maschinelles Lernen

Dendrogramm – vollständige Verbindung, euklidische Distanz
Entscheidungsbaum für Klassenknoten nach Geschlecht und Alter

TAG 5 – OPTIONAL

Minitab-Schulungen bilden die Grundlage für effiziente Datenanalysen mithilfe von Statistik. Die Beispiele umfassen Szenarien aus der Praxis zum Erlernen der Werkzeuge, während die Übungen Gelegenheit zur praktischen Anwendung bieten. Machen Sie Ihre Bildungsreise zu einem immersiven Erlebnis, indem Sie die Schulung mit Ihren Unternehmensdaten anreichern. Dies gibt den Teilnehmern die Möglichkeit, sich direkt auf ihre spezifischen Anwendungsfälle zu beziehen.

Der Workshop konzentriert sich darauf, fundierte Entscheidungen zu ermöglichen, die auf der praktischen Anwendung von Statistikwerkzeugen auf Ihre Unternehmensprojekte basieren, wobei Ihre eigenen Daten genutzt werden.

Die Themen werden durch die spezifischen Kundendaten bestimmt, die während des Workshops bereitgestellt werden.