Data mining v Excelu a hledání vzorů chování

S tímto tématem se setkáte na našich kurzech ExcelTown.
Aktuálně: kurzy můžete absolvovat jak online, tak prezenčně.

V tomto článku popisuji asi nejjednodušší funkci dataminingového doplňku v Excelu – doplňování dat podle určitých zákonitostí.

V návodu předpokládám, že doplněk už je správně nainstalovaný a připravený k použití.

Příklad

Náš modelový příklad se týká odhadování reakcí zákazníků.

Předpokládejme, že firma nabídla určitý produkt dvaceti zákazníkům. Někteří si jej koupili, někteří ne. Teď má dalších 80 potenciálních zákazníků, a chce odhadnout, kteří z nich si ho koupí a kteří ne (samozřejmě proto, aby ho nabídla těm s perspektivou nákupu).

U všech zákazníků, současných i budoucích, firma sleduje tři charakteristiky – pohlaví, věk a velikost bydliště zákazníka. Firma předpokládá, že alespoň některá z těchto charakteristik má vliv na náchylnost zákazníka ke koupi.

Skuteční i potenciální zákazníci jsou v jedné tabulce, která vypadá takto. Tedy rozhodnutí o nákupu znám pouze u některých zákazníků.

Obrázek1

Ukázkovou tabulku si můžete stáhnout tady

Řešení

Označím celou tabulku a jdu na Vložit / Tabulku. 

Obrázek2

Jdu kamkoliv do tabulky. Jdu na kartu Nástroje tabulky / Analyze. Pokud tato karta není k dispozici, nemám zřejmě nainstalovaný dataminingový doplněk, který obsahuje kromě dataminingu i nástroje pro analýzu tabulky.

V kartě Analyze kliknu na Fill from examples.

Obrázek3

V následujícím dialogu vyberu, který sloupec obsahuje částečně hodnoty, které chci doplnit. Bere se to tak, že ostatní sloupce obsahují informace, které mohou ovlivnit výsledek.

dialog

Excel se připojí na Analysis Services a chvilku data chroustá. Výpočty, které v tuto chvíli probíhají, jsou vnitřně docela složité – nás ale zajímá jen výsledek.

Výsledky jsou dva.

Na novém listu je znázorněné, jak moc který parametr ovlivňuje výsledek.

výsledek - vlivy
  • V našem případě Excel zjistil, že na nákupní rozhodování má vliv pouze pohlaví a věk – bydliště vůbec.
  • Nejvýraznějším faktorem pro nákup je ženské pohlaví zákazníka, a trochu slabší vliv má věk mezi 15 a 28 lety.
  • Faktorem pro odmítnutí nákupu je mužské pohlaví zákazníka.
  • Ideálním zákazníkem, který zřejmě koupí náš produkt, je tedy žena ve mezi patnácti a osmadvaceti.
Kromě toho v původní tabulce přibyl nový sloupec. V něm jsou jednak zopakované hodnoty od zákazníků, kde už byly uvedené, ale kromě toho, a to je hlavní, dopočítané hodnoty u těch zákazníků, kde jsme informaci neměli. Jsou dopočtené podle logiky, kterou měla už známá data – tedy v našem případě je “Koupil” uvedeno hlavně u mladších žen.

výsledek -.nový sloupec

A to je celé.

S tímto tématem se setkáte na našich kurzech ExcelTown.
Aktuálně: kurzy můžete absolvovat jak online, tak prezenčně.