Documente Academic
Documente Profesional
Documente Cultură
STUDIU DE CAZ
Compania XAuto are două domenii de activitate – leasing auto și polițe de asigurări auto. Societatea
dorește să realizeze un tablou de bord în care să integreze analize referitoare la activitățile sale, astfel:
Leasing:
C1. Profilul clienților în funcție de vârstă, sex, stare civilă, profesie, nivel venituri, grad de îndatorare,
istoric de creditare;
C2. Estimarea probabilității de încheiere a unui noi credit de leasing pe baza profilului clientului;
C3. Clasificarea clienților în funcție de profilul acestora;
C4. Analiza creditelor acordate în funcție de profilul clienților;
Asigurări:
Username: MS_DBA
Parola: oracle
Server
Host: 37.120.250.20
Port 1521
Service_name: oracle
Pe baza tabelelor a fost construit un set de tabele virtuale pentru a permite analiza multidimensională și
aplicarea algoritmilor de data mining.
Analizați datele din tabela T_CLIENTI_DAUNE. Selectați toate înregistrările. Tabela conține atribute
descriptive referitoare la producatori, furnizori, reprezentanța și marca auto, dar și valori numerice
referitoare la daune.
Puteți vizualiza toate tabelele virtuale în SQL Developer. Click View-> Data Modeler->Browser. In fereastra
apărută (stg jos), expandați Untitled_1, click dr. Relational Model și New Relational Model. Cu drag&drop
adăugați tabelele virtuale din lista de obiecte (Views).
5. Dezvoltarea funcționalităților sistemului
5.1. Dezvoltarea algoritmilor de data mining
Începând cu versiunea 11g, în Oracle Database tehnicile de data mining pot fi implementate cu SQL
Developer. Algoritmii de data mining pot fi aplicați prin crearea unui proiect și a unui flux de lucru
(workflow) în cadrul unei conexiuni în SQL Developer prin intermediul următoarelor componente
(Components):
Pentru analiza datelor în vederea aplicării algoritmilor de data mining, SQL Developer pune la dispoziție și
un model de analiză (Explore Data) disponibil tot în fereatra Components.
Leasing:
C3. Estimarea probabilității de încheiere a unui noi credit de leasing pe baza profilului clientului;
Asigurări:
Rezolvare - C3. Estimarea probabilității de încheiere a unui noi credit de leasing pe baza profilului
clientului;
Dorim să clasificăm clienții companiei de leasing din punctul de vedere al contractării unui credit nou
pe baza atributelor: profesie, varstă, sex, stare civilă, venit anual, suma deținută în depozite, creditele
existente și tipul acestora, gradul de fidelitate față de bancă, prescoringul realizat anterior. Datele
referitoare la clienți sunt stocate în tabela T_CLIENTI_LEASING disponibilă în schema MS_DBA.
Creați un nou proiect: click dr. pe numele utilizatorului -> New Project. Denumiți proiectul
PROIECT_NUME (unde NUME este numele vostru).
În acest proiect creați un nou flux, click dr - >New Workflow, denumirea w1 (sau orice alta
denumire). După acest pas sunt afișate componentele pentru data mining:
1. Analiza datelor din tabelele sursă
În fereastra fluxului de lucru adăugați o nouă sursă de date. Din fereastra Components->Data
selectați Data Source și drag and drop în fereastra de lucru.
Din fereastra apărută selectați tabela T_CLIENTI_LEASING apoi Next, lăsați toate atributele
selectate și Finish. Se va adăuga tabela T_CLIENTI_LEASING.
Pentru analiza datelor vom adăuga tot din fereastra Components un element de tip Explore
Data.
După validarea nodului, îl conectăm la sursa de date. Click dr. pe tabelă – Connect:
Configurăm elementul Explore Data, click dr. și apoi Edit. Din fereastra apărută, la Group By
selectăm atributul PROBABILITATE_CONTRACTARE_N. Debifăm opțiunea Auto Column Input
Selection și de-selectăm atributele ID_CLIENT, CONT_CURENT, CATEGORIE:
Click OK și rulăm procesul, click dr. pe Explore data -> Run. După terminarea procesului,
analizăm datele click dr->View Data. Analizați datele în funcție de atributele selectate. Utilizati
tab-urile Data si Statistics.
La final închideți fereastra curentă și reveniți în fereastra procesului.
modificăm elementul Apply, click dr – Edit. Din secțiunea Aditional Output adăugăm coloanele
ID_CLIENT, NUME_CLIENT, PROBABILITATE_CONTRACTARE_N și PRAG_SUMA_ACORDATA.
Revenim în fereastra proceselor și rulăm elementul Apply.
Analizăm datele, click dr. pe elementul Apply - >View Data.
Comparați valorile atributelor PROBABILITATE_CONTRACTARE_N și CLASS_DT_..PRED. (predictia
modelului). Observați și probabilitatea estimării (CLASS_DT_..PROB).
Pentru clienții companiei de asigurări auto dorim să estimăm valoarea daunelor solicitate de acești clienți
pentru diverse defecțiuni în funcție de atribute precum: marca,modelul și producătorul autoturismului,
anul de fabricatie, componenta defectă, pretul total și cotul manoperei. Aplicăm algoritmul de regresie
(Generalized Linear Regression și Support Vector Machines).
Realizarea rapoartelor în OBI Answers și realizarea tabloului de bord în OBI Dashboard. Realizați cel puțin
3 rapoarte pe fiecare domeniu de activitate (Daune și Leasing). Exemple detaliate sunt prezentate în
documentul Rapoarte daune Oracle Business Intelligence Suite.pdf.