Da 18 anni aiutiamo le aziende
a scegliere i migliori software
SAS Enterprise Miner
Cos'è SAS Enterprise Miner?
Sistema di data mining che fornisce alle aziende punteggi automatizzati, modellazione descrittiva o predittiva, confronti tra modelli e altro ancora.
Chi utilizza SAS Enterprise Miner?
Piattaforma basata sul web che aiuta le aziende di qualsiasi dimensione a semplificare il processo di data mining, per sviluppare modelli descrittivi e predittivi utilizzando algoritmi strutturati e metriche di valutazione visuale o di validazione.
Hai dubbi su SAS Enterprise Miner?
Confrontalo con un'alternativa popolare
SAS Enterprise Miner
Altre alternative interessanti a SAS Enterprise Miner
Recensioni su SAS Enterprise Miner
Machine learning e analisi dei dati
Commenti: Machine learning, modeling predittivo e analisi di dati sono gli elementi principali per cui uso SAS Enterprise Miner. In particolare mi dedico al processo di validazione dei modelli IFRS9, testandone la bontà, valutando se il mining mi consente di identificare relazioni tra variabili traget e regressori non colte nel processo di sviluppo.
Aspetti positivi:
L’interfaccia drag e drop che permette la costruzione di modelli complessi senza scrivere del codice rende SAS Enterprise Miner un software con cui utilizzare il machine learning in modo facile, partendo anche da principiante. I nodi da utilizzare sono chiari, anche nella nomenclatura, ad esempio il nodo decision tree permetto lo sviluppo con alberi decisionali e sono in grado di eseguire molteplici operazioni. Apprezzo molto anche la funzione di Model Comparison, che mi permette nello stesso processo di data mining di valutare la bontà di più modelli e l’opzione automatizzata di model scoring che mi consente di applicare i modelli sviluppati su un portafoglio di training su un portafoglio di validation.
Aspetti negativi:
Un aspetto che mi ha deluso è legato alla visualizzazione dei dati, chiara, ma con poche opzioni di personalizzazione che costringono a passare ad altri software per la creazione di tavole da presentare a colleghi.
Elevate prestazioni nello sviluppo di modelli previsionali
Commenti: Nel campo della ricerca scientifica in cui utilizzo Sas Enteprise Miner sono stata in grado di analizzare grandi quantità di dati ed individuare con precisione i pattern presenti all’interno. Sas mi permette di eseguire regressioni foreward e backward, analisi di cluster, utilizzare alberi decisionali, suggerendomi spesso il modello migliore. Questo mi aiuta molto nel mio lavoro.
Aspetti positivi:
Apprezzo la varietà di analisi presenti e la possibilità di avere un idea dei dati che sto trattano grazie a varie analisi che ne descrivono sinteticamente le caratteristiche. È facile individuare e rimuovere valori anomali. Apprezzo anche i suggerimenti di SAS su quale modello utilizzare sul dataset fornito. Di solito sono molto accurati e consentì di sviluppare modelli delle elevate prestazioni.
Aspetti negativi:
L’ampiezza del set di strumenti disponibili è un arma a doppio taglio per Sas enterprise Miner, alcune volte può risultare dispersivo e difficile individuare la specifica funzione cercata.
Minig e definizione modelli previsionali
Commenti: In un progetto presso una società di leasing automobilistico, ho utilizzato il software per analizzare un ampio set di dati che includono variabili come l'età del veicolo, il chilometraggio, la marca il modello, le caratteristiche del locatario del veicolo, per definirne un equo canone di leasing. Dover seguito delle operazioni di pulizia e preparazione dei dati, ho applicato tecniche per ridurre le dimensionalità delle variabili e selezionare quelle più importanti nel determinare il canone di leasing. Fatto ciò ho testato vari algoritmi nello sviluppo del modello utilizzando gli strumenti di valutazione del Miner per comprendere quale fosse quello che meglio rispettava gli obiettivi del progetto. L'uso di Sas Enterprise Miner e le informazioni ricavate dei dati ha permesso al mio team di fornire alla società cliente dettagli esaustivi sugli aspetti che possono impattare sul canone di leasing ed uno strumento in grado di stimare un equo canone che permetta, in diversi scenari, un ritorno economico all'azienda.
Aspetti positivi:
Elemento che che contraddistingue Sas Enterprise Miner è il suo ambiente di sviluppo no-code, che permette di definire processi data mining mediante l'uso di nodi. I nodi contengono le diverse operazioni e tecniche che possono essere applicate ai dati, per stimare e valutare un modello. Nello sviluppo dei modelli il Miner consente di utilizzare l'analisi delle componenti principali per selezionare le variabili e ridurne la dimensionalità, permettendo di identificare variabili che è meglio spieghino il fenomeno che si sta indagando. Nel processo di ottimizzazione dei modelli il Miner permette di valutarli con il calcolo del AUC oppure mediante l'uso di matrici di confusione; strumenti che permettono di comprendere la bontà del modello e valutare la necessità di migliorarlo.
Aspetti negativi:
Sas Enterprise Miner dovrebbe migliorare nell'offrire strumenti di visualizzazione avanzata ed interattiva dei dati, per facilitarne la comprensione, e nella gestione delle risorse computazionali, un'ottimizzazione di quest'ultimo elemento Potrebbe rendere i processi di calcolo più veloci quando si lavora su grandi set di dati.
Informazioni e collegamenti da dati non strutturati
Commenti: Come Quantitative Risk Analyst, utilizzo SAS Enterprise Miner per analizzare serie di dati non strutturati e appartatamente scollegati per loro, per trovare relazioni non convenzionali che mi possano consentire di costruire modelli predittivi sempre più avanzati ed efficienti. In generale utilizzo sviluppo modelli atti alla gestione dei rischi, i quali definiscono la probabilità di accadimento di un evento ed suo impatto sul fatturato aziendale. La probabilità di accadimento di uno specifico evento può essere collegata a variabili esplicative chiare ed a variabili che solo il data mining, grazie a complessi algoritmi di machine learning può comprendere. Inoltre, il data mining, mi consente di migliorare anche la stima dei danni su fatturato dell’azienda, considerando che all’accadimento di un evento posso essere collegati tanti piccoli micro eventi che impatti il fatturato aziendale, alcuni chiari, altri identificabili grazie al mining.
Aspetti positivi:
SAS Enterprise Miner, software dal design semplice, consente di effettuare operazioni di data mining, manipolazione di dati e sviluppo di modelli previsionali. Il lavoro in SAS Enterprise Miner può essere gestito medianti i nodi, ognuno dei quali permette di svolgere un operazione specifica. I nodi possono essere collegati tra loro per creare un analisi di dati completa. I nodi consentono sia di eseguire semplici trasformazioni di dati, utili in via preliminare alle analisi, sia complesse operazioni di data mining sfruttando algoritmi di machine learning. Sas Enterprise Miner, inoltre, permette lo sviluppo e la valutazione dei modelli, in modo tale da verificarne per performance nel tempo.
Aspetti negativi:
Sas Enteprise Miner, come software stand alone, non offre limitate possibilità nella visualizzazione dei dati e al fine di creare report personalizzati risulta necessario integrarlo con altre software come Sas Visual Analytics, aumentando il costo per la gestione delle licenze dell’azienda.
Mining su Big Data
Commenti: Utilizzo SAS Enterprise Miner per analizzare grandi quantità di dati apparentemente eterogenei ed identificarne delle relazioni, ciò con lo scopo di utilizzare tali informazioni come dati di input per lo sviluppo di modelli predittivi. Solitamente importo, mediante il nodo Data Source, le informazioni all’interno del software, ed uso i nodi Data Preprocess e Data Partition per pulire i dati ed, eventualmente, dividerli in campione di addestramento e validazione. Posso sfruttare poi, i nodi Stat Explore per ottenere statistiche descrittive e quello Variable Clustering per raggruppare le variabili fortemente correlate. Scelte le variabili e sviluppato il modello, utilizzando algoritmi di IA, posso confrontare le prestazioni dei vari modelli mediante il nodo model Comparison ed, in tal modo, una volta scelto il più performante procedere con le operazioni di affinamento.
Aspetti positivi:
Sas Enterprise Miner è un software utile ad effettuare data mining su grandi quantità di dati, che consente lo sviluppo mediante codice e mediante analisi visuale, ovvero trascinamento e collegamento di nodi. Sull’interfaccia utente principale è possibile costruire un flusso di data mining collegando nodi che effettuano analisi statistiche predefinite. Il software esegue il flusso di lavoro su un server, e questo li consente di analizzare quantità enormi di dati dati con gran velocità. SAS Enterprise Miner dispone, inoltre, di un ampio portafoglio di algoritmi di modellizzazione e di apprendimento automatico. L’ampia scelta permette di stimare differenti tipi di modelli e confrontarne le prestazioni, per scegliere il migliore, mediante il nodo model Comparison.
Aspetti negativi:
È possibile, sulla carta, utilizzare SAS Enterprise Miner senza programmare, ma semplicemente spalando nodi e questo lo rende apparentemente adatto ad utenti meno esperti, in verità, però è necessario avere una conoscenza approfondita della materia e saper programmare se si vuole sfruttare tutte le potenzialità del Miner ed ottenere dalle proprie analisi risultati spendibili nel business.
