論文の概要: Using Data Analytics to Derive Business Intelligence: A Case Study
- arxiv url: http://arxiv.org/abs/2305.19021v1
- Date: Tue, 30 May 2023 13:21:12 GMT
- ステータス: 処理完了
- システム内更新日: 2023-05-31 16:14:21.408155
- Title: Using Data Analytics to Derive Business Intelligence: A Case Study
- Title（参考訳）: データ分析を使ってビジネスインテリジェンスを導出するケーススタディ
- Authors: Ugochukwu Orji, Ezugwu Obianuju, Modesta Ezema, Chikodili Ugwuishiwu,
Elochukwu Ukwandu, Uchechukwu Agomuo
- Abstract要約: ビッグデータ分析はすでに、意味のあるビジネス上の決定を下すためのイノベーションの最前線にある。
ビジネスインテリジェンスと分析は、今日のIT世界で大きなトレンドになっている。
本稿では,架空の自転車共有企業の履歴データを通じてビジネスインテリジェンスを導出するデータ分析過程を実証することを目的とする。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: The data revolution experienced in recent times has thrown up new challenges
and opportunities for businesses of all sizes in diverse industries. Big data
analytics is already at the forefront of innovations to help make meaningful
business decisions from the abundance of raw data available today. Business
intelligence and analytics has become a huge trend in todays IT world as
companies of all sizes are looking to improve their business processes and
scale up using data driven solutions. This paper aims to demonstrate the data
analytical process of deriving business intelligence via the historical data of
a fictional bike share company seeking to find innovative ways to convert their
casual riders to annual paying registered members. The dataset used is freely
available as Chicago Divvy Bicycle Sharing Data on Kaggle. The authors used the
RTidyverse library in RStudio to analyse the data and followed the six data
analysis steps of ask, prepare, process, analyse, share, and act to recommend
some actionable approaches the company could adopt to convert casual riders to
paying annual members. The findings from this research serve as a valuable case
example, of a real world deployment of BIA technologies in the industry, and a
demonstration of the data analysis cycle for data practitioners, researchers,
and other potential users.
- Abstract（参考訳）: 近年のデータ革命は、さまざまな産業のあらゆる規模のビジネスに新たな挑戦と機会を与えている。
ビッグデータ分析は、現在利用可能な大量の生データから有意義なビジネス上の決定を下すためのイノベーションの最前線にいる。
ビジネスインテリジェンスとアナリティクスは、あらゆる規模の企業がビジネスプロセスを改善し、データ駆動ソリューションを使ってスケールアップしようとしている現在、itの世界において大きなトレンドになっています。
本稿では,バイクシェアリング企業の歴史的データを通じてビジネスインテリジェンスを導出するデータ分析過程を実証し,カジュアルライダーを年間有給会員に転換する革新的な方法を探究することを目的とする。
使用されるデータセットは、Chicago Divvy Bicycle Sharing Data on Kaggleとして無償公開されている。
著者らはrstudioのrtidyverseライブラリを使ってデータを分析し、ask、promise、process、analytice、share、actの6つのデータ分析ステップに従って、カジュアルライダーを年会費の会員に変換するために、同社が採用可能なアクション可能なアプローチを推奨した。
この研究から得られた知見は、業界におけるBIA技術の現実的な展開、データ実践者や研究者、その他の潜在的なユーザのためのデータ分析サイクルの実証など、貴重な事例となっている。
関連論文リスト
- Data Analysis in the Era of Generative AI [56.44807642944589]
本稿では,AIを活用したデータ分析ツールの可能性について考察する。
我々は、大規模言語とマルチモーダルモデルの出現が、データ分析ワークフローの様々な段階を強化する新しい機会を提供する方法について検討する。
次に、直感的なインタラクションを促進し、ユーザ信頼を構築し、AI支援分析ワークフローを複数のアプリにわたって合理化するための、人間中心の設計原則を調べます。
論文 参考訳（メタデータ） (2024-09-27T06:31:03Z) - Data Issues in Industrial AI System: A Meta-Review and Research Strategy [10.540603300770885]
人工知能(AI)は、産業システムにおいてますます重要な役割を担っている。
近年、さまざまな業界でAIを採用する傾向にあるが、実際のAIの採用は認識されるほど発展していない。
これらのデータ問題にどのように対処するかは、業界と学術の両方に直面する重要な懸念事項である。
論文 参考訳（メタデータ） (2024-06-22T08:36:59Z) - Data-Centric AI in the Age of Large Language Models [51.20451986068925]
本稿では,大規模言語モデル(LLM)に着目した,AI研究におけるデータ中心の視点を提案する。
本研究では,LLMの発達段階(事前学習や微調整など)や推論段階(文脈内学習など)において,データが有効であることを示す。
データを中心とした4つのシナリオを特定し、データ中心のベンチマークとデータキュレーション、データ属性、知識伝達、推論コンテキスト化をカバーします。
論文 参考訳（メタデータ） (2024-06-20T16:34:07Z) - Benchmarking Data Science Agents [11.582116078653968]
大規模言語モデル(LLM)は、データサイエンスエージェントとして有望な支援として登場し、データ分析と処理において人間を支援している。
しかし、現実の応用の様々な要求と複雑な分析プロセスによって、それらの実用的有効性は依然として制限されている。
我々は、新しい評価パラダイムであるDSEvalと、これらのエージェントの性能を評価するための一連の革新的なベンチマークを紹介する。
論文 参考訳（メタデータ） (2024-02-27T03:03:06Z) - A Survey on Data Selection for Language Models [148.300726396877]
データ選択方法は、トレーニングデータセットに含まれるデータポイントを決定することを目的としている。
ディープラーニングは、主に実証的な証拠によって駆動され、大規模なデータに対する実験は高価である。
広範なデータ選択研究のリソースを持つ組織はほとんどない。
論文 参考訳（メタデータ） (2024-02-26T18:54:35Z) - Collaborative business intelligence virtual assistant [1.9953434933575993]
本研究では、ユーザとCBI仮想アシスタントのインタラクションを通じて、分散仮想チームにおけるデータマイニングの応用に焦点を当てる。
CBIのための仮想アシスタントは、より広い範囲のユーザのためのデータ探索アクセシビリティを強化し、データ分析に必要な時間と労力を合理化するためのものである。
論文 参考訳（メタデータ） (2023-12-20T05:34:12Z) - Data Acquisition: A New Frontier in Data-centric AI [65.90972015426274]
まず、現在のデータマーケットプレースを調査し、データセットに関する詳細な情報を提供するプラットフォームが不足していることを明らかにする。
次に、データプロバイダと取得者間のインタラクションをモデル化するベンチマークであるDAMチャレンジを紹介します。
提案手法の評価は,機械学習における効果的なデータ取得戦略の必要性を浮き彫りにしている。
論文 参考訳（メタデータ） (2023-11-22T22:15:17Z) - PADME-SoSci: A Platform for Analytics and Distributed Machine Learning
for the Social Sciences [4.294774517325059]
PADMEは、モデルの実装とトレーニングを連携させる分散分析ツールである。
これにより、すべてのデータが単一の場所にあるかのようにモデルをトレーニングしながら、ロケーションをまたいだデータ分析が可能になる。
論文 参考訳（メタデータ） (2023-03-27T15:32:35Z) - OSOUM Framework for Trading Data Research [79.0383470835073]
私たちは、私たちの知る限り、最初のオープンソースのシミュレーションプラットフォームであるOpen SOUrce Market Simulator(OSOUM)を提供して、トレーディング市場、特にデータ市場を分析します。
我々は、購入に利用可能なさまざまなデータセットを所有する売り手と、購入に有効な適切なデータセットを検索する買い手という2つのタイプのエージェントからなる、特定のデータ市場モデルを記述し、実装する。
データ市場を扱うための商用フレームワークはすでに存在していますが、購入者および販売者の両方が(データ)市場に参加することの可能な振る舞いをシミュレートするための、自由で広範なエンドツーエンドの研究ツールを提供しています。
論文 参考訳（メタデータ） (2021-02-18T09:20:26Z) - Explainable Patterns: Going from Findings to Insights to Support Data
Analytics Democratization [60.18814584837969]
我々は,データストーリテリングの探索と作成において,レイユーザをサポートする新しいフレームワークであるExplainable Patterns (ExPatt)を提示する。
ExPattは、外部(テキスト)の情報ソースを使用して、観察または選択された発見の実用的な説明を自動的に生成します。
論文 参考訳（メタデータ） (2021-01-19T16:13:44Z) - Towards an Integrated Platform for Big Data Analysis [4.5257812998381315]
本稿では,これらすべての側面を統合した,ビッグデータ解析のための統合型プレート形式のビジョンについて述べる。
このアプローチの主な利点は、プラットフォーム全体の拡張スケーラビリティ、アルゴリズムのパラメータ化の改善、エンドツーエンドのデータ分析プロセスにおけるユーザビリティの改善である。
論文 参考訳（メタデータ） (2020-04-27T03:15:23Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。