Технический дизайн интерфейсов на основе аналитики больших данных - Программирование, компьютеры и кибернетика курсовая работа

Главная

Программирование, компьютеры и кибернетика
Технический дизайн интерфейсов на основе аналитики больших данных

Сбор ключевой статистики по интерфейсам, проведение аналитики и выдвижение гипотез по улучшению продукта. Рассмотрение методов анализа данных на базе конкретного проекта. Расположение инструментов на экране и порядок взаимодействия с ними у пользователя.


посмотреть текст работы


скачать работу можно здесь


полная информация о работе


весь список подобных работ


Нужна помощь с учёбой? Наши эксперты готовы помочь!
Нажимая на кнопку, вы соглашаетесь с
политикой обработки персональных данных

Студенты, аспиранты, молодые ученые, использующие базу знаний в своей учебе и работе, будут вам очень благодарны.
Размещено на http :// www . allbest . ru /
Технический дизайн интерфейсов на основе аналитики больших данных
Глава 1. Большие данные, интерфейс, дизайн интерфейса, анализ и выбор проектных решений
1.2 Анализ и выбор проектных решений
Глава 2. Методики анализа больших данных и примеры работы с ними
Список использованной литературы и ресурсов
В эпоху информационных технологий, особенно после бума социальных сетей, по каждому пользователю интернета стало накапливаться значительное количество информации, которая плохо соответствует классическому, структурированному формату базы данных, - это веб-журналы, видеозаписи, текстовые документы, машинный код или, например, геопространственные данные. Все это, в конечном счете, дало развитие направлению "Большие данные".
Для любой отрасли выгодно уметь оперировать большими объемами данных, анализировать их. Аналитика помогает найти различные взаимосвязи в данных и на их основе можно повысить качество принимаемых решений, увеличить эффективность работы компании.
Большие данные, на сегодняшний момент, являются одним из ключевых драйверов развития информационных технологий.
Для любой современной компании важно обозначить свое присутствие в Сети. Инструментом для достижения этой цели является сайт, а точнее - сервисная платформа, максимально удовлетворяющая потребности клиента. Продуманный, качественно отрисованный ресурс, собирающий данные о своих посетителях, является ценным активом в бизнесе.
Практическая значимость данной работы заключается в рассмотрении методов анализа данных на базе конкретного проекта.
Сбор ключевой статистики по интерфейсам, проведение аналитики, выдвижение гипотез по улучшению продукта.
Аналитические инструменты, собранный при помощи этих инструментов набор данных, интерфейсные прототипы, а также инструменты для их отрисовки.
Изучить аналитические и графические инструменты, методы анализа на базе конкретного проекта.
Работа состоит из введения, 2 глав с заключением после каждой главы. В первой главе рассмотрены основные понятия, определен набор необходимого программного обеспечения для анализа данных и отрисовки интерфейса. Во второй главе рассмотрены методы анализа имеющегося объема собранных данных в виде живых примеров.
Чтобы разработать качественный сервис, удовлетворяющий потребности клиента, необходимо провести аналитику для обнаружения проблем ресурса, на базе которой будут созданы прототипы будущего интерфейса.
Аналитика была проведена с использованием реальных данных, полученных с сервиса одного из банков РФ. Вся информация обезличена и не указывает ни на какую конкретную организацию.
Логико-интуитивные. Были проведены мозговые штурмы, обмен идеями, анализ существующих проблем и построение гипотез.
Апробация результатов исследования была представлена в виде доклада на студенческой научной сессии, проходившей с 28 марта по 1 апреля 2016.
Глава 1. Большие данные, интерфейс, дизайн интерфейса, анализ и выбор проектных решений
В понятие Большие данные включены 2 сущности - данные и технологии. Эти данные разнородные, по объему от 1ТБ, они не соответствуют традиционному структурированному формату баз данных, а также могут храниться распределено. К технологиям относятся хранение, вычисления и сервисные услуги. [13]
Российские компании из различных секторов экономики уже работают с Большими данными: [14]
Рисунок 1. Секторы отечественной экономики, работающие с Большими данными.
В процентном соотношении лидирует телеком. Как мы видим, есть куда расти, но уже сейчас имеется огромное количество данных. При этом у большинства компаний в этих сферах бизнеса не самые лучшие интерфейсы для взаимодействия с аудиторией: сайты, мобильные приложения, онлайновые сервисы работают неэффективно.
Эффективной работы сервисов можно добиться путем правильного проектирования сервисов. Эффективное проектирование может быть осуществлено при наличии данных и инструментов для их анализа.
Аналитические методы помогают прийти к пониманию проблем пользователей каждого конкретного интерфейса. На основе полученных знаний проводится перепроектирование интерфейса и введение персонализации.
Интерфейс - это то, с чем взаимодействует пользователь. [12, 21, 22, 23, 24] интерфейс пользователь экран
Существует популярное мнение, что интерфейс, по большей части, является графическим оформлением ресурса в определенном стиле. Это неправильная точка зрения.
Самая важная часть в понятии "интерфейс" - это инструменты на экране и порядок взаимодействия с ними у пользователя. Например: в обычном поиске по сайту уже содержится интерфейс формы, указания параметров, вывод результатов и функции корректировки критериев поиска.
Интерфейсы больших проектов, уровня социальных сетей, могут содержать более сотни различных функций.
За этим функционалом следует графическое оформление, подчиняющееся принятой дизайн-концепции.
Разработка интерфейса всегда направлена на то, чтобы запутаться в проекте было практически невозможно, чтобы пользователю не приходилось ломать голову в поисках нужной информации, функции или страницы. Успехом можно считать продуманную структуру и навигацию, обеспечивающую непринужденное перемещение между страницами ресурса.
На этапе дизайна, если рассматривать понятие дизайна чисто с визуальной точки зрения, интерфейс оживает. Его раскрашивают в соответствие с принятой визуальной концепцией, придают эстетики, добавляют глобальные анимации и анимации микровзаимодействий. Под анимацией подразумевается как, допустим, будет осуществляться переход из раздела сайта на главную страницу, как элемент интерфейса будет себя вести при нажатии и после него (например кнопка загрузки файла, которая станет индикатором прогресса загрузки, а затем кнопкой подтверждения). Отметим, что речь идет именно о дизайне интерфейса, которые не включает в себя различную графику и изображения.
Создатели интерфейсов - это в большинстве своем люди с высокими аналитическими способностями. Они прекрасно строят алгоритмы, устанавливают причинно-следственные связи. Руководствуясь развитой логикой, просчитывают действия других людей.
Технический дизайн - это скорее ремесло, нежели творчество. Данную специальность обычно выбирают люди с техническим складом ума.
Тех-дизайнер работает с фотографиями и рисунками. Он создает изображения на основе фотографий реальных объектов или переделывает уже готовые рисунки и фотографии. Задача технического дизайнера - нарисовать объект по фотографии или изменить уже готовое изображение: например, перенести объект на другой фон, добавить или убрать лишние детали, составить коллаж и др. Основная цель - придание изображению эстетической ценности.
При этом работа должна быть оптимизирована под требования концепции и современные технические реалии.
Одна из главных целей технического дизайна - возможность поразить потенциального посетителя, который заглянул на сайт, зацепить его, чтобы он вернулся. Вернувшиеся посетители непосредственно влияют на конверсию сайта и успех компании в целом.
Объединяя все вышеизложенное, резюмируем: технический дизайн интерфейсов подразумевает продуманную навигацию, структуру, качественные анимации взаимодействий, правильные элементы управления, красивая графика, эффектные изображения, качественно отрисованные элементы интерфейса.
Объединяя все вышеизложенное, резюмируем: технический дизайн интерфейсов - это процесс проектирования хорошей, логичной навигации, структуры страниц, а также отрисовка качественной графики, подготовка эффектных изображений, продумывание анимации переходов и микровзаимодействий.
1.2 Анализ и выбор проектных решений
Для нашей работы понадобится программное обеспечение для аналитики и отрисовки интерфейсов. На рынке существует большое количество средств для обоих направлений. Рынок аналитического ПО очень насыщенный и разнообразный. Рынок графического ПО менее насыщенный и имеет несколько решений-фаворитов, которые мы и будем использовать.
Программное обеспечение для отрисовки интерфейса:
Многофункциональный графический редактор, разработанный и распространяемый фирмой Adobe Systems. Работа в нем осуществляется, как правило, с растровыми изображениями, но возможна работа и с вектором.
Продукт является лидером рынка в области коммерческих средств редактирования растровых изображений. [1]
· Процессор Intel® Core 2 or AMD Athlon® 64; 2 GHz или более быстрый
· Microsoft Windows 7 with Service Pack 1, Windows 8.1, or Windows 10
· 2 GB свободного места на жестком диске для 32-bit версии; 2.1 GB для 64-bit версии;
· 1024 x 768 монитор (1280x800 рекомендуется) с 16-bit палитрой и 512 MB видеопамяти (1 GB рекомендуется)
· Доступ к сети Интернет и учетная запись Adobe, которая необходима для активации программного продукта, активации подписки и доступа к онлайн-сервисам.
· Mac OS X v10.9, v10.10 (64-bit), или v10.11 (64-bit)
· 2 GB свободного места на жестком диске;
· 1024 x 768 монитор (1280x800 рекомендуется) с 16-bit палитрой и 512 MB видеопамяти (1 GB рекомендуется)
· Доступ к сети Интернет и учетная запись Adobe, которая необходима для активации программного продукта, активации подписки и доступа к онлайн-сервисам.
Sketch - векторный редактор. В нем собран весь пользовательский опыт современных графических и векторных редакторов, множество инструментов. По сравнению с конкурентами (Adobe Illustrator, Comet) приложение работает быстро и надежно. Подходит для разработки интерфейсов, сайтов и мобильных приложений. [2]
Mac OS 10.9 или более совершенная. Sketch оптимизирован и будет работать на любом компьютере Apple, который поддерживает указанную версию ОС или более совершенную.
· Точность . Вектор подразумевает масштабируемость и Sketch легко масштабирует объекты вместе со стилями, размерами, слоями и избавляет от множества ручных доработок.
· Объектность . Каждый созданный слой является отдельным объектом на панели слоев. Никаких скрытых частей.
· Доведение до ближайшего пикселя . Sketch автоматически доводит любую отрисованную фигуру до ближайшего полного пикселя. Никаких битых наполовину пикселей, разводов, перемешанных альфа- каналов.
· Пиксельный зум . Возможность подключить пиксельный режим и отсмотреть все нарисованные слои по пиксельной сетке.
· Совершенный рендеринг текста . Sketch поддерживает родные для каждой платформы методы рендеринга текстов, позволяя видеть их такими, какими они будут на живом продукте.
· Панель управления настройками слоев . Позволяет изменять любой аспект любого объекта, например: позиционирование, прозрачность, режимы наложения.
· Динамические настройки . Математические операции: смена позиционирования, повороты и изменения размеров.
· Стили слоев . Позволяют комбинировать фильтры, заливки, радиусы и обводки.
· Многослойные заливки, обводки и тени . Sketch позволяет добавить бесконечное количество градиентных заливок, режимов смешивания, бесконечное множество обводок, теней и много другого.
· Динамическое размытие . Возможность выбрать из 4 динамических типов размытия объекта: Gaussian, Motion, Zoom, Background.
· Экспорт . Возможность в пару кликов экспортировать слои из скетча. Ничего не нужно размечать вручную, называть разными именами экспортируемые куски изображений.
· Символьные объекты . Возможность создать из объекта шаблон, который можно будет хранить в памяти приложения и получать к нему быстрый доступ из любого проекта.
· Стили слоев . Sketch позволяет создавать палитру стилей, которую можно применять к различным слоям и они все будут меняться, если изменить эту палитру. Нет необходимости менять цвет кнопки и править его вручную на 50 арт-бордах, все изменится автоматически.
· Текстовые стили . Аналогичны стилям слоев, только для текста.
· Страницы и арт-борды . Возможность создать в одном документе несколько страниц, содержащих множество арт-бордов (досок, на которых можно размещать слои).
· Сетка и инструменты по ее редактированию . Ни один дизайн не обходится без сетки. Sketch поддерживает несколько вариантов сетки: быстрые направляющие, миллиметровая разметка или нарисованную вручную сетку из геометрических фигур.
· Редактирование растровых изображений . Sketch поддерживает минимально необходимый набор инструментов для редактирования растровых изображений.
· Разделение слоев . Возможность поделить арт-борды на части и сгруппировать.
· Экспорт в различных форматах . Можно экспортировать в разных векторных и растровых расширениях.
· Экспорт групп . Возможность объединять несколько слоев в группу и экспортировать все сразу.
· Быстрый экспорт . Можно перетащить любой слой или арт-борд из программы на рабочий стол и он появится там в виде картинки. Прекрасно подходит для быстрой отрисовки и вывода прототипов.
· CSS . Возможность получить готовый код со стилями из созданных слоев, чтобы вставить его в HTML разметку.
· Печать . Поддерживается печать арт-бордов со слоями в различных форматах.
· Автосохранение . Программа сохраняет проект после любых нескольких совершенных действий, во избежание потери прогресса от непредвиденных ситуаций.
· Превью . Можно подключить к компьютеру смартфон или планшет и вживую посмотреть как будет выглядеть отрисованный экран на устройстве.
Сбор и аналитика Больших данных проходят по следующей схеме:
Рисунок 2. Общая схема сбора и обработки Больших данных.
1. Собираем данные из CRM, системы аналитики и, допустим, программного обеспечения по отслеживанию звонков.
2. Все данные загружаем в базу данных.
3. Используя мощности аналитического сервиса Hadoop, работающего в связке с Hive и Spark, проводим необходимую аналитику.
4. При необходимости визуализируем данные.
Рассмотрим самые функциональные и популярные средства, использующиеся для анализа Больших данных:
Современные сервисы генерируют невероятное количество данных и они делают это все быстрее и быстрее. Платформа Google Cloud помогает собирать, аккумулировать и быстро, экономически эффективно анализировать огромное количество данных, используя масштабы и скорость Google. Пакет для работы с BigData включает в себя 3 продукта: [8]
Помогает анализировать большие объемы данных прямо в облаке. Позволяет за секунды обращаться с SQL-подобными запросами к мульти-терабайтным массивам данных. Масштабируемый и простой в использовании, BigQuery дает возможность в реальном времени получить подробное представление о ваших данных.
Дает возможность создать, развернуть и запустить конвейерную обработку данных, масштабируемую под бизнес-задачи. Продукт обеспечивает надежное исполнение сценариев крупномасштабной обработки данных, таких как ETL, аналитика, вычисления в реальном времени.
Позволяет подключить клиентские сервисы к проверенным, асинхронным каналам, работающим по схеме многие-ко-многим, размещенным на мощностях Google. Продукт масштабируется при первой же необходимости и помогает клиенту в построении собственных, надежных и глобальных сервисов.
Amazon позиционирует свой сервис как наиболее полную платформу для работы с Большими данными, позволяя их собирать, хранить, обрабатывать, анализировать и визуализировать. Все это в одном месте и под любой проект, вне зависимости от конкретных требований, будь то работа с потоковыми данными в реальном времени или пакетная обработка данных; подходят как структурированные, так и не структурированные данные. [4]
Вся структура масштабируется, быстро работает и имеет защиту. Можно сконцентрироваться на решении бизнес-задач и меньше времени уделять обслуживанию.
· Потоковая передача данных в режиме реального времени
· Аналитическая программная платформа Elasticsearch
· Распознавание и визуализация данных
· Обработка данных без создания инфраструктуры
Hadoop - проект фонда Apache Software Foundation , свободно распространяемый набор утилит, библиотек и фреймворк для разработки и выполнения распределённых программ, работающих на кластерах из сотен и тысяч узлов. Используется для реализации поисковых и контекстных механизмов многих высоконагруженных веб-сайтов, в том числе, для Yahoo! и Facebook. Разработан на Java в рамках вычислительной парадигмы MapReduce, согласно которой приложение разделяется на большое количество одинаковых элементарных заданий, выполнимых на узлах кластера и естественным образом сводимых в конечный результат. [5]
Framework ( " каркас) " : рабочая среда, платформа, определяющая будущую структуру проекта. Облегчает разработку программ. Состоит из основной, каркасной части, не меняющейся особо от версии к версии и набора дополнительных модулей, расширяющих функционал.
Считается одной из основополагающих технологий "больших данных". Вокруг Hadoop образовалась целая экосистема из связанных проектов и технологий, многие из которых развивались изначально в рамках проекта, а впоследствии стали самостоятельными.
Hadoop был выбран по следующим причинам:
1. Hadoop - платформа с открытым исходным кодом
2. Разворачивается быстрее дорогих решений
4. Из минусов - требуются специалисты для развертывания платформы
Система состоит из следующих частей:
1. Hadoop Common - связующее программное обеспечение.
2. HDFS (Hadoop Distributed File System) - распределенная файловая система Hadoop.
3. Движок - MapReduce / Spark / Tez
4. SQL - Hive / Impala / Shark / Spark SQL / Drill
Spark - спроектированный людьми из университета Berkley, движок Spark использует идею локальности данных, однако выносит большинство вычислений в память вместо диска. Ключевым понятием в Spark-е является RDD (resilient distributed dataset) - указатель на ленивую распределённую коллекцию данных. Большинство операций над RDD не приводит к каким- либо вычислениям, а только создаёт очередную обёртку, обещая выполнить операции только тогда, когда они понадобятся. [6]
Hive - самая первая и до сих пор одна из самых популярных СУБД на этой платформе. В качестве языка запросов использует HiveQL - урезанный диалект SQL, который, тем не менее, позволяет выполнять довольно сложные запросы над данными, хранимыми в HDFS. В нашем исследовании мы рассматриваем версию 0.13, в которой Hive переключился с движка MapReduce на движок Tez, работающий в разы быстрее и позволяющий подключить к Hive дополнительные сервисы, один из которых - Tableau - мы рассмотрим позже. В теории, вместо Hive к Hadoop можно прикрутить СУБД от Oracle, но смысла в этом нет, потому что полученные данные очень легко вытащить из Hive при помощи встроенного HiveQL.
Impala - продукт компании Cloudera и основной конкурент Hive. В отличие от последнего, Impala никогда не использовала классический MapReduce, а изначально исполняла запросы на своём собственном движке (написанном, кстати, на нестандартном для Hadoop-а C++). Кроме того, в последнее время Impala активно использует кеширование часто используемых блоков данных и колоночные форматы хранения, что очень хорошо сказывается на производительности аналитических запросов. Так же, как и для Hive, Cloudera предлагает к своему детищу вполне эффективный ODBC-драйвер.
Рассмотрим дополнительные средства, которые использовались для сбора и анализа данных:
Бесплатный сервис, предоставляемый Google для создания детальной статистики посетителей веб-сайтов. Статистика собирается на сервере Google, пользователь только размещает JS-код на страницах своего сайта. Код отслеживания срабатывает, когда пользователь открывает страницу в своем веб-браузере (при условии разрешенного выполнения Javascript в браузере). [7]
Tableau - на данный момент лучшее решение для обработки данных: быстрое, простое, доступное и многофункциональное. [11]
Tableau облегчает сбор, визуализацию и анализ любых данных, сокращая трудоемкость аналитических процессов до минимума и способствуя экономии времени. Вместе с этим Tableau позволяет делать более точные выводы и прогнозы, не прибегая к сложным аналитическим инструментам, чтобы составить полноценные отчеты, визуализацию данных, интерактивные доски и убедительные обоснования для той или иной бизнес-концепции.
Основные категории, использующие сервис:
· ИТ-специалисты, разработчики, администраторы баз данных
Отрасли применения: телеком, финансы и банки, ритейл, транспорт, государственные организации т.д.
Универсальный комплект инструментов для максимально результативной работы позволяет быстро собирать, систематизировать, обрабатывать и анализировать данные из различных источников.
Аналитики используют Tableau с максимальным комфортом - благодаря простому и понятному интерфейсу, гибкости системы, возможности визуализации промежуточных и конечных результатов.
Используя Tableau, можно соединяться с различными источниками данных, быстро обрабатывать информацию и составлять интерактивные доски с данными.
Инструменты Tableau позволяют с минимальными усилиями готовить убедительные отчеты для абсолютно разной целевой аудитории, в соответствии с потребностями и предпочтениями, независимо от сложности аналитических задач.
KISSmetrics - одна из наиболее удобных и современных аналитических систем для настольной версии и мобильных устройств. Работаем с данными в разрезе пользователей, а не сессий или просмотренных страниц/экранов. [25]
Основными плюсами системы являются:
1. Работа в разрезе пользователей. Информация подается в формате уникальных пользователей, либо в количестве совершенных событий.
2. Более доступная цена по сравнению с Mixpanel и GA
3. Удобный интерфейс, легкий в освоении. Если что-то не получается, то всегда можно получить быстрый ответ от поддержки.
4. Наличие всех нужных типов отчетов: воронки, когортный анализ, сегментация по совершенными и несовершенным событиям, по каждому конкретному пользователю.
5. Настройка разных доступов к аккаунту.
6. Наличие мобильного приложения с новостями рынка аналитики.
1. Спорное качество экрана с общей статистикой. Не очень гибкие настройки.
2. При работе с большим количеством компаний и источниками трафика интерфейс перестает быть удобным.
3. По умолчанию эта система пустая и никаких данных не собирает. Руководство по настройке практически никак нельзя найти в рунете.
4. Задержка в получении данных до 4-5 часов. Такой лаг будет недопустимым для решения определенных задач.
Одно из лучших аналитических решений на сегодняшний день. Крайне информативное и удобное. В качестве единицы измерения используется "пользователь". [26]
Основными плюсами системы являются:
1. Работает в разрезе пользователей. Мы получаем информацию в нужном нам виде.
2. Имеется функционал воронок. Можно добавить сегментацию (посмотреть, например, как конвертируются в платящих пользователей люди из разных стран).
3. Поддержка формул. Можно складывать, вычитать, умножать и делить данные.
1. Высокая цена. Платим за все: и за события, и за пользователей.
Очень функциональный, но дорогой продукт. На начальных этапах можно обойтись базовой версией, но потом нужно будет тратить большие деньги на подписку или искать более доступный вариант.
Разработка современных интерфейсов неразрывно связана с понятием Большие данные. Современные технологии позволяют упростить анализ больших объемов данных, разработку прототипов и отрисовку интерфейсов.
Были даны определения понятий "интерфейс", "дизайн интерфейса", "технический дизайн" и "технический дизайн интерфейса".
Разобрана упрощенная схема сбора и анализа данных. Был выбран, обоснован и описан набор необходимого программного обеспечения для отрисовки интерфейса и аналитики.
Глава 2. Методики анализа больших данных и примеры работы с ними
Существует множество разнообразных методик анализа массивов данных, в основе которых лежит инструментарий, заимствованный из статистики и информатики (например, машинное обучение). В списке отражены наиболее востребованные подходы.
Важно помнить, что чем более объемный и диверсифицируемый массив подвергается анализу, тем более точные и релевантные данные удается получить на выходе.
При данной методике создается контрольная выборка. Она сравнивается с другими выборками в порядке очередности. Сравнивать можно, например, старую версию интерфейса и обновленную, с целью выяснить реакцию на изменения. Если данных много, то результат получается статистически достоверный.
Набор методов по нахождению взаимосвязей. Говоря научным языком, это нахождение ассоциативных правил между переменными величинами в массивах данных.
Методики, позволяющие спрогнозировать поведение людей в каком-либо сегменте рынка.
Кластерный анализ позволяет классифицировать объекты, разделяя их на группы и выявлять в них неизвестные общие признаки.
Методика по сбору данных из большого числа ресурсов-источников.
Методики, позволяющие сопоставлять результаты продаж с комментариями людей в социальных медиа. Работает в режиме реального времени.
Комплекс методик, выявляющих поведенческую модель потребителей. Под конкретный продукт можно найти расположенную к нему категорию покупателей.
В этом методе задействовано много предикативных моделей, повышающих достоверность сделанных прогнозов.
По данной методике все возможные варианты решения представлены в виде хромосом, которые могут быть скомбинированы между собой и модифицированы. Побеждает, как и в природе, наиболее приспособленный экземпляр.
Комплекс методик по анализу связей между узлами в сетях. Рассматривая с точки зрения социальных сетей, методики позволяют анализировать связи между конкретными пользователями, сообществами и компаниями.
Набор методик с элементами самообучения. Используется для предсказания поведенческой модели покупателей.
Набор методик, позволяющих создать математическую модель возможного сценария развития событий, заданного наперед. Например, предугадать условия, при которых человек сменит оператора сотовой связи, путем анализа базы данных на предмет наличия этих условий.
Комплекс статистических методов для нахождения закономерности и связи между изменением зависимой переменной и одной или несколькими независимыми переменными. Применяется для прогнозирования.
Набор отчасти заимствованных из статистики методик анализа пространственных данных - топологии местности, географических координат, геометрии объектов. Источником больших данных в этом случае часто выступают геоинформационные системы (ГИС).
Набор методик, основанных на технологиях машинного обучения. Позволяет находить функциональные взаимосвязи в массивах данных.
Методики из статистики и цифровой обработки сигналов. Анализируются последовательности данных, повторяющихся со временем. Самое очевидное применение - биржа, ценные бумаги или, например, заболеваемость пациентов.
Методики, основанные на технологиях машинного обучения. Позволяют выявить скрытые функциональные взаимосвязи в массивах данных. Методики схожи некоторыми чертами с кластерным анализом.
Методики по упрощению интерпретации полученных статистических данных. Наглядное представление результатов анализа имеет принципиальное значение для их интерпретации. Данные представляются через диаграммы и анимированные изображения.
Все перечисленные технологии и методы, в той или иной степени, используются при анализе Больших данных, но существует отдельная дисциплина, которую мы рассмотрим подробнее - машинное обучение.
Машинное обучение (англ. Machine Learning) - обширный подраздел искусственного интеллекта, преследующий цель создания алгоритмов самообучения на основе анализа эмпирических данных. В машинном обучении используются разделы математической статистики, численных методов оптимизации, теории вероятностей, дискретного анализа для выделения знаний из данных. [19]
Машинное обучение бывает двух видов:
· Обучение с учителем - для каждого прецедента задаётся пара
· Обучение без учителя - для каждого прецедента задаётся только "ситуация", требуется сгруппировать объекты в кластеры, используя данные о попарном сходстве объектов, и/или понизить размерность данных.
В машинное обучение включены следующие фундаментальные методы:
В качестве опытно-экспериментальной базы используются данные банковского сайта, по которому дана сводная статистика, собранная при помощи рассмотренных аналитических платформ.
Рисунок 3. Общая информация о посещаемости сайта.
· Конверсия - показатель эффективности. Это отношение количества человек, совершивших на сайте целевое действие (покупку, оформление подписки, просмотр определенных страниц и т.д.), к общему количеству посещений ресурса. Выражается в процентах.
· Показатель отказов - важный критерий, показывающий количество людей, которые ушли с сайта сразу, просмотрев не более одной страницы или, если сайт сразу требует регистрацию, ушедшие уже со страницы регистрации.
· Просмотрено страниц за сеанс - мера вовлеченности посетителей. Показывает среднее количество страниц, которое просматривает один посетитель за одно посещение.
· Новые посетители - люди, не заходившие ранее на сайт.
Повысить ключевые показатели, включая самый важный - конверсию пользователей в покупающих клиентов.
Для внесения необходимых изменений в структуру сайта, необходимо провести анализ собранных данных. Мы будем использовать несколько методов, первый из которых - конверсионная воронка.
Воронка - путь, который проходит среднестатистический пользователь от момента привлечения его внимания к предложению, до момента совершения сделки. Это модель, которая, в теории, иллюстрирует путешествие покупателя на всех этапах. На каждом этапе определяются наиболее проблемные шаги (те, с которых уходит наибольший процент пользователей), определяются наиболее эффективные пути и формулируются гипотезы, касающиеся барьеров, препятствующих выполнению пользовательских задач.
Рисунок 4. Конверсионная воронка. Часть 1.
Рисунок 5. Конверсионная воронка. Часть 2.
Большой процент пользователей, перешедших на страницу "Банк на каждый день", уходят с конверсионного пути, не достигнув конечного шага (Thank you page).
Вероятно, это связано с тем, что, поскольку данный вариант сценария имеет много шагов и разветвлений, пользователи теряются и уходят на побочные страницы.
11% пользователей, перешедших на страницу заявки сразу со списка вкладов, уходят с нее на страницу продукта. 30% уходят в разделы "Банк в кармане" и
"Частным клиентам", а остальные 59%
Технический дизайн интерфейсов на основе аналитики больших данных курсовая работа. Программирование, компьютеры и кибернетика.
Пирометры Излучения Реферат
Микулина Контрольные Работы По Математике 2
Реферат: Психологический анализ юмора и счастья
Сочинение На Тему Первая Зелень Некрасовка
Реферат На Тему Основные Идеи И Направления Философии Возрождения
Контрольная работа по теме Пожарная безопасность электроустановок
Курсовая работа: Анализ состояния и динамики преступности несовершеннолетних в РФ
Отчет По Практике На Тему Организация Торгового Процесса
Магистерская диссертация по теме Уголовно-правовая характеристика состава преступления, предусмотренного ст. 158 УК РФ 'Кража'
Доклад: Мировой экономический кризис 1929 года
Дипломная работа по теме Аудит учета расчетных и денежных операций в ОАО 'ТОЗ'
Особливості Культури Заходу І Сходу Реферат
Героизм Народа Сочинение
Неотложная Помощь В Гинекологии Реферат
Способы получения альдегидов
Действие Реферат
Реферат: Игорь Васильевич Курчатов.
Управление Маркетингом Реферат
Допуск К Защите Магистерской Диссертации
Контрольная работа: Понятие гражданского иска в уголовном праве
Сотовые сети стандарта СDMA - Коммуникации, связь, цифровые приборы и радиоэлектроника реферат
Анализ института гражданско-правовой ответственности - Государство и право реферат
Управление качеством и сертификация продукции. Задания рубежного контроля - Менеджмент и трудовые отношения реферат