11

Получение инсайтов из данных

Ежедневно компании генерируют огромное количе-

ство данных в виде необработанных фактов, показате-

лей и событий, но о чем вся эта информация говорит на

самом деле? Чтобы извлечь ценные сведения и инсайты

из данных, их необходимо преобразовать, проанализи-

ровать и представить в наглядной форме. Другими слова-

ми, нужно превратить необработанные данные в значимую

информацию, которую можно использовать для принятия решений, ответов на

вопросы и выполнения поставленных задач.

Рассмотрим сценарий с супермаркетом, который собирает большие объемы данных о покупках клиентов. Эти данные представляют интерес для аналитиков супермаркета, поскольку с их помощью можно получить представление о предпочтениях покупателей. В частности, для этого служит анализ потребительской корзины (market basket analysis) — метод интеллектуального анализа данных, который исследует совершенные транзакции и выявляет товары, которые обычно приобретаются вместе. Вооружившись этими знаниями, супермаркет сможет принимать более обоснованные бизнес-решения, например, о выкладке товаров в магазине или о том, как объединять товары в группы со скидками.

В этой главе мы подробно рассмотрим, как получить инсайты из данных о транз­ акциях с помощью анализа потребительской корзины на Python. Мы расскажем, как использовать библиотеку mlxtend и алгоритм Apriori для определения товаров, которые обычно приобретаются вместе, и как применять эти знания для принятия обоснованных бизнес-решений.