网站大量收购独家精品文档,联系QQ:2885784924

SAP BusinessObjects面向数字化企业的现代商务分析.pdf

SAP BusinessObjects面向数字化企业的现代商务分析.pdf

  1. 1、本文档共35页,可阅读全部内容。
  2. 2、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
  3. 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载
  4. 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
查看更多
SAP BusinessObjects 面向数字化企业的现代商务分析 SAP Analytics Insight 团队 杜一帆 大中华区商业智能业务发展总监 “眼睛看到的未必就是真相。。。” © 2016 SAP SE or an SAP affiliate company. All rights reserved. Customer 2 数据发现:新员工半年内离职原因分析 通过系统中输入的离职描述无法发现有意义的内在原因 © 2016 SAP SE or an SAP affiliate company. All rights reserved. Customer 3 “这里面定然蕴藏着一个巨大的秘密。。。” © 2016 SAP SE or an SAP affiliate company. All rights reserved. Customer 4 数据发现模式发现 SAP 新员工入职半年内离职的特征模式? Predictive Analytics 选取2014年1月-2015年6月的新员工数据创建模型 2015年7月-2015年12月的数据作为验证 © 2016 SAP SE or an SAP affiliate company. All rights reserved. Customer 5 模式发现:新员工入职半年内离职的特征模型 最大智能变量贡献 影响因素由多个因素组成 职务/实际绩效/会员/二级机构的组合权重超过50% © 2016 SAP SE or an SAP affiliate company. All rights reserved. Customer 6 模式发现:新员工离职模型验证 (验证数据:2015年07月-2015年12月) 2015/07-2015/12工龄满半年(含半年内离职)的员工为14064人,其中离职4486人 选取模型预测离职概率大于50%的3973人,命中离职人员3403人 准确率86% 离职覆盖率76% 目前发现的主要特征是: PRD的 一级作业员 绩效评分较低 或 半年内无法升职 容易引发离职 说明针对基层员工的上岗培训或员工关怀有待提升 PA带来的业务提升: 预测中短期离职人数,准确预估用工缺口 未来扩展:预测关键员工的离职倾向等 © 2016 SAP SE or an SAP affiliate company. All rights reserved. Customer 7 SAP BusinessObjects Predictive Analytics 智能机器学习平台 易使用,易扩展,易集成 自动模型 模型工厂 针对业务用户,不用编程 数据挖掘工作可以轻松完成 精细化建模

文档评论(0)

智慧IT + 关注
实名认证
内容提供者

微软售前技术专家持证人

生命在于奋斗,技术在于分享!

领域认证该用户于2023年09月10日上传了微软售前技术专家

1亿VIP精品文档

相关文档