Would you like to inspect the original subtitles? These are the user uploaded subtitles that are being translated:
1
00:00:00,840 --> 00:00:09,120
حسنًا ، حتى تحصل على مجموعة البيانات التي تحتاجها
للذهاب إلى سوبر دوت يعين تدريب dot com slash ، ثم
2
00:00:09,120 --> 00:00:15,690
إذا قمت بالتمرير لأسفل في الجزء الأول ، فنحن بحاجة
إلى هذا القسم لكيفية استخدام Tablo لاستخراج البيانات
3
00:00:16,320 --> 00:00:17,160
مجموعة البيانات هذه.
4
00:00:17,160 --> 00:00:22,180
لذا بمجرد تنزيله ، أعتقد أنه يبلغ بضعة ميغا بايت.
5
00:00:22,260 --> 00:00:29,280
ثم إذا انتقلت إلى قسم القرارات أو كان هذا
المجلد الذي قمت بإنشائه سطح المكتب الخاص
6
00:00:29,280 --> 00:00:33,940
بي يحتوي على ثلاثة أقسام لهذا الجزء
من الدورة التدريبية ثم قم بإجراء التحقيق.
7
00:00:33,930 --> 00:00:36,460
هناك نمذجة زبد أوه ، أقل بقليل من ميغا بايت.
8
00:00:36,480 --> 00:00:40,500
لذلك سنقوم بفتح هذا في Excel.
9
00:00:40,500 --> 00:00:43,380
اسمحوا لي فقط هذا هنا.
10
00:00:43,390 --> 00:00:49,380
والشيء المثير للاهتمام حول مجموعة
البيانات هذه هو أنها في الواقع نفس
11
00:00:49,380 --> 00:00:54,450
المجموعة التي سنستخدمها لنمذجة
المسار في الجزء التالي من الدورة التدريبية.
12
00:00:54,600 --> 00:00:58,680
وبالتالي تحصل على نوع من نظرة خاطفة على ما يمكن توقعه.
13
00:00:58,680 --> 00:01:03,950
إنه أمر جيد دائمًا ، وهذه هي الطريقة التي تقوم بها
عادةً في مشروع علمي ، حيث ستقوم بالتحقيق في بياناتك
14
00:01:03,960 --> 00:01:10,380
وتعيين عقلك للحصول على البيانات ، وبعد ذلك بعد
الحصول على بعض الأفكار ، يمكنك المضي قدمًا عندها فقط
15
00:01:10,380 --> 00:01:11,540
وإنشاء النموذج.
16
00:01:11,580 --> 00:01:15,680
لذا نوعًا ما نقوم به في التسلسل الزمني الصحيح على أي حال.
17
00:01:15,690 --> 00:01:17,010
فماذا تفعل هذه البيانات.
18
00:01:17,010 --> 00:01:18,190
إنها جرعة كبيرة جدًا.
19
00:01:18,240 --> 00:01:20,980
يحتوي على 10000 صف.
20
00:01:21,360 --> 00:01:22,770
لقد حصلت على عدد غير قليل من الأعمدة.
21
00:01:22,800 --> 00:01:27,740
هذه قائمة عملاء البنك.
22
00:01:27,780 --> 00:01:29,230
بالطبع قاموس الكبريت.
23
00:01:29,230 --> 00:01:34,990
لذلك ليست هناك قائمة حقيقية لعملاء أحد البنوك ومعرف العميل. هنا.
24
00:01:35,220 --> 00:01:40,500
لقد حصلوا على ألقابهم أو الدرجة الائتمانية للشخص الذي ظهر فيه الشخص.
25
00:01:40,510 --> 00:01:43,300
لذا اسمحوا لي أن أشرح الوضع.
26
00:01:43,700 --> 00:01:49,890
يوجد هذا بنك في أوروبا يعمل في ثلاث دول فرنسا وإسبانيا وألمانيا
27
00:01:49,900 --> 00:01:50,110
.
28
00:01:50,490 --> 00:01:54,570
ولديها الكثير من العملاء ، لكنهم رأوا مؤخرًا أنهم
يرون مشكلة ، فقد ترك الكثير من العملاء بنوكهم
29
00:01:54,570 --> 00:02:03,030
كما هو الحال في معدلات الإزعاج غير العادية ،
لذا فإن الاضطراب يحدث عندما يغادر الأشخاص الشركة
30
00:02:03,450 --> 00:02:09,630
وشيء لم يعتادوا رؤيته وقد قرروا
تعيينك كعدد كبير من العلماء للتحقيق
31
00:02:09,630 --> 00:02:16,200
في هذا الموقف وإخبارهم بما يجري
بالضبط وإعطائهم بعض الأفكار حول
32
00:02:16,200 --> 00:02:19,370
حتى يتمكنوا من التوصل إلى طرق لإصلاحها.
33
00:02:19,380 --> 00:02:24,960
لذا فإن ما تمثله مجموعة البيانات هذه هو أنه ليس كل عملائها بنكًا ضخمًا.
34
00:02:24,960 --> 00:02:32,100
هذه مجرد عينة
صغيرة من عملائهم وما
35
00:02:32,100 --> 00:02:32,640
فعلوه هو أنهم أخذوا
هذه اللقطة لعملائهم.
36
00:02:32,640 --> 00:02:38,940
أخذوا 10000 عميل اختاروا عشوائيًا 10000
عميل ، ثم قالوا حسنًا ، دعنا نكتشف كل ما
37
00:02:38,940 --> 00:02:46,500
في وسعنا عنهم ، العميل ، جغرافيا درجة
ائتمان اللقب ، حيث يُصرفون عمر الجنس إلى متى
38
00:02:46,500 --> 00:02:51,570
لقد كانوا مع البنك الذي يبلغ رصيده لمدة عشر سنوات عدد المنتجات التي لديهم للبنوك التي لديهم
39
00:02:51,570 --> 00:02:58,290
لديك بطاقة ائتمان أو قرض ربما حساب توفير ، هل لديهم بطاقة ائتمان أم لا.
40
00:02:58,410 --> 00:03:04,620
هل هم أعضاء نشطون ، فهل قاموا
بتسجيل الدخول إلى الخدمات المصرفية
41
00:03:04,620 --> 00:03:05,610
عبر الإنترنت في الشهر الماضي
أو قد يكون تعريف ذلك مختلفًا.
42
00:03:05,610 --> 00:03:06,330
يمكن ان يكون.
43
00:03:06,330 --> 00:03:09,310
هل قاموا بتسجيل الدخول إلى الخدمات المصرفية عبر الإنترنت الشهر الماضي أم يمكنهم ذلك.
44
00:03:09,320 --> 00:03:10,190
يمكن أن يكون.
45
00:03:10,240 --> 00:03:15,480
هل أجروا معاملة في الشهرين الماضيين أو
شيء من هذا القبيل حتى يمكن أن يكون أي شيء
46
00:03:15,480 --> 00:03:21,540
ولكنهم أعطوك هذا المتغير كعلم حتى تتمكن من
المضي قدمًا واستخدامه الآن وبعد ذلك كما تفعل
47
00:03:21,540 --> 00:03:25,900
تعرف على التعريف لأنها توفر لك المتغير أو يمكنك معرفة ما إذا وجدت ذلك لاحقًا
48
00:03:26,360 --> 00:03:33,150
راتب تقديري شفهي مهم ، لذا تعتقد
البنوك أنها تكسبه لأنهم لا يستطيعون أن
49
00:03:33,150 --> 00:03:37,950
يخبروا أنهم لا يستطيعون أن يعرفوا تلك
المعلومات التي قدروا الراتب ثم قاموا بها
50
00:03:37,950 --> 00:03:39,330
لم يكن لديك هذا العمود في الأصل.
51
00:03:39,330 --> 00:03:44,290
إذن ما فعلوه هو أنهم اكتشفوا كل هذه المعلومات وهذه هي الطريقة التي تتم بها هذه الأشياء بشكل طبيعي
52
00:03:44,290 --> 00:03:44,310
.
53
00:03:44,310 --> 00:03:44,620
الصحيح.
54
00:03:44,640 --> 00:03:47,100
لذلك عندما تكون لديك مشكلة ، فأنت تريد إجراء اختبار.
55
00:03:47,100 --> 00:03:53,190
لذلك وجدوا هؤلاء العملاء البالغ عددهم 10000 عميل
بشكل عشوائي ، وقاموا بتحويل المعلومات المتعلقة بهم
56
00:03:53,190 --> 00:03:58,440
، ثم قالوا حسنًا ، لذلك تمكنا من مشاهدة هؤلاء
العملاء لمدة ستة أشهر وفي غضون ستة أشهر نريد معرفة
57
00:03:58,440 --> 00:04:03,570
من الذي سيغادره هؤلاء العملاء ومن سيبقى هؤلاء العملاء وهذه هي طريقة كولما هنا.
58
00:04:03,570 --> 00:04:08,090
لذا بعد ستة أشهر عادوا إلى هذه القائمة وقاموا بالتحقق منها.
59
00:04:08,110 --> 00:04:09,550
طيب من غادر البنك.
60
00:04:09,660 --> 00:04:14,840
وإذا غادر الشخص البنك ليبقى شخص واحد ثابتًا إذا وضع البنك صفرًا.
61
00:04:15,120 --> 00:04:19,890
ما يعنيه هذا في الأساس هو
أن لديك بعض المعلومات للعملاء
62
00:04:19,890 --> 00:04:24,870
التي تم قياسها قبل ستة أشهر
من وقوع الحدث أو القياس الثاني.
63
00:04:25,110 --> 00:04:27,290
وبعد ذلك عندما أجري القياس الثاني نوعًا ما.
64
00:04:27,290 --> 00:04:28,010
لا لا.
65
00:04:28,030 --> 00:04:29,330
ستة أشهر على المسار الصحيح.
66
00:04:29,520 --> 00:04:33,410
العملاء الذين من المرجح أن يغادروا أو العملاء الذين غادروا بالفعل.
67
00:04:33,680 --> 00:04:39,000
ومن هذه المعلومات ، كل هذه المعلومات معًا
هنا تحتاج إلى استخلاص بعض الأفكار للبنك
68
00:04:39,000 --> 00:04:48,030
وإخبارهم حسنًا ، ربما تعرف أشياء مثل يمكنك
ملاحظة بعض الاتجاهات أو بعض السلوكيات
69
00:04:48,030 --> 00:04:53,760
الميول لذلك كل هذا سوف يكون تحليل تجزئة سلوكية سيكون ممتعًا.
70
00:04:53,880 --> 00:04:58,810
سننظر ، على سبيل
المثال ، في احتمال مغادرة
71
00:04:58,820 --> 00:04:59,450
الإناث للبنك والذكور ،
وهذا يمكن أن يكون منطقيًا.
72
00:04:59,460 --> 00:05:01,820
إنها أبت أساسية تريد رؤيتها.
73
00:05:01,980 --> 00:05:02,550
حسنا.
74
00:05:02,550 --> 00:05:06,810
كم عدد الزبونات اللواتي تركن عدد العملاء الذكور المتبقيين من كل هذه الإجماليات.
75
00:05:07,050 --> 00:05:14,670
ومن الواضح أنه يجب عليك تطبيعها
من خلال العدد الإجمالي للعملاء
76
00:05:14,670 --> 00:05:17,110
الإناث والذكور لأن هذا ربما
سيكون غير متناسب على أي حال.
77
00:05:17,460 --> 00:05:18,840
ثم تريد معرفة ذلك.
78
00:05:18,840 --> 00:05:24,630
بناءً على هذا العمود ، من المرجح أن يكون زميلًا للإناث أو الذكور أم أنه متساوٍ.
79
00:05:24,630 --> 00:05:27,160
وبعد ذلك تقوم بإبلاغ البنك في ولاية يوتا بذلك.
80
00:05:27,160 --> 00:05:27,680
نعم.
81
00:05:27,720 --> 00:05:31,260
تخيل في الواقع إذا رأيت أن الزبونات فقط يغادرن.
82
00:05:31,260 --> 00:05:33,310
ما هي قيمة ذلك بالنسبة للبنك.
83
00:05:33,480 --> 00:05:39,790
سيكونون مثل أوه ، نحن بالتأكيد نفعل شيئًا
خاطئًا ونحتاج إلى تلبية هذا القطاع بشكل
84
00:05:39,840 --> 00:05:46,290
عام من السوق والتأكد من أن عرضنا هو أنك
تعرف الشيء الصحيح بالضبط ما يبحثون عنه ربما
85
00:05:46,290 --> 00:05:51,900
هناك بنك منافس تعرفه في البعض في إحدى المناطق ، وهناك بنك آخر
86
00:05:52,220 --> 00:05:56,250
تأخذنا من هذا البنك مع جميع العملاء.
87
00:05:56,250 --> 00:06:01,620
لذلك هناك الكثير من
الأشياء التي قد تكون قادرًا
88
00:06:01,620 --> 00:06:02,160
على اكتشافها وستجدها في
القصص القادمة ستكون ممتعة.
89
00:06:02,160 --> 00:06:09,160
وهذه هي الطريقة التي تتحقق فيها من
معرفة كيفية التحقق من مجموعات البيانات
90
00:06:09,180 --> 00:06:12,990
مثل هذه ، لذا ابحث عن التبعيات
عندما يكون لديك نتيجة ثنائية ولا تحبها.
91
00:06:12,990 --> 00:06:14,490
لا يجب أن تكون بيانات العملاء.
92
00:06:14,490 --> 00:06:18,600
لذلك بالنسبة للكثير من المؤسسات التي تركز على العملاء ، سيكون هذا أمرًا ذا قيمة.
93
00:06:18,600 --> 00:06:26,040
لذلك فعلت هذا شخصيًا ،
لقد فعلت ذلك مرات عديدة ،
94
00:06:26,040 --> 00:06:26,670
إنها قيمة مضافة إلى أي
مؤسسة تتمحور حول العملاء.
95
00:06:26,670 --> 00:06:31,390
لذلك كلما تعاملت مؤسسة مع العملاء ، يكون هذا ذا قيمة كبيرة.
96
00:06:31,400 --> 00:06:40,170
هذا هو أننا نغامر ببطء في كنيسة التجزئة
ومن ثم الشيء الآخر هو أنه حتى لو كانت
97
00:06:40,290 --> 00:06:46,620
مؤسستك لا تتعامل بشكل مباشر مع العملاء
، فليس لديك Darcis مثل هذا أو كبيانات
98
00:06:46,620 --> 00:06:51,090
عالمًا تعمل في مشاريع مختلفة ،
ستظل تجد الكثير من الأفكار القيمة حول
99
00:06:51,090 --> 00:06:55,230
كيفية إجراء اختبارات B و Tablo حول
كيفية العمل مع اختبارات chi square.
100
00:06:55,230 --> 00:07:02,670
ما يعنونه أساسًا وحتى مجرد العمل
مع Tablo سيكون ذا قيمة كبيرة
101
00:07:02,670 --> 00:07:05,270
إلى جانب تعلم كيفية العمل مع Sabby
Tablo سيكون ذا قيمة في الطريق.
102
00:07:05,490 --> 00:07:08,460
لذلك دون مزيد من اللغط ، دعنا ندخله مباشرة.
103
00:07:08,460 --> 00:07:12,160
سنبدأ في البرنامج التعليمي التالي وأتطلع إلى رؤيتك هناك.
14362
Can't find what you're looking for?
Get subtitles in any language from opensubtitles.com, and translate them here.