Explorador de Recursos do Fusion Analytics

Machine learning predefinido para análise

O Oracle Fusion Analytics fornece machine learning (ML) pronto para uso para processos de negócios específicos. Além disso, os usuários podem aproveitar os mesmos serviços da plataforma do Fusion Analytics para criar seus próprios casos de uso baseados em ML ou aplicar facilmente ML de autoatendimento e análise preditiva com alguns cliques, oferecendo suporte a usuários de negócios, analistas e cientistas de dados.

Machine learning predenifido para processos de negócios específicos

O Oracle Fusion Analytics continua expandindo sua biblioteca de machine learning pronto para uso para processos de negócios específicos para que os usuários possam desvendar seus próprios insights e resultados. Aqui estão algumas amostras:

Previsão de risco de cobrança

Prevê o risco de um cliente pagar atrasado ou uma fatura ser paga com atraso. Ajuda a priorizar as cobranças e melhorar o fluxo de caixa.

Análise de diversidade

Permite a detecção e o monitoramento de indicadores de impacto adverso em contratações, desligamentos e promoções por gênero e etnia.

Plataforma de machine learning para cientistas de dados

O Oracle Fusion Analytics também inclui uma plataforma de machine learning em escala empresarial para que os cientistas de dados executem machine learning dentro do banco de dados, onde os dados residem. Essa plataforma, chamada Machine Learning no Oracle Database, inclui mais de trinta algoritmos de ML para fornecer machine learning automatizado no-code. O Machine Learning no Oracle Database fornece interfaces naturais para linguagens de programação populares usadas na ciência de dados, como SQL, R e Python.

Mais importante ainda, o Fusion Analytics fornece aos cientistas e analistas de dados cidadãos um método de autoatendimento para acessar esses modelos a partir do repositório central e executá-los facilmente em seus próprios conjuntos de dados para gerar previsões.

ML de autoatendimento

Aproveitando os recursos do Oracle Analytics Cloud subjacente, qualquer pessoa pode aplicar machine learning e análise preditiva para detectar rapidamente anomalias e prever resultados.

Descubra insights com machine learning explicável

O recurso Explain permite que você examine qualquer conjunto de dados para identificar rapidamente fatores comerciais e anomalias de dados significativas com apenas alguns cliques. Obtenha visualizações automáticas em retorno para iniciar análises novas e mais detalhadas.

Figura 1: Exemplo de resultados do Explain

Análise avançada

Aplique facilmente análises avançadas pré-criadas com alguns cliques.

  • Previsão: Faça previsões usando modelos de previsão preditiva predefinidos para calcular possibilidades para o próximo conjunto de períodos com base em dados passados e presentes.
  • Linha de tendência: Destaque uma direção específica nos dados.
  • Clusters: Encontre agrupamentos de objetos que mostram mais coerência e proximidade uns com os outros do que os de outros grupos.
  • Outliers: Identifique outliers e anomalias que estão localizadas mais longe das expectativas médias de valores.
  • Análise de texto (por exemplo, análise de sentimento): Entenda o tom, como negativo, positivo ou neutro, de respostas a pesquisas ou questionários.
  • Análise de afinidade (por exemplo, análise de cesta de compras): Descubra relações em seus dados identificando conjuntos de itens que geralmente aparecem juntos.
  • Análise de gráficos: Mostre as relações de dados visualmente, como a forma como as pessoas e as transações são conectadas ou a distância mais curta entre dois hubs em uma rede.

Funções de modelagem preditiva de autoatendimento

O Oracle Fusion Analytics inclui vários algoritmos de machine learning para ajudar a criar e treinar modelos preditivos para prever um valor de destino ou identificar classes de registros — sem necessidade de codificação. Exemplos de tipos de algoritmo disponíveis incluem árvores de classificação e regressão (CART), regressão logística e k-means. Depois que o modelo preditivo for treinado, qualquer pessoa poderá aplicá-lo a qualquer conjunto de dados.

Figura 2: Exemplo de modelagem preditiva de autoatendimento