התחברות

התחברות
x
או
x
הרשמה
x

או

קליק אחד ואתם מחוברים. מהיר .קל .מאובטח.

מעניין? שתפו דף זה באמצעות הטלפון הנייד

אירועים קרובים

מאמרים

מגמות של ביג דאטה בעולם הביטוח
CA Technologies
SSIS - Buffer Size Optimization
קטגוריה ראשית
בדיקות BI ו-DWH לעומת הבדיקות בתחומים אחרים
קטגוריה ראשית
איסוף דרישות לפרויקטי BI
קטגוריה ראשית
כח המידע במיקוד
קטגוריה ראשית
0

הדף שלנו בפייסבוק

ברוך הבא, אורח
שם משתמש: סיסמא: זכור אותי

דיון: אבחון דפוסים חריגים לפי New Data Science

אבחון דפוסים חריגים לפי New Data Science 1 month 2 weeks ago #8474

  • Edith Ohri
  • Edith Ohri's Avatar
  • Offline
  • Moderator
  • הודעות: 322
  • קרמה: 0
למתענינים בנושא איכות. להלן תמצית דברי על חריגים בכנס איכות-בדרום 25-09-2019, מושב "כלי איכות ותוכנה",

ראשי פרקים:
מה זה חריגים?
מה הבעיה, ואיך ביג דטה קשור לענין?
נקודת השבר והמפנה.
הפתרון של מדע הנתונים החדש, (המוזכרת בדיונים קודמים בפורום זה).
צעדי הפתרון:
... פוקוס
... צלילה פנימה
... תובנות
... יישום.
השראת מהפיכת האיכות היפנית לפני כחצי מאה,
קול קורא. .

קישורים
דף הכנס: www.sce.ac.il/news/quality-2019
המצגת: www.sce.ac.il/filestock/file/1570349218350-0.pdf


תקציר:
נושא: תפיסה חדשה לאיתור דפוסים חריגים וזיהוי גורמי שורש של שגויים, לפי מדע הנתונים החדש.

הבעיה בשיטת בקרת האיכות הנוכחית, שבמרכזה 4 השלבים הידועים של דמינג – תכנון, ביצוע, בדיקה ופעולה מתקנת (Plan, Do, Check, Act), היא חוסר כלים לטיפול בחריגים. יותר מזה, התבססותה על סטיסטיקה מכשילה השגת כלים כאלה -- סטטיסטיקה אינה תומכת בהקמת השערות להתנהגות חריגה – non repetitive behavior, ואינה בנוייה לאימות שלהן אף אם יובאו מבחוץ.
בשיטה הקימת יש גם בעיה מעשית שפוגעת בניצול משאב הנתונים. היא תלוייה בפירוט ובאיכות הנתונים, GIGO כפי שנהוג לקרוא לזה. בפועל, רוב מערכת האיכות היום עוסק באספקת נתונים מבוקרים שמתאימים למבחן סטטיסטי בלבד. זאת בעוד המבחן הסטטיסטי עצמו, על פי הגדרתו, מסוגל להגדיר ליקויי איכות רק במקומות ידועים, כלומר מתחת לפנס, וה"פנס" עצמו יקר, לא מתאים למשימת החריגים, מחיב הגדרה מחדש לכל פריט, ולא ניתן לרכשו מהמדף.
המגרעות הללו גורמות ללחץ אדמיניסטרטיבי על מערכת האיכות ולירידה באפקטיביות.
בשבעים השנה מאז דמינג, גדלו הדרישות ממערכת האיכות. הן כוללות היום תחומי פעילות לא-מוחשיים – intangible בעיקר בשירות ובהנהלה, וצרכים אסטרטגיים שלא היו בעבר, כגון מהירות תגובה, גמישות, יעילות והישרדות מול מתחרים גלובליים.
הפתרון המוצע Is-Real מכוון לצרכים אלה. הפתרון בא מזוית ראייה של הנדסת תעשייה וניהול, מתוך כוונה לשלב את דרישות האיכות במערכות המידע האחרות ולגיס אותן להגברת יעילות ניצול הנתונים (וביג דטה) בארגונים גדולים וקטנים.
הפתרון מתמקד בתפיסה חדשה של מדע-הנתונים לאיתור דפוסים חריגים ומניעתם באופן שיטתי, בהשראת מהפיכת האיכות ביפן, שיצרה פוטנציאל ענק, על ידי סילוק מכשול מרכזי בעזרת אמצעים זמינים ופופולריים.
המיוחד בפתרון Is-Real הוא היותו תפיסה ולא פתרון מסחרי, ובכך פותח את שערי היישום לכלים קימים מגוונים וזמינים שאינם מחיבים השקעה והטמעה.
מטרת ההרצאה היא לאתר ארגון לצורך שיתוף פעולה להקמת אתר הדגמה ראשון בנושא.

בברכה
אדית
עריכה אחרונה: 1 month 5 days ago  ע''י Edith Ohri. סיבה: הוספת קישורים
הנהלת האתר ביטלה גישת כתיבה ציבורית.
מנהלים: Edith Ohri
זמן יצירת העמוד: 0.170 שניות

Microsoft

Oracle

IBM

Informatica

Sap

SAS

Qlikview

Cloudera

Machine Learning