Survival Data Mining: Predictive Hazard Modeling for Customer History Data

Survival analysis (analýza přežití) je moderní statistická metoda, která při analýze obvyklých událostí jako např. nákup produktu nebo služby, odchod zákazníka nebo nesplácení půjčky zohledňuje časovou informaci. Namísto modelování výskytu události (ano/ne) se tak modeluje přímo doba, za kterou daná událost nastane, což samozřejmě poskytuje mnohem přesnější informaci a větší flexibilitu pro reakci nebo kontaktování zákazníka. V rámci školení Survival Data Mining je na programu úvod do modelů analýzy přežití, vývoj různých typů modelů, jejich vyhodnocení a implementace, práce s velkými daty a modelování opakujících se událostí. Školení tak pokrývá vše potřebné pro vývoj survival modelů a jejich úspěšné nasazení v byznysu, kde mohou vhodně doplnit modely stávající. Kurz probíhá v angličtině s využitím anglických podkladů. Kurs školí jeho autor Mike Patetta (SAS USA), přední odborník na statistické analýzy a data mining, mimo jiné autor několika školení zabývajících se analýzou přežití, analýzou kategoriálních dat a prediktivním modelováním.

Obsah kurzu

Survival Data Mining

• introduction to survival data mining
• elements of survival analysis
• time-dependent covariates

Survival Models

• semi-parametric survival models
• parametric survival models
• discrete-time survival models

Flexible Hazard Modeling

• building discrete time hazard models
• grouped expanded data

Hazard modeling with big data

• outcome-dependent sampling
• data truncation
• piecewise constant hazards

Predictive Performance

• predictive scoring
• empirical validation

Recurrent Events

• introduction to recurrent events