Warum ArrowModel?

Wozu dienen Modelle?

Die Geschäftswelt ist ein hart umkämpfter Ort. Sie können Ihre Prozesse nicht optimieren, wenn Sie es aber nicht tun, wird Ihre Konkurrenz Ihnen gegenüber im Vorteil sein. Die meisten Unternehmen, die es sich leisten können, verwenden anspruchsvolle Vorhersagemodelle, um ihre drängenden Probleme zu lösen.

Und Geschäftsprobleme sind niemals genau gleich. Darum müssen Sie Modelle entwickeln, die sich wirklich auf Ihre Daten und Ihr spezifisches Problem beziehen.

Alles ändert sich ständig, darum müssen ihre Modelle regelmäßig aktualisiert werden. Sie können sich einen Berater einholen, aber wenn Sie das nicht wollen, so hilft Ihnen ArrowModel den Job zu erledigen - für einen Bruchteil der Kosten.

Warum ArrowModel?

Es gibt viele Wege Scoring zu betreiben. Man kann sogar mit Papier und Bleistift arbeiten, zumindest als Lehrübung. Wir beschreiben hier die Hauptalternativen für Scoring, denen wir in 20 Jahren Beratung begegnet sind.

Alternative 1: Allzwecklösungen

Am häufigsten findet man eine Universallösung, so wie "SAS/STAT", "SPSS" oder "R", oft im Zusammenspiel mit Makros, um wiederkehrende Aufgaben zu automatisieren.

Dieser Ansatz ist extrem mächtig und flexibel, aber auch sehr zeitintensiv, und er beansprucht in der Regel gute Kenntnisse von typischerweise proprietären Sprachen. Die Anwendungen lassen sich meist auch nicht gut skalieren. Und ein fremdes Modell zu verstehen (oder auch Ihr eigenes von vor einigen Monaten) ist eine Herausforderung. Es gibt meist viele einzelne Programme und Datensätze.

Im Gegensatz dazu hält ArrowModel alles, was zu einem Modell gehört, in einer Datei vor und liefert damit eine einheitliche Struktur für Scoring-Projekte. Anders als R, verlangt ArrowModel nicht, dass alle Daten im Hauptspeicher gehalten werden müssen und erlaubt darum die Arbeit mit sehr großen Datenmengen. Grenzen werden Ihnen durch Speicherplatz und durch den Adressbereich gesetzt, aber die einzige tatsächliche Beschränkung ist die Zeit.

Mit ArrowModel kann eine "Scorecard" erzeugt werden ohne dass eine Zeile Code notwendig wäre. In den Fällen, in denen Sie die Eingabedaten transformieren müssen, wird das durch das weit verbreitete SQL erledigt.

Alternative 2: Speziallösungen

Teure Lösungen wie "KXEN Analytic Framework", "Intelligent Results PREDIGY Platform" oder "SAS Enterprise Miner" richten sich in erster Linie an große Organisationen. Ihre Client-Server-Architektur beansprucht eine gut funktionierende Infrastruktur.

Im Gegensatz dazu ist ArrowModel auf eine einzige Sache fokussiert. Wir haben uns viele Gedanken darüber gemacht, was wir nicht integrieren wollten. ArrowModel verwendet logistische Regression und beinhaltet nicht die "techniques du jour" wie Support Vector Machines (SVM - "Stützvektormaschinen"), Random Forests oder Multilevel Perceptrons (Neurale Netzwerke).

Die einfache ArrowModel Benutzeroberfläche erlaubt es dem Analysten sich auf das Einpassen des Modells zu konzentrieren, anstatt alle verfügbaren Techniken auszuprobieren. Das geschieht in Übereinstimmung mit Frank Harrells Beobachtung, dass es besser ist ein nicht optimales Modell gut zu füllen als ein gut gewähltes Modell schlecht einzupassen oder zu überfassen. [1]. Für die meisten Klassifizierungsaufgaben ist Logistische Regression genausogut, wenn nicht besser, als andere Modelle [2].

ArrowModel läuft auf Ihrem Rechner, es benötigt keine Internet/Intranet Verbindungen. Sobald sich die Rohdaten auf Ihrem Rechner befinden, können Sie loslegen.

Alternative 3: Eigene Lösungen

Sehr wenige Unternehmen verlassen sich auf hausintern entwickelte Scoring-Anwendungen. Außer in dem Fall, dass Scoring zu den Hauptaufgabengebieten einer Firma gehört, sind solche Lösungen oftmals ein Mischmasch aus Access Datenbanken, Excel Spreadsheets, VBA Komponenten und Scripts, die das Ganze mehr oder weniger zusammenhalten.

ArrowModel wurde in C++ geschrieben mit modernen Software Entwicklungs-Tools und -Techniken. Es läuft nativ auf den unterstützten Plattformen und das bedeutet einen signifikanten Performance Vorsprung gegenüber Kundensoftware, die oftmals in interpretierenden Sprachen geschrieben sind. ArrowModel ist als kommerzielles Produkt stetigen Tests und Verbesserungen ausgesetzt.

Zusammenfassung

Für die meisten praktischen Fälle erlaubt es ArrowModel Ihnen, Vorhersagemodelle zu erstellen, zu testen, anzuwenden zu dokumentieren und zu kontrollieren. Und das einfacher und schneller als mit den Alternativen. Siehe ArrowModel in Aktion...