 |
| Productos |
|
 |
|
 |
|
Habber Tec ofrece la primera solución capaz de automatizar los procesos de minería de datos sin necesidad de especialistas en estadística que creen los modelos ni expertos capaces de interpretar los resultados. |
|
Desde 2004 somos distribuidores para España y Portugal de KXEN (www.kxen.com), un revolucionario paquete de productos de minería de datos que permite, tanto a usuarios de negocio como a profesionales del análisis, crear e implementar robustos modelos predictivos y descriptivos más rápido de lo que nunca pudo imaginar.
Con KXEN se pueden desarrollar de forma sencilla y en POCAS HORAS modelos que con las soluciones tradicionales de Data Mining suelen llevar varias semanas.
Más de 400 clientes en todo el mundo.
Integración rápida y sencilla con aplicaciones empresariales y en tiempo real.
Producto: KXEN ANALITIC FRAMEWORK.
Evaluación del Software.
Descarga de Documentos.
Información de Kxen.
Case Studies.
White Papers
Seminarios Web |
|
|
|
Structured Risk Minimization (SRM)
El principal reto para los estadísticos es crear modelos tan precisos como sea posible –que realicen descripciones o predicciones muy exactas– y al mismo tiempo muy fiables, es decir, que sean válidos para otros conjuntos de datos. Ello es especialmente difícil teniendo en cuenta el enorme número de variables que generan las aplicaciones empresariales modernas. La estadística tradicional sólo puede producir modelos precisos con pocas variables, por lo que es necesaria la labor de un experto que reduzca su número antes de construir el modelo. Cuantas más variables aparezcan, más difícil es que el modelo sea fiable. Sólo la habilidad del estadístico determina la fiabilidad del modelo.
La Minimización del Riesgo Estructurado (Structured Risk Minimization, SRM), desarrollada por Vladimir Vapnik, supone una revolución en las matemáticas y la estadística que hace posible, por primera vez, generar automáticamente modelos fiables y precisos. En contraste con los modelos estadísticos tradicionales, los modelos SRM aumentan la precisión y mantienen la fiabilidad cuando el número de variables se incrementa. Así, la precisión y la fiabilidad del modelo los determina la información disponible, no el experto.
|
| |
 |
|
KXEN Analytic Framework es un paquete integrado de componentes analíticos potente y fácil de usar. Representa el entorno ideal para modelar sus datos lo más rápida y fácilmente posible y proporcionar resultados relevantes y fáciles de interpretar. Con los componentes de KXEN integrados con sus aplicaciones y procesos de negocio puede transformar de forma inmediata sus datos en conocimiento para tomar decisiones correctas, tanto en el ámbito operacional como en el estratégico.
KXEN Analitic Framework pone las últimas tecnologías de Data Mining al alcance de los tomadores de decisiones del área de negocio y de los profesionales del Data Mining. Los motores patentados de modelado predictivo y descriptivo se basan en la revolucionaria toría matemática de Vladimir Vapnik para scoring, clasificación, clustering y contribución de variables.
Todo ello le permitirá acceder a muchas fuentes y formatos de datos y generar modelos descriptivos y de forma asombrosamente rápida. Con KXEN Analytic Framework puede concentrarse en análisis más avanzados y mejorar la toma de decisiones.
Todo ello le permitirá acceder a muchas fuentes y formatos de datos y generar modelos descriptivos y de forma asombrosamente rápida. Con KXEN Analytic Framework puede concentrarse en análisis más avanzados y mejorar la toma de decisiones. |
|
|
|
| KXEN COMPONENTS |
|
 |
|
KXEN Robust Regression (K2R) uses a proprietary regression algorithm to build predictive and descriptive models. These models can be used for scoring, regression, and classification. Unlike traditional regression algorithms, K2R can safely handle high numbers of variables (over 10,000). K2R provides indicators and graphs to ensure that you can easily assess the quality and robustness of your models.
Benefits: The data mining process is completely automated. The models provide drill-down into individual variable contributions. |
|
| |
 |
|
KXEN Smart Segmenter (K2S) discovers natural groupings or clusters in a set of data. K2S is optimized to find clusters that are related to a specific business question. It describes the properties of each group and identifies how they differ from the general population. Like other KXEN modeling techniques it provides indicators for model quality and reliability.
Benefits: It automatically reveals the groups that are meaningful to the specific business questions you’re trying to answer. |
|
| |
 |
|
KXEN Time Series (KTS) predicts meaningful patterns and trends in your data over time. Use your chronological data to forecast the results of the next periods of time. KTS identifies the trend as well as periodicity and seasonality to provide accurate and reliable forecasts.
Benefits: Adjust for patterns in your business and predict supply shortages before they occur. |
|
| |
 |
|
KXEN Association Rules (KAR) generates rules that identify patterns in transaction data describing which events frequently occur together. Association rules associate a particular event, such as the purchase of a particular product, with a set of conditions, e.g., the purchase of several other products. As an example, by analyzing customer purchasing behavior, a retailer can find out that the purchase of a digital camera will often result in the purchase of a digital memory stick within a month.
Benefits: KAR allows managers to make important decisions on their product mix, promotional offering, shelf space allocation and more. |
|
| |
 |
|
KXEN Support Vector Machine (KSVM) is a binary classification component. It is particularly well suited for analyzing data sets with a small number of observations (rows) but with a high number of variables. This makes it ideal for problems in areas with very high dimensional feature spaces like life sciences.
Benefits: Problems that previously required customized programming can now be solved with this industrial strength software component. |
|
|
 |
|
XEN Consistent Coder (K2C) automatically prepares and transforms data into a format suitable for use in the KXEN Analytic Framework. K2C translates nominal and ordinal variables, automatically fills in missing values and detects out of range data.
Benefits: Automated data preparation frees you to spend more time on model exploration and deployment. |
|
| |
 |
|
KXEN Event Log (KEL) aggregates events into periods of time. KEL allows integrating transactional data with demographic customer data. It is used in cases when the raw data contains static information such as age, gender or profession of an individual, and dynamic variables, such as spending patterns or credit card transactions. Data is automatically aggregated within user defined periods without programming SQL or changing database schemas. KEL combines and compresses this data to make it available to other KXEN components.
Benefits: KEL allows you to integrate additional sources of information on the fly to improve your model quality |
|
| |
 |
|
KXEN Sequence Coder (KSC) aggregates events into a series of transitions. For example a customer click-stream from a Web site can be transformed into a series of data for each session. Each column represents a specific transition from one page to another. Similar to KEL these new columns of data can be added to existing customer data and are made available to other KXEN components for further processing.
Benefits: With KSC you can tap into previously unused sources of information to build better predictive models. |
|
| . |
 |
|
KXEN Model Export (KMX) generates SQL, C, VB, SAS and other output code corresponding to the model built with the KXEN Analytic Framework. Models can easily be integrated into an application that supports these code types. KMX makes scoring independent from the modeling system and allows for very rapid deployment of models into production.
Benefits: KXEN models are rapidly integrated into databases, applications or business software without requiring the KXEN Analytic Framework. It also allows deployment of the models on platforms different from the one on which they were generated. |
|
| Arriba ^^^ |
|
 |
