Gewinndiagramm (Analysis Services – Data Mining)

Ein Gewinndiagramm zeigt die geschätzte Erhöhung des Gewinns an, die sich aus der Verwendung eines Miningmodells ergibt. Wenn mit dem Modell beispielsweise vorhergesagt wird, welche Kunden ein Unternehmen in einem Geschäftsszenario kontaktieren sollte, enthält das Gewinndiagramm Informationen zu den Kosten für die Durchführung einer Targeted Mailing-Kampagne, bei der x Kunden kontaktiert werden sollen, und berechnet den geschätzten Gewinn. Ein typisches Gewinndiagramm zeigt eine Gewinnsteigerung bis zu einem gewissen Punkt, von dem an der Gewinn jedoch wieder abnimmt, wenn größere Teile der Population kontaktiert werden.

Grundlegendes zu Gewinndiagrammen

Ein Gewinndiagramm ist mit einem Prognosegütediagramm vergleichbar. Ein Gewinndiagramm kann wie ein Prognosegütediagramm zum Vergleichen mehrerer Modelle verwendet werden, solange von allen das gleiche diskrete Attribut vorhergesagt wird. Es gibt keine getrennte Oberfläche zum Erstellen eines Gewinndiagramms. Sie starten auf der Registerkarte Prognosegütediagramm der Registerkarte Mininggenauigkeitsdiagramm des Data Mining-Designers und fügen dann die für Gewinndiagramme spezifischen Kosten- und Gewinninformationen hinzu.

Zur Veranschaulichung der Funktionsweise wird in diesem Thema schrittweise ein Gewinndiagramm erläutert. Das Diagramm wurde erstellt, um vorherzusagen, welche potenziellen Kunden mit größerer Wahrscheinlichkeit ein Fahrrad kaufen werden und wie viel Gewinn erzielt werden könnte, indem diese Zielgruppe selektiv angesprochen wird.

Um dieses Szenario zu verfolgen, verwenden Sie das Entscheidungsstrukturmodell TM_Decision Tree, das Sie im Lernprogramm zu Data Mining-Grundlagen erstellt haben. Zu Beginn wählen Sie ein Modell und vorhersagbares Attribut wie für ein Prognosegütediagramm aus, wählen dann aber Gewinndiagramm aus der Liste aus.

Sobald Sie ein Gewinndiagramm als Diagrammtyp auswählen, wird automatisch das Dialogfeld Gewinndiagrammeinstellungen geöffnet. In diesem Dialogfeld können Sie Kosten und Nutzen einer Targeted Mailing-Kampagne angeben. Nachdem Sie die Parameter zur Definition eines Gewinndiagramms festgelegt haben, wird das angezeigte Diagramm automatisch in ein Gewinndiagramm geändert. Für das in diesen Beispielen gezeigte Diagramm wurden die folgenden Werte verwendet:

Einstellung	Wert
Auswählen eines Modells	TM_DecisionTree
Festlegen des vorhersagbaren Attributs sowie des vorhersagbaren Werts	In diesem Szenario interessieren Sie sich ausschließlich für die Kunden, die wahrscheinlich ein Fahrrad kaufen werden, und wählen daher [Bike Buyer] =1. In anderen Szenarien könnte es wichtiger sein, negative Kosten anhand eines Modells darzustellen: D. h., im Gewinndiagramm sollen die Kosten für eine falsche Vorhersage berücksichtigt werden. In einem derartigen Szenario würden Sie keinen bestimmten vorhersagbaren Wert angeben und sämtliche Ergebnisse messen.
Auswählen des Testdatasets bzw. der Daten zur Bewertung der Genauigkeit und Rentabilität des Modells	Wenn Sie nur die allgemeine Genauigkeit oder Rentabilität des Modells bewerten möchten, können Sie den Testsatz verwenden, der beim Erstellen der Miningstruktur generiert wurde. Wenn Sie jedoch die Genauigkeit und die Rentabilität des Modells anhand tatsächlicher Daten vorhersagen möchten, verwenden Sie das Dataset, das die potenziellen Kunden und deren Attribute enthält.
Festlegen des Werts für die gesamte Zielpopulation	Die Datenbank kann zahlreiche Kunden umfassen. Da Sie die Versandkosten jedoch eindämmen möchten, zielen Sie auf die ersten 20.000 Kunden ab, bei denen laut Modell am wahrscheinlichsten mit einer Antwort zu rechnen ist.
Eingeben der einmaligen Kosten für die Einrichtung einer Targeted Mailing-Kampagne für 20.000 Kunden	500
Geben Sie die Kosten für die Targeted Mailing-Kampagne pro Einheit ein. Dieser Betrag wird mit einer Zahl kleiner oder gleich 20.000 multipliziert, je nachdem, wie viele Kunden vom Modell als potenzielle Kunden vorhergesagt werden.	3
Geben Sie einen Wert für die bei einem erfolgreichen Ergebnis zu erwartenden Gewinne oder Einkünfte ein. Dieser Betrag wird zum Projizieren des Gesamtgewinns bei Fällen mit einer hohen Wahrscheinlichkeit verwendet.	25

Interpretieren der Ergebnisse

Im Folgenden ist ein auf diesen Parametern basierendes Diagramm dargestellt. Die Y-Achse des Diagramms stellt den Gewinn dar, während die X-Achse den Prozentsatz der vom Unternehmen angesprochenen Population darstellt.

Das Gewinndiagramm enthält eine graue vertikale Linie, die einen Prozentsatz der Zielpopulation markiert. Sie können die Zeile verschieben, indem Sie auf eine Stelle im Diagramm klicken. Wenn Sie die Linie verschieben, wird die Mininglegende aktualisiert, um den Prozentsatzwert, eine Gewinnauswertung und die Vorhersagewahrscheinlichkeit für den Populationsprozentsatz an der vertikalen grauen Linie anzuzeigen. Wenn Sie die graue Linie an die Stelle im Diagramm verschieben, an der der Gewinn am größten ist, können Sie den Vorhersagewahrscheinlichkeitswert verwenden, um eine Strategie zum Kontaktieren der Kunden zu bestimmen.

Prozent der Fälle	Reihen, Modell	Gewinn	Vorhersagewahrscheinlichkeit
30		$103,000	67.23%
40	TM_Decision Tree	$128,500	60.90%
50		$149,500	50.70%
60		$168,000	44.05%

Wenn Sie mit diesem Diagramm experimentieren, können Sie u. U. bestimmen, dass die Spitze der Gewinnkurve bei 55 Prozent der Population liegt und dass die entsprechende Vorhersagewahrscheinlichkeit 20 Prozent beträgt. Diese Ergebnisse zeigen, dass Sie zum Erzielen eines maximalen Gewinns nur die Kunden kontaktieren sollten, die mit einer Wahrscheinlichkeit von 20 Prozent oder mehr den Kauf tätigen werden.

Verwandte Inhalte

Die folgenden Themen enthalten weitere Informationen zum Erstellen und Verwenden von Genauigkeitsdiagrammen.

Themen	Links
Bietet eine exemplarische Vorgehensweise zum Erstellen eines Prognosegütediagramms für das Targeted Mailing-Modell.	Lernprogramm zu Data Mining-Grundlagen Überprüfen der Genauigkeit mit Prognosegütediagrammen (Lernprogramm zu Data Mining-Grundlagen)
Erläutert verwandte Diagrammtypen.	Prognosegütediagramm (Analysis Services – Data Mining) Klassifikationsmatrix (Analysis Services   Data Mining) Punktdiagramm (Analysis Services – Data Mining)
Beschreibt die Kreuzvalidierung für Miningmodelle und Miningstrukturen.	Kreuzvalidierung (Analysis Services - Data Mining)
Beschreibt Schritte zum Erstellen von Prognosegütediagrammen und anderen Genauigkeitsdiagrammen.	Tasks und Anweisungen für Test und Überprüfung (Data Mining)

Siehe auch

Konzepte

Tests und Überprüfung (Data Mining)