Using Bayesian Networks in Business Analytics : Overview and Short Case Study

• Autorzy: Michael Ashcroft

Warianty tytułu

Wykorzystanie sieci bayesowskich w analizach biznesowych: przegląd metod oraz krótkie studium przypadku

• Języki publikacji: EN

Abstrakty

EN

Bayesian networks are a popular and powerful tool in artificial intelligence. They have many applications in commercial decision support. The point of this paper is to provide an overview of the techniques involved from this perspective. It presents a simplified mathematical overview of important background theory and examines an application of Bayesian networks to talent retention for international firms in China. In developing this case study, we examine the full process of utilizing this technology and the outputs that can be generated.(original abstract)

Sieci bayesowskie są popularnym i skutecznym narzędziem sztucznej inteligencji. Mają one wiele zastosowań we wspomaganiu decyzji biznesowych. Celem niniejszego artykułu jest dokonanie przeglądu techniki sieci bayesowskich z takiej właśnie perspektywy. W artykule przedstawiono zarys najważniejszych matematycznych podstaw teoretycznych sieci bayesowskich oraz omówiono ich zastosowanie do zatrzymywania utalentowanych pracowników w międzynarodowych firmach w Chinach. W ramach studium przypadku, przeanalizowano cały proces wykorzystywania sieci bayesowskich oraz omówiono dane, które mogą być wygenerowane przy ich użyciu.(abstrakt oryginalny)

Słowa kluczowe

EN

Bayesian network; Decision Support Systems (DSS); Stochastic models

PL

Sieci bayesowskie; Systemy wspomagania decyzji; Modele stochastyczne

• Czasopismo: Informatyka Ekonomiczna / Uniwersytet Ekonomiczny we Wrocławiu
• Rocznik: 2012
• Numer: nr 3 (25)
• Strony: 9--22

Twórcy

autor

Michael Ashcroft

• Uppsala University, Sweden

Bibliografia

• Ashcroft M., Bayesian networks in business analytics, [in:] M. Ganzha, L. Maciaszek, M. Paprzycki (Eds.), Proceedings of the Federated Conference on Computer Science and Information Systems FedCSIS 2012, Polskie Towarzystwo Informatyczne, IEEE Computer Society Press, Warsaw, Los Alamitos, CA 2012, pp. 955-961.
• Chickering D., Learning equivalence classes of Bayesiannetwork structures, Journal of Machine Learning Research 2002a, No. 2, pp. 445-498.
• Chickering D., Optimal structure identification with greedy search, Journal of Machine Learning Research 2002b, No. 3, pp. 507-554.
• Gruber A., Ben-Gal I., Efficient Bayesian network learning for system optimization in reliability engineering, Quality Technology and Quantitative Management 2012, Vol. 9, No. 1, pp. 7-114.
• Jensen F.V., Nielsen T.D., Bayesian Networks and Decision Graphs, 2nd edition, Springer, 2007.
• Monti S., Cooper G., Technical Report: Learning Hybrid Bayesian Networks from Data, 1997.
• Neopolitan R., Learning Bayesian Networks, Pearson Prentice Hall, 2004.
• Williamson J., Approximating discrete probability distributions with Bayesian networks, [in:] Proceedings of the International Conference on Artificial Intelligence in Science and Technology, December 2000.