Business Analytics Case Study

Sqribble:面向内容创作者的可执行文档操作系统 文档自动化不是简单排版提速,而是将专业写作中的结构逻辑、视觉规范与交付流程编译为可复用规则。其核心在于通过模板驱动的语义化建模(如章节约束、图表元数据校验)和云原生状态集中管理,实现内容即成品的确定性输出。这种‘规则先行’范式显著降低格式返工率,提升跨角色协作可信度,适用于市场白皮书、产品手册、培训资料等需高频产出结构化PDF的场景。Sqribble代表了从手工排版向文档操作系统演进的关键实践。 阅读详情

Business Analytics Case Study

Case Description

The final business analytics case study has two components: a) data transformation with SSIS and  b)  predictive  analysis with RapidMiner. Both tasks are based on individual flight experiences from an airline company, aiming to improve customer satisfaction. Review the instructions below carefully before start the assignment.

This assignment is worth 40% of your assessment for the subject. This assignment is due at 16:00 PM on 25 October 2024.

PART I: Data transformation for customer satisfactory data with SSIS

In this part, students are required to set a data transformation process with for the relevant source data table and create target tables. A brief description of all source tables is:

•   Individual flight experiences arestored in “flight_ 1.csv ” and “flight_2.csv” .

•   Flight types are stored in “type.csv”, where the Type Code is derived from the first two letters of the Flight ID in “flight_ 1.csv ” and “flight_2.csv” .

•   Additional information about customers is available in “customer.csv” .

•   Addresses for all customers are stored in “address.csv” .

On this basis, perform. transformation and create:

1.   Fact table that contains all available measures related to individual flight experiences and this table must be connected to dimensional tables.

2.   Customer dimension table that contains information of customers.

3.   Time dimension table that contains information of time.

Students need to complete the template to describe the transformation process, which contains the following components:

1.   Transformation Process

1.1 Screenshot of the data flow page: Each of your screenshot must have “green ticks” and “number of rows displayed” .

1.2 Screenshot of the data viewer for the fact table

1.3 Screenshot of the data viewer for the customer dimension table

1.4 Screenshot of the data viewer for the time dimension table

2.   Challenges and Suggestions: Describe the data granularity and challenges related to the transformation process and make suggestions about how the company improve or make the data useful for business applications (max. 300 words).

Part II: Predictive analysis of customer satisfactory via RapidMiner

In this part, students must utilize RapidMiner to perform. predictive analyse on individual flight experiences from an airline company. The provided dataset contains various features that describe customer demographics, flight  characteristics, and service ratings. Students are required to develop a satisfaction prediction model (e.g., decision tree and logistic regression), and present it to the executives of the airline company who can make decisions whether to implement it or not. Based on the developed model, students need to complete the business report template where the goal is to improve/expand business operations. The report must contain the following components:

1.   Executive  Summary:  It is a clear, well-structured, evidence-based summary of your findings, which come from prediction performance from created models (max. 150 words).

2.   Predictive Analysis: Under the guidance of tutorials, Students are asked to develop two models (students can choose the models learned from this course or choose any other model outside the tutorial exercise) to predict whether the customer is satisficed for all customers in the provided “flight_test.csv” after learning patterns from the labelled “flight_train.csv” . Remember that you can switch between the different models by connecting the respective operator and temporarily disabling the operator that you do not wish to run at this moment.

2.1 Screenshots of Analytical Process for the first model: two screenshots are required, one for overall RapidMiner process and one for the process within Cross-Validation.

2.2 Screenshots  of  Analytical  Process  for  the  second  model:  two  screenshots  are required, one for overall RapidMiner process and one for the process within Cross- Validation.

3    Factors that influence  satisfaction most: regarding each model, identify and explain which variable(s) is/are the most decisive predictor(s) for customer satisfaction (max. 300 words in total). In this section, you need to insert screenshots of the related evidence to support your analysis for both models.

4    Classification Results: based on the classification results (confusion matrixes for both models), justify which model is better for the analytical task. You may also refer to related academic articles, blogs, and other publications to justify the modelselections by following the academic style. of writing and referencing (max. 200 words). In this section, you need to insert screenshots of the related evidence to support your analysis.

5    Suggestions  for improving company operations: propose specific actions on how to satisfy customers based on identified factors that influence satisfaction most for the selected model. You may also refer to related academic articles, blogs, and other publications to justify the model selections by following the academic style. of writing and referencing (max. 200 words).

6.   Ethical Problems: Discuss the ethical implications that you can identify from the data analytical process. You may also refer to  related academic articles, blogs, and  other publications to justify the model selections by following the academic style. of writing and referencing (max. 300 words).

7.   References: Please include all the references (minimum 5 references) that you have citied in your report.

Submission Guidelines:

This assignment is due at 16:00 PM on 25 October 2024. For late submissions, please refer to guidelines outlined on ECP:

https://course-profiles.uq.edu.au/course-profiles/BISM7233-60203-7460

You are required to submit an electronic version of your work through Blackboard (see the Assessment Link on Blackboard and look for the link labelled Assignment Submission. You will have two opportunities to submit your documents. So, in case you make a mistake on your first submission or wish to revise your assignment, you can re-submit it once. Also, by submitting the Assignment via Blackboard you attest that the Assignment is your own work.

Please submit the report on Blackboard Assignment Submission Box and Turnitin. You also need to submit the Zip file (compressed file) containing the SSIS project files, CSV output files, and RapidMiner Files on Blackboard Assignment Submission Box.

AI编排实战:MuleSoft+LangChain构建企业级AI集成流水线 AI编排(AI Orchestration)是连接大模型能力与企业核心系统的关键范式,其本质是在保障数据安全、权限治理和可审计性的前提下,对多源异构系统调用、提示链执行与LLM推理进行工程化协同调度。它既不是简单封装API,也不是纯算法优化,而是融合企业集成中间件的严谨性与AI框架的灵活性,解决真实产线中‘能跑通但不敢上线’的典型问题。本文聚焦AI编排在销售智能场景的落地实践,以MuleSoft作为企业级管道引擎实现系统连接、动态脱敏与流量治理,以LangChain作为AI逻辑中枢完成多步推理、上下文精炼与 阅读详情

相关推荐

时序预测实战:从数据诊断到Prophet滚动预测的端到端交付

时间序列预测不是调参游戏,而是以业务动因为核心的数据驱动建模过程。其本质涉及时间对齐、周期性识别、外部变量对齐、异常鲁棒性设计等底层原理;技术价值在于支撑排班调度、资源采购等高时效性决策;典型应用场景覆盖呼叫中心、电商销量、IoT设备负载等强周期+多源干预领域。本文聚焦真实面试作业与生产级落地需求,深入解析数据病理诊断(DPA)、循环特征构造、Prophet贝叶斯滚动预测等关键环节,尤其强调时区处理、假零识别、mcmc_samples启用、regressor缺失防护等易被忽略但决定成败的实操细节。

abxlep7702的博客 376

Hello-Agents 社区参与全路径:从跑通第一个智能体到提交首个 PR

很多人啃完智能体教程后卡在同一处:demo 能跑,却不知道该往哪一步走。Hello-Agents 是 Datawhale 从零开始的智能体教程项目。本文给你一条新手路线:先跑通第一个 Agent,再走通第一个 Pull Request。 ## 最小入场步骤:先读 README 再跑通第一个智能体 入场不需要任何前提。你只需要仓库本身、Python 3.10+ 环境,和一个 LLM API ke

gitblog_01126的博客 822

Sqribble:面向知识工作者的确定性PDF自动化排版系统

PDF文档生成是数据分析师、课程讲师、技术博主等知识型岗位的高频刚需,其本质是将非结构化内容转化为符合出版规范的结构化页面。传统方案如Word或LaTeX依赖人工干预,导致格式不一致、协作低效、交付延迟;而基于大模型的AI写作工具又过度聚焦‘内容生成’,忽视‘格式确定性’这一工程底线。Sqribble另辟路径,以模板为执行单元、以归一化引擎为核心、以云原生渲染为底座,构建了一套轻量但刚性的排版自动化系统——它不理解语义,却精准响应H2/H3标题、代码块、图片宽高比等显式信号;不提供自由设计,却保障100次导

weixin_33713707的博客 432

Infinigen 3D 场景导出:把生成场景转成 OBJ、USDC、URDF 送进 Blender 和仿真平台

Infinigen 可以把生成好的 3D 场景导出为 OBJ、FBX、USDC、URDF 等通用格式。本文按 Blender、Omniverse、机器人仿真三条下游路径,给出各自的导出命令和坑位,适合已经会生成场景、想把结果继续用下去的用户。 [![Infinigen 3D 场景导出:生成的写实室内场景原图](https://raw.gitcode.com/gh_mirrors/in/infin

gitblog_00920的博客 293

3天干完6个月的活,Claude把模型搬上AMD

一条挺刺激的消息:Anthropic 给投资人的材料里有一张幻灯片,写着它的 Claude Mythos Preview 只花了大约​,就摸清了怎么让另一个 Claude 模型在 AMD 的 MI355X 上跑起来。同一处还写了个对照数字:过去给一块新芯片做推理适配,通常要几十名工程师、​。3 天对 6 个月,这个比值太扎眼,当天中文互联网上就冒出一堆「英伟达的护城河塌了」的说法。我把能翻到的材料都翻了一遍,越看越觉得,塌掉的那一小块是真的,可塌的位置和很多人想的不一样。

DeepPing,日更,陪你聪明看世界。 452

【信息科学与工程学】【数据中心】 第十五篇 智算中心DaaS数据消费场景02

智算中心DaaS数据共享场景的分级分类是一个复杂的系统工程,需要从技术、安全、合规、治理、运营等多个维度进行综合考虑。本分级分类体系为不同场景下的数据共享提供了详细的指导,包括安全分级、共享模式、技术架构、合规治理等方面。在实施数据共享平台时,应结合自身业务需求、技术能力和资源情况,选择适合的共享模式和实施路径。同时,要高度重视数据安全和隐私保护,采用先进的技术和管理手段,确保数据共享的安全可控。

weixin_49199313的博客 1万+

ui-ux-pro-max-skill:Slides 幻灯片子技能全解——用设计令牌、Chart.js 与文案公式构建策略型 HTML 演示文稿

本文以 ui-ux-pro-max-skill 仓库中 design 技能的幻灯片参考文档 [slides.md](https://link.gitcode.com/i/8902103ac505948684c0e3bb67cc231f) 为核心,完整拆解该仓库「幻灯片(Slides)」子技能的知识库组织、六步创作工作流、16:9 响应式 HTML 模板、14 种版式模式、15 套演示策略与 5 大

gitblog_00527的博客 596

【信息科学与工程学】【数据中心】第三十五篇 云计算数据中心的学科知识04

编号学科(课程)核心知识点在云计算/云存储/云网络/云安全/云MaaS中的作用代表教材/资料/论文 + 数学方程式列表工业界应用D1421​云原生数据库:TiDB​HTAP(混合事务/分析处理)、分布式SQL、水平扩展、强一致(Raft)、自动故障恢复、与MySQL兼容、TiFlash列式引擎提供弹性扩展的分布式数据库;支撑高并发在线交易与实时分析教材:《TiDB in Action》PingCAP(2020) 论文:《TiDB: A Raft-based HTAP Database》(2017)

weixin_49199313的博客 417

模板驱动型文档自动化:构建可复用的内容装配线

文档自动化并非简单替换文字或套用样式,而是以工程化思维重构内容生产体系。其核心在于将文档结构、样式规则与数据源解耦,通过模板驱动实现结构化绑定与多端一致性输出。这种范式借鉴软件开发中的模块化、版本控制与CI/CD理念,使合同、白皮书、SOP等强结构文档具备可验证、可继承、可审计的工业级属性。技术价值体现在大幅降低格式错误率、消除手工维护成本、支撑合规性自动校验,并打通CRM、ERP、API等业务系统,让文档成为实时响应业务变化的‘活接口’。适用于售前、法务、技术写作等需高频产出标准化交付物的岗位。

culi3118的博客 405

卡尔曼滤波与目标追踪

卡尔曼滤波与目标追踪为什么要学卡尔曼滤波?卡尔曼滤波是什么?一些概率论的知识基础卡尔曼滤波完整推导状态估计计算卡尔曼增益预测和更新 卡尔曼滤波部分我打算分三节(三次博客的内容): 卡尔曼滤波与行人状态估计 扩展卡尔曼滤波(EKF)与传感器融合 过程模型,无损卡尔曼滤波(UKF)与车辆状态轨迹 为什么要学卡尔曼滤波? 卡尔曼滤波以及其扩展算法能够应用于目标状态估计,如果这个目标是行人,那么就是行人状态估计(或者说行人追踪),如果这个目标是自身,那么就是车辆自身的追踪(结合一些地图的先验,GPS等数据的话就

qq_43232556的博客 4176

避开SM30维护视图的坑:自动更新字段+日志记录的5个关键配置步骤

本文深入解析了SAP ABAP开发中SM30维护视图的深度定制,聚焦于实现自动更新字段与日志记录功能。文章详细阐述了从SE54配置起点到核心编码的5个关键步骤,重点讲解了如何利用事件驱动模型(如05创建事件和01保存前事件)安全操作动态数据结构,并提供了避免常见陷阱的实用技巧,帮助开发者构建稳定可靠的自动化维护机制。

plant的博客 624

logo-design-skill:把 AI Agent 变成有纪律的身份设计师——从 Brief 到生产级 SVG 的完整设计技能解析

`logo-design-skill` 是一个面向 Claude、Gemini CLI、Codex 等支持 Agent Skills 的 AI Agent 的 **logo-design skill**:它把「发现调研 → 概念生成 → SVG 构建 → 测试验证 → 检查点决策 → 完整交付套件」这套资深品牌设计师的工作流固化为可执行的 Markdown 指令 + 零依赖 Python 脚本 +

gitblog_00194的博客 190

知识推理——TransE(知识表示、知识嵌入)

知识图谱嵌入/表示方法 TransE

missyoudaisy的博客 1831

自带 API Key 即可上手:Open WebUI Computer 内置 AI Agent 工具调用与 Plan 模式详解

Open WebUI Computer(命令行代号 `cptr`)是一个把整台电脑服务到浏览器的开源工作站工具,内置 **AI Agent**,只需自带 API Key 就能让 AI 直接在你的电脑上**调用工具**——读文件、改代码、跑命令、上网搜索,还能开启 **Plan 模式**:先出实施计划、等你批准后才动手写文件。 [![Open WebUI Computer 内置 AI Agent

gitblog_00621的博客 100

RK3588 Ubuntu 20.04 编译 eglinfo 踩坑实录:从 Python 环境配置到 Mali 驱动调试

本文详细解析了在RK3588平台上使用Ubuntu 20.04编译eglinfo的全过程,包括Python环境配置、waf构建系统升级、Mali驱动调试等关键步骤。通过系统级软链接方案、驱动状态诊断和EGL环境验证技巧,帮助开发者快速解决常见问题,构建可靠的图形调试环境。

weixin_29158047的博客 375

无需上下文,MCP新机制让大模型主动“提需”:节约 98% token 开销,并保持准确率基本不变!

值得注意的是,MCP 协议定义的服务器描述通常较为简洁。为了提升匹配效果,我们引入 Qwen2.5-72b-Instruct 模型,对所有服务器的原始资料(通常为 ReadMe 文档)进行总结提炼,参考其 capabilities、features、usage patterns 等要素,生成服务器的 summary 信息,作为相对详尽的描述文本用于匹配。然而,现有的 MCP 调用机制下,所有工具的描述信息都被注入大模型的系统提示词,导致了非常长的上下文开销,也为大模型的表现带来了影响,降低了模型的性能。

我爱计算机视觉 1176

【课程设计】基于SSM的流浪动物领养系统 毕业设计---附源码12345

系统分为用户端和管理员端,用户端允许用户浏览流浪动物信息并提交领养申请,管理员端则负责管理动物信息和审核领养请求。本文分析了系统需求,明确了功能模块和业务流程。详细描述了系统的架构设计,包括技术选型、数据库设计和接口规范。

Biye_Design的博客 768

同花顺自动化交易避坑指南:pywinauto实战中验证码识别与界面弹窗处理

本文深入探讨同花顺自动化交易中的关键稳定性问题,重点解决验证码识别与弹窗处理两大难题。通过优化Tesseract OCR、整合打码平台API以及设计pywinauto弹窗监控体系,提供了一套完整的自动化交易解决方案,帮助交易者有效规避资金账户和持仓信息操作中的常见陷阱。

weixin_33734785的博客 490

本地化部署 DeepSeek,构建单细胞与空间转录组 AI 分析平台

本地化部署 DeepSeek,构建单细胞与空间转录组 AI 分析平台

weixin_53637133的博客 187

实战指南:基于华为Ascend NPU的大模型W8A8量化调优与精度提升

本文提供了一份基于华为Ascend NPU进行大模型W8A8量化的实战调优指南。详细介绍了从环境搭建、使用msmodelslim框架进行基础量化,到通过离群值抑制、校准集优化和量化回退等关键技术提升精度的全流程。旨在帮助开发者在华为NPU硬件上实现模型推理的显著加速,同时有效控制精度损失。

weixin_29227425的博客 274

uniapp 全局弹窗

功能详解1.有的组件需要全局调用,不想要在一个页面里面一个个引入,现在就需要写入到全局中,直接全局触发。2.通过 $rechargePop就能全局触发 充值的弹窗实现步骤一、先把组件封装好,如 rechargePop组件位置 components/RechargePop/index.vue ,就定义一个methods open方法就可以 二、在同级别路径下定义一个 index.js 三、引入到main.js 四、全局调用this.$rechargePop(); 就能弹出那个弹窗

weixin_42066070的博客 657

【第 009 讲】全面掌握 Python 注释:注释的定义与作用 | 单行注释 | 三引号与多行注释 | 注释使用的最佳实践

本文系统讲解 Python 注释的完整知识体系:从注释的定义与作用讲起,梳理单行注释的书写位置、临时屏蔽用法与 PEP 8 排版规范,剖析注释被忽略的底层机制;进而说明三引号字符串的本质与嵌套问题;最后给出注释使用的三条实践原则,帮助读者写好可读性高的注释。

大模型全栈工程师 · Thanks_ks 1159

华为的C语言编程规范.pdf

华为技术有限公司内部技术规范。本规范制定了编写C语言程序的基本原则、规则和建议。从代码的清晰、简洁、可测试、安全、程序效率、可移植各个方面对C语言编程作出了具体指导。

AI全栈实战 | 3.9-01 爬虫入门:requests 加 BeautifulSoup 三分钟跑通,但 90% 的人栽在这 4 个“礼貌“问题上

⚠️:本文内容仅用于。请遵守目标站点的服务条款与相关法律法规,不得对目标服务造成负担,不得采集、传播个人隐私数据。技术是中性的,边界在你手里。爬虫的入门技术(requests 发请求 + BeautifulSoup 解析)三分钟就能学会。真正区分"会用爬虫"和"会做爬虫的人"的,是这篇我们跑通"请求→解析→存储"的最小闭环,然后重点把"合规与礼貌"这根弦给你绷上。

源码获取 | 运行部署 | 定制二开修改,如果回复不及时请耐心等待,请见谅。 441

Devexpress16.2.6破解工具

Devexpress16.2.6破解工具Devexpress16.2.6破解工具Devexpress16.2.6破解工具Devexpress16.2.6破解工具

TMS_WebGMaps_1.9.8.0_Full_Source

TMS_WebGMaps_1.9.8.0_Full_Source 全源码 delphi cbuilder

Python 的 yield from 到底转发了什么:拆开 send、throw 和那个 return 值

很多人把yield from记成「省一层 for 循环的语法糖」。写和写,结果看着一样,于是就当它只是少敲几个字。这个理解会在三个地方翻车:调用方.send()的值送不进去、子生成器return的值拿不到、异常和close()传不下去。yield from真正做的事是,外层生成器退成一个透明通道。本文所有输出来自本机 CPython 3.13.14 实测。yield from不是循环,是委托——nextsendthrowclose四个方向的流量全部直通子生成器,并且子生成器return。

小小张说故事的博客 163

大中型超市收银系统(可直接运行)

光步前台收银系统系统功能:商品销售、商品退货、挂单、收银员权限、会员销售、单品取消、整单取消、商品查询、脱机销售、脱机数据上传,基本资料下载,开钱箱、小票打印、收款结算,支持多币种付款方式(现金、储值卡、礼券、微信等),支持多种促销。运行环境:.net 4.0登陆信息用户名:1001 密码:123456内置商品信息,商品编码可输入00001000 - 00010000,测试效果相关功能键F5 结算 F9挂单 F11商品查询 F8退货 Insert单品取消 Del整单取消 F12开钱箱F2 会员 Ctrl+Z退出系统 Home 锁屏 相关源码待公开

从一段视频到可漫游的 4D 有声场景:思路拆解与最小复现手记

只需一段手机视频,你就能生成可"走进去"的 4D 有声场景:转头时狗叫声方向随之变化,走近时声音更清晰。本文拆解 Video-to-4DAVScene 的核心思路,手把手带你用几十行 Python 搭出最小管线,把视频中的运动物体变成带空间位置的声源,并附上三个真实踩坑的排障经验,代码可直接跑。🎧

helloagent的博客 246
上一篇: STAT 5900 F: Longitudinal Data Analysis
下一篇: FINC3012 Derivative Securities
vx___codinghelp
博客等级 码龄2年 778粉丝 101原创
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值