THESISONDERWERPEN (versie 14 april 2015) Prof. Dr. M. Vandebroek. Dit document is nog niet volledig en wordt nog regelmatig geüpdatet.

Transcriptie

1 14 april THESISONDERWERPEN (versie 14 april 2015) Prf. Dr. M. Vandebrek Dit dcument is ng niet vlledig en wrdt ng regelmatig geüpdatet. Indien interesse f extra uitleg ndig: mail naar martina.vandebrek@kuleuven.be. Studenten kunnen k zelf nderwerpen vrstellen: thesisnderwerpen met een kwantitatieve/statistische nderbuw zijn steeds welkm. nderwerp i.s.m. UCB Tenders vr geneesmiddelen: dr het publiek maken van deze aanbestedingen en hun resultaten zijn geneesmiddelenprijzen gekend in verschillende landen. Dit zu er in therie meten te leiden dat de prijzen ver de landen naar elkaar te cnvergeren in de tijd. Daarnaast kunnen zgenaamde secnd-rder pricing effecten ntstaan: als een aanbesteding gewnnen wrdt, kunnen authriteiten dezelfde cndities vragen in andere aanbestedingen. De bedeling van deze thesis is m te nderzeken f prijstransparantie en/f andere kenmerken van aanbestedingen inderdaad leiden tt cnvergentie en f secnd-rder pricing effecten zijn. (zie pagina 6 vr extra uitleg) Title: Data mining fr business-critical web applicatins nderwerpen i.s.m. CScale CScale ( is a startup, lcated in Ghent, fcused n ptimizing large-scale web applicatins (like e-cmmerce, media, scial and ther web sites) by gathering thusands f metrics related t web applicatin perfrmance and efficiency. We are lking fr mtivated students that want t wrk clsely with ur wn data scientist in analyzing the large captured amunt f data. Because the vast amunt f data, several tpics related t data mining are pssible, including (but nt restricted t) the fllwing nes: - Building accurate frecasting mdels fr predicting future bttlenecks (i.e. what cmpnent will becme the bttleneck when the number f users increases by a factr f 2), fr deriving trends (i.e. when will ur server capacity reach its limit) r fr ding capacity planning (i.e. can we predict hw much extra capacity we need fr supprting an increase with x users). These mdels will allw ur custmers t plan their applicatin and infrastructure fr the future. 1

2 - Autmatic utlier detectin fr autmatically detecting when ne r mre metrics deviate frm their nrmal behavir. Fr example, the end-user respnse time might fllw a sine-wave pattern, where respnse time is different depending n the exact time f the day. If there is a significant difference cmpared t the same time perid f the previus day, this might be cnsidered as an utlier. These detectin techniques will make it pssible t autmatically detect when smething ges wrng within a web applicatin. - Cnstructing causility mdels fr determining causal relatins. Given the large amunt f metrics, and the fact that a lt f these metrics are crrelated, it is valuable t find ut which metrics have causal relatins. Fr example, when a peak in end-user respnse time is detected, it wuld be interesting t find ut what exactly caused the peak. Maybe this was caused by a backend database system r a backgrund jb running n the server infrastructure. The results f this master thesis are very likely t be integrated int ur future prduct. Hwever, the presented tpics are just an example f the numerus data mining pssibilities at CScale. The student will be encuraged t think abut ther data mining questins. nderwerpen i.s.m. Delhaize 1. Hw can Delhaize best calculate its price gap versus its cmpetitrs? i. challenge the current calculatin f the external price index (hw t include private label prducts) ii. hw many stres t include and hw many prducts t include t get reliable results? iii. hw t use nline prices versus in stre prices? 2. Stre sequencing i. what can be derived frm the scanning sequence bserved when custmers use the selfscan? ii. d custmers fr instance first take a lk at prm prducts r nly at the end r nt at all? iii. can the plangram be ptimized based n the buying sequence bserved n selfscan? 3. Assess in a reliable way the uplift f a marketing campaign (the difference in mney spend by custmers in a cntrl perid and in a special actin perid) prblemen p nderwerp: Excel add-ins vr statistiek aanmaken in Visual Basic nderwerp: User Interface in R vr Tepassingen van Statistiek 2

3 nderwerpen i.s.m. Clruyt De verschillende nderwerpen die hiernder beschreven wrden, hebben allemaal hetzelfde del vr gen: de alignering en de ntwikkeling van sturingsinstrumenten m te kmen tt beter geïnfrmeerde beslissingen drheen de rganisatie. 1. Opkuis van de business bjecten dr middel van tekst mining van de tekstuele metadata Uitdaging Binnen Clruyt Grep bestaan mmenteel z n bjecten binnen de beleidsndersteuning. Deze bjecten mvatten maatstaven, dimensies, hiërarchieën, filters en details. Dr de wildgrei van deze bjecten er bestaan tal van synniemenen de vervuiling die pgetreden is er bestaan maatstaven waar een dimensie in verwerkt zit dringt een pkuis zich p. Zeker in het licht van de pdracht m tt generieke grepskpi s en unieke partnerkpis te kmen als vrbereiding van de Clruyt grepscckpit. Analyse van de tekstuele metadata van alle bjecten uit alle Business Objects Universes dr de tepassing van een aantal multivariate data reductie methdes. Inventarisatie en kwantificatie van de wilgrei en vervuiling, analyse en indikking van de business bjecten, frmuleren van advies en aanpak tt generalisatie van een aantal prcessturingsinstrumenten 2. Gebalanceerde samenstelling rapprterings- en analysedesks dr middel van empirisch nderzek Het decisin-making prcess van de rganisatie wrdt via rapprterings- en analysedesks ndersteund. Dit gebeurt p een p maat gesneden manier teneinde maximale meerwaarde vr de zakelijke gebruiker p te leveren. Meer en meer self service wrdt daardr bekmen. Om de uitrl van de nieuwe desks ng te verbeteren, is er nd aan een nderbuwde wijze m de desks samen te stellen. Drlichting van de huidige rapprteringsmgeving en de bijhrende ndersteuning. Mdellering via lgistische regressie van discreet aantal leden van de bestaande afdeling als predictr vr de tekmstige desks. Frmules m het aantal desk leden te berekenen aan de hand van de karakteristieken van de huidige mgeving zals het gebruik, het aantal rapprten, het aantal gebruikers, enz. Kwantitatieve nderbuwing en advies vr de uitrl van de vlgende 10 desks. 3. Ontwikkeling van reprting templates via sandbxing - p zek naar effectieve visualisaties vr de aanmaak van standaard rapprteringswijzen 3

4 Heel wat analyses gebeuren mmenteel ng in een Excel mgeving mwille van de flexibiliteit, gewnte en gemak. Repetitieve zaken wrden sms via dezelfde mgeving semi-geïndustrialiseerd hetgeen niet altijd even duurzaam is. Dit nderzek zal bekijken welke visualisaties idealiter in standaard rapprten zuden wrden ndergebracht ipv in Excel bestanden. Inventarisatie van huidige rapprteringsinstrumenten, descriptief nderzek m meer effectieve visualisaties aan te maken, frmuleren vrstellen tt standaardisatie van typische visualisaties van bijvrbeeld financiële gegevens vb waterfall breakdwn van lnkst cmpnenten. Inzicht in generieke visualisaties. Design van nieuwe tactische en strategische vrmen van rapprtage. 4. Creatie gepaste infrmatin quality maatstaven Binnen Perfrmance Management speelt Data Quality ng te veel een slechts symblische rl. Dr de veelheid en specificiteit van de uitdagingen is het in kaart brengen van de kwaliteit niet evident. Slechte data wrdt meestal achteraf rechtgezet eenmaal de zakelijke gebruikers gemerkt hebben dat iets niet in rde is. Deze pdracht zal klaarheid scheppen in de wirwar aan datakwaliteitsindicatren p het vlak van beschikbaarheid vr de dimensies en qua waarden vr de maatstaven. Deze maatstaven zullen getest wrden p effectieve data binnen het data warehuse. Beschrijving van set aan gepaste DQ-indicatren. Nulmeting van de indicatren en design van ndersteunende BI-visualisaties zals DQ-dashbards m de gvernance te mnitren. 4

5 5. Text mining keywrds cntextualisering van de keywrds van in te checken rapprten Bij het inchecken van rapprten in irap wrden trefwrden pgegeven. De uniciteit van deze trefwrden is mmenteel niet ged geneg m gevat rapprten terug te vinden. Er is nd aan meer inzicht in de trefkansen in functie van trefwrden aan de ene kant en aan een autmatische bepaling van relevante en unieke trefwrden. Een methde dient ng ntwikkeld te wrden m de uniciteit van de huidige trefwrden afdende te meten. Een specifieke data reductie methde dient te wrden tegepast m de kleur van dcumenten in te schatten p basis van de tekst labels van de gebruikte business bjecten. Drlichting van de huidige trefwrden en indicatie van uniciteit. Ad hc berekeningswijze van trefwrden p basis van de metadata van de bjecten die p het rapprt vrkmen. 5

6 Price transparency in pharmaceutical tenders: crss-cuntry impact and market dynamics driven by authrities During the past few years, the number f tenders fr pharmaceuticals is increasing as part f a cuntry strategy t cntain healthcare csts. Mrever, the tender scpe is nt any lnger limited t ut-patent pharmaceuticals having the same active ingredients. Recently, tenders fr in-patent pharmaceuticals fr different active substances are ppping up. A tender prcedure ften entails a public disclsure f the tender result. The disclsure is nt limited t the cmpany name f the winner(s) but it ccurs frequently that the identity f the ther participants and their submitted bids are made public as well. This infrmatin is nt nly available fr the tender winner but als ften disclsed t all tender participants r even n a public website which can be cnsulted by payers frm abrad. It is clear that tenders result in a brader disseminatin f pricing infrmatin amng cmpanies and authrities acrss natinal brders. Frm an ecnmic pint f view, mre price transparency leads t increased buyer pwer. A custmer is able t make a mre infrmed decisin by prduct and price cmparisn. Cnsequently, price transparency ffers the pprtunity t shp. This results in higher price pressure and mre unifrmed prices reducing price variability ver time acrss custmers and acrss gegraphical regins/cuntries. This ecnmic thery applies when prducts are hmgenus, and s cmparable, and when there is a direct relatinship between manufacturer and a price sensitive end custmer. Hwever, the questin is whether this thery is als applicable t pharmaceuticals. Pharmaceuticals are mre cmplex gds. This is especially the case when tenders are rganized fr in-patent prducts with different active substances leading that different pharmaceutical alternatives are mre difficult t cmpare. An additinal factr t be taken int accunt is the invlvement f a third party, the payer, wh interrupts a direct relatinship between the manufacturer and the end custmer, the physician. The therapeutic decisin is finally made by the treating physician wh is nt necessarily price sensitive. The payer can guide this decisin by limiting the physician s chice resulting frm the tender result but the questin remains whether the physician cmplies r nt. Based n empirical data, this prject aims t investigate whether this increased price transparency caused by pharmaceutical tenders leads t a higher price pressure and reduces price variability ver time and acrss gegraphical regins. Mrever, the questin raises which dynamics drive this prcess. Pssible drivers culd be the buyer pwer f the tender authrity, the type f tendered pharmaceuticals (in-patent, ut-patent, acute r chrnic therapeutic area, ), the extent f tender results disclsure, the relatinship between payers,. The end result f this prject shuld give a view n the size f the impact f price transparency in tenders n price variability ver time and acrss regins and identifies the drivers f this prcess. 6