修剪决策树，造出好纸张：Minitab 中的预测分析和根本原因分析 | Trimming Decision Trees to Make Paper: Predictive Analytics and Root Cause Analysis in Minitab
Machine Learning
| 11 分钟阅读
我们从过程中收集的观测数据越来越多，因此，我们可能需要新工具才能够获得有意义的见解。您可以添加现代机器学习技术和传统统计工具来分析、改进及掌控各个过程。我们查看一个示例，该示例从二元逻辑回归开始，并以分类和回归树 (CART®) 结束。
改善客户的金融服务体验并实现数字化 | Enhancing and Digitizing the Customer Experience in Financial Services
Banking and Finance
| 8 分钟阅读
过去一年来，由于新冠疫情的影响，企业经历了巨大的变化。似乎在一夜之间，虚拟化突然成为必不可少的一个要素，在这样的新世界中，企业转变了继续经营的方式。总而言之，根据麦肯锡公司报告，企业将“其客户和供应链交互及其内部运营的数字化进程加快了三到四年”。
另辟蹊径：使用 CART 作为分析分类调查数据的替代方法 | Branching Out: Using CART For Alternative Ways to Analyze Categorical Survey Data
Machine Learning
| 13 分钟阅读
尝试了解客户/患者行为是一件很有挑战的事。研究人员往往会使用调查数据并频繁使用 Minitab Statistical Software 中的回归功能对其进行分析。但是，若结果变量是分类数据，而不是定量数据，则无法非常直接或直观地解释逻辑回归的结果。