Change search
CiteExportLink to record
Permanent link

Direct link
Cite
Citation style
  • apa
  • harvard1
  • ieee
  • modern-language-association-8th-edition
  • vancouver
  • Other style
More styles
Language
  • de-DE
  • en-GB
  • en-US
  • fi-FI
  • nn-NO
  • nn-NB
  • sv-SE
  • Other locale
More languages
Output format
  • html
  • text
  • asciidoc
  • rtf
Monetorizer – Analysis of operation data.
KTH, School of Computer Science and Communication (CSC).
2011 (English)Independent thesis Advanced level (professional degree), 20 credits / 30 HE creditsStudent thesis
Abstract [en]

This thesis presents a model for analyzing time series data. The time series data demonstrates the existence of seasonal patterns. This fact is used in the analysis by aggregating the data according to the seasonal patterns. From the aggregated data, trends are observed. The analysis conducted is requested by a company in the ad serving industry. They seek to develop a tool to look at trends and indicate when data deviates from normal values. This thesis lays as a basis for the development of the tool sought.

The theory behind the model formed is discussed in the thesis. This includes some theory behind time series, pattern fitting and forecasting. For a better understanding of the model, the procedure is discussed. Apart from the input data, a number of variables which are tunable in order best forecasting. A major part of the analysis is to determine the best variable set of a number of different input data and variable set permutations.

The conclusion of the analysis conducted is that some variable sets are clearly favored compared to others. However, more work is needed in order to indicate when trend deviation occurs.

Abstract [sv]

Detta examensarbete presenterar en modell för tidsseriedataanalys. De tidsseriedata som används påvisar förekomsten av säsongsmässiga mönster (seasonal patterns). Detta utnyttjas då data aggregeras efter dessa säsongsmässiga mönster. Analysen som är gjord i detta examensarbete ligger till grund för utveckling av ett verktyg. Verktyget är beställt av ett företag inom online- annonsvisningsbranschen. Verktyget ska analysera tidsseriedata för att upptäcka trendavvikelser.

I arbetet diskuteras teorier som används i framtagandet av modellen. Bland annat diskuteras teorier om tidsserier, mönstermatchning och prognostisering. Arbetsförfarandet diskuteras För att bättre förstå den framtagna modellen. Förutom indata använder modellen ett antal variabler som justeras för att uppnå bästa prognosresultat. En stor del av analysen riktar in sig på att komma fram till den bästa variabelkombinationen för alla de olika indata och variabler-permutationer som testas.

Slutsatsen från analysen är att vissa variabelkombinationer är klart bättre än andra. Dock behövs det utföras mer arbete för att trendavvikelser ska kunna upptäckas.

Place, publisher, year, edition, pages
2011.
Series
Trita-CSC-E, ISSN 1653-5715 ; 2011:119
National Category
Computer Science
Identifiers
URN: urn:nbn:se:kth:diva-130664OAI: oai:DiVA.org:kth-130664DiVA: diva2:654111
Educational program
Master of Science in Engineering - Computer Science and Technology
Uppsok
Technology
Supervisors
Examiners
Available from: 2013-10-07 Created: 2013-10-07

Open Access in DiVA

No full text

Other links

http://www.nada.kth.se/utbildning/grukth/exjobb/rapportlistor/2011/rapporter11/bergman_marcus_11119.pdf
By organisation
School of Computer Science and Communication (CSC)
Computer Science

Search outside of DiVA

GoogleGoogle Scholar

urn-nbn

Altmetric score

urn-nbn
Total: 8 hits
CiteExportLink to record
Permanent link

Direct link
Cite
Citation style
  • apa
  • harvard1
  • ieee
  • modern-language-association-8th-edition
  • vancouver
  • Other style
More styles
Language
  • de-DE
  • en-GB
  • en-US
  • fi-FI
  • nn-NO
  • nn-NB
  • sv-SE
  • Other locale
More languages
Output format
  • html
  • text
  • asciidoc
  • rtf