Introducción. Growing on the CRM industry during Significant. decrease 4% Ns/nc 2% Slight decrease 4% Remains 5% Significant.
|
|
- Ernesto Duarte Cuenca
- hace 8 años
- Vistas:
Transcripción
1 Introducción During next decade the number of Data Mining projects will increase dramatically (more than 300%) to improve the relationship with the customer and help companies to listen to their customers (GartnerGroup, 1999) After the fall of more than millions of dollars in 2002, the market of CRM will grow more than the 11% annual, to reach million of dollar in the year 2007 (Forrester Research, 2002)
2 Introducción Growing on the CRM industry during 2001 Slight decrease 4% Remains 5% Significant decrease 4% Ns/nc 2% Slight Increase 32% Significant Increase 53%
3 CRM CRM (Customer Relationship Management): Gestión de la relación con los clientes Conjunto global de procesos tecnológicos, humanos, y funcionales cuyo propósito \es proporcionar a las compañías el conjunto integral de servicios personalizados en cada caso para: Mejorar la relación con los clientes Asegurar el ROI Mitigar los riesgos
4 Por que ahora? Mas competencia Clientes: mas informados con mas posibilidades mas exigentes Mas canales Product- centric Customer- centric
5 Business Intelligence Reto: información necesaria para tomar decisiones fluya de manera ágil y controlada entre los distintos niveles organizativos Solucion: Business Intelligence: Técnicas que permiten transformar cantidades de información del entorno en conocimiento útil para la organización para que se puedan tomar las mejores decisiones posibles
6 Fact Gap Fact Gap : diferencia entre la información disponible y la capacidad para tomar decisiones basándose en dicha información. (Gartner Group)
7 Por qué? La compañias necesitan aprender de sus datos operacionales para construir una relación one-toone con sus clientes. Las compañías almacenan datos de todos sus procesos operacionales. Los datos almacenados se tiene que analizar y comprender para transformarlos en conocimiento. Este conocimiento ayudará a la empresa a actuar en el futuro y ahí es donde Data Mining juega su papel.
8 Data Mining proporciona la inteligencia Las bases de datos proporcionan los datos. Se requiere de inteligencia para explorar los datos y poder encontrar los patrones, las reglas y las ideas que explican lo que está pasando y poder predecir que pasará Se requieren técnicas y herramientas para añadir inteligencia a los datos y poder extraer el máximo beneficio de los datos.
9 Cómo nos ayuda? quiénes son nuestros clientes leales? Clientes que dejarán la compañía. dónde localizo la próxima sucursal? cuáles son mis productos más beneficiosos?... Las respuestas a todas estas preguntas y a muchas más están enterradas en los datos. Las técnicas de data mining nos pueden ayudar a encontrarlas
10 Definición Intuitiva Data Mining is the analysis and exploration by automatic or semi automatic ways of huge volume of data to discover significant patterns (useful) and rules. The goal is to make it possible to the organization to improve sellings, marketing campaigns results and customer support operations by a better understanding of the customers.
11 Definición What is Data Mining? It is one of the main activities associated with the comprehension, navigation and exploration of data in the digital world It automates the process to identify, and discover useful structures in the data.
12 Por qué ahora? Las técnicas que se usan existen desde hace tiempo ahora se da la convergencia de una serie de factores: Cantidad de datos Datos integrados (data warehouse) Mas capacidad de cómputo Competencia feroz
13 Importante La promesa de Data Minig es encontrar los patrones Pero el solo hallazgo no es suficiente Los patrones se tienen que entender y valorar El entendimiento de los patrones hace que sea posible actuar de acuerdo al conocimiento que encierran y de esta manera se transforman en valor para la compañía
14 Ciclo de un proyecto de Datamining Identify the problem Measure the results Use data mining to transform data into information Act based on the information
15 Data Mining es un proceso Data Mining es un proceso orientado a las acciones que se derivan del hallazgo de los patrones Aunque los algoritmos son importantes, la solución al problema es mucho mas compleja que un conjunto de técnicas y algoritmos Las técnicas se han de aplicar a los datos apropiados en el momento apropiado Los datos operacionales solo son apropiados después de un preproceso.
16 Data Mining Standard : Crisp-DM Problem Understanding Data Understanding Deployment Data Preparation Evaluation Modeling
17 Esfuerzo asociado Business understanding Data Unders & preparation Modelling Evaluation & deployment
18 Tipos de problemas de Data Mining Marta Millan
19 Principales tareas de Data Mining Los distintos problemas de los procesos de negocio se pueden expresar en términos de las siguientes tareas: Clasificación Estimación Asociación Clustering
20 Clasificación Examinar las características de un nuevo objeto y asignarlo a una clase dentro de un conjunto de clases predefinido. Clasificar personas que piden créditos como alto medio o bajo riesgo, Determinar el patrón de las quejas de seguros fraudulentas Patrón de los clientes que nos dejarán en los próximos 6 meses
21 Estimación La clasificación trata problemas de salida discreta (si o no, alto, medio o bajo riesgo, responderá o no responderá...) La estimación trata con problemas donde el valor a clasificar está en un rango continuo (ingresos, balance de la tarjeta de crédito, probabilidad de que sea jugador) Es una clasificación en la que se establece un score
22 Estimación (II) Ejemplos Estimar el número de hijos de una familia Estimar la probabilidad de que alguien conteste a un mailing Estimar el tiempo de vida de un cliente Estimar los ingresos totales de una familia
23 Asociación o cesta de la compra Determinar que cosas van juntas. Pañales y cerveza se compran juntos los fines de semana El ejemplo típico es observar qué productos suelen ir juntos en la cesta de la compra Se puede utilizar para establecer los almacenes, estanterias y estrategias de Cross-selling.
24 Clustering Segmentar una población heterogénea en un número de subgrupos homogéneos o clusters. No hay clases predefinidas Registros agrupados en base a su similitud. Se realiza a menudo antes de otras tareas de descubrimiento. Encontrar clientes con hábitos de compra similares
25 Técnicas y Tipos de Objetivos Las técnicas de Data Mining son uno de los pilares del proceso de descubrimiento. Es importante tener una visión de cómo trabajan (por dentro) para: Distinguir entre las diferentes técnicas y conocer sus ventajas y desventajas Entender que técnica es más apropiada para cada tipo de problema Familiarizarse con sus parámetros, entradas, salidas.
26 Técnicas y algoritmos Técnica: enfoque conceptual para extraer información Algoritmo: Una forma detallada paso a paso de implementar una técnica. Sin un entendimiento (de alto nivel) de los algoritmos nunca sabremos cuando una determinada técnica es más apropiada para un problema Entender los parámetros e interioridades para preparar los datos de análisis.
27 Distintas metas piden distintas técnicas Prescriptiva: Su meta es automatizar el proceso de toma de decisión por medio de la construcción de un modelo que sea capaz de realizar una predicción ya sea asignando un elemento a una clase o realizando una estimación de un valor Descriptiva: Obtener una mejor comprensión de lo que ocurre en los datos y como consecuencia del mundo que reflejan.
28 Distintos tipos de datos requieren distintos algoritmos Si la meta del problema es predecir un valor numérico como el valor de vida de un cliente o la carga de un vuelo, el algoritmo tendrá que ser capaz de producir un valor numérico. Si las variables son todas categóricas o se busca un algoritmo que las admita o se tendrán que transformar Tanto las variables de entrada como las de salida se tienen que tener en cuenta al elegir un algoritmo.
29 Tipos de Objetivos (I) Descubrimiento Indirecto Segmentación de bases de datos Clustering demográfico Algoritmo de las K-medias Mapas de Kohonen Análisis de asociaciones y /o Patrones secuenciales Matrices de co-ocurrencias Algoritmo Apriori
30 Tipos de Objetivos (II) Descubrimiento Directo Clasificación y Estimación Árboles de decisión: ID3, CART, C4.5, CHAID Redes neuronales Back Propagation RBF Regresión lineal
31 El reto de la web Marta Millan
32 Internet canal de comunicación Internet como canal de comunicación Ventajas: Rapidez Localización Bajo costo Inconvenientes: Pérdida de la relación 1 a 1 con el cliente
33 Web Mining Aplicar las técnicas de data mining en los datos disponibles de los usuarios web para poder inferir su comportamiento y recuperar la relación 1 a 1 Es la base del e-crm Es un reto nuevo los datos deben ser preprocesados dada su naturaleza
34 Tipos de Web Mining Web usage mining: Extracción de patrones de la utilización del sitio web Web content mining: Extracción de patrones del contenido de las páginas web de los sitios (buscadores) Web Structure mining: Extracción de patrones de la estructura de los sitios. (hubs, authorities,...)
35 Web Usage mining Encontrar patrones del comportamiento de los navegantes: La competencia está solo a un click de distancia Hay que personalizar el sitio al usuario Aumentar la satisfacción de los usuarios Aumentar los logros del sitio web
36 Eficacia del sitio web La eficacia de un sitio web puede medirse desde dos puntos de vista diferentes: Cantidad: numero de visitas del sitio Calidad: visitas vs. alcance de los objetivos Para alcanzar los objetivos y al mismo tiempo tener mas visitas: Satisfacción de los usuarios sin olvidar los logros del sitio web
37 Satisfacción de los usuarios Datos disponibles: Logs: clickstream Problema: Sesiones Identificación del usuario Datos de las transacciones: Problema: Solo en el caso en que sean clientes pasados Información de comportamiento Problema Hay que infererirlo de la navegación
38 Enfoques Que? Cálculo de páginas más visitadas Cálculo de caminos frecuentes Para qué? Construcción de sitios adaptativos Anticipación a los gustos Mayor eficiencia Problema Return on Investment
Parte I: Introducción
Parte I: Introducción Introducción al Data Mining: su Aplicación a la Empresa Cursada 2007 POR QUÉ? Las empresas de todos los tamaños necesitan aprender de sus datos para crear una relación one-to-one
Más detallesData Mining Técnicas y herramientas
Data Mining Técnicas y herramientas Introducción POR QUÉ? Empresas necesitan aprender de sus datos para crear una relación one-toone con sus clientes. Recogen datos de todos lo procesos. Datos recogidos
Más detallesEstrategia de negocio basada en clientes: Software CRM
Estrategia de negocio basada en clientes: Software CRM 1 CRM ó GRC los pasos Índice de contenidos: Qué es un CRM Por qué utilizar un CRM, ventajas y beneficios Antes de utilizar un CRM Qué Por qué Cuándo
Más detallesCURSO/GUÍA PRÁCTICA GESTIÓN EMPRESARIAL DE LA INFORMACIÓN.
SISTEMA EDUCATIVO inmoley.com DE FORMACIÓN CONTINUA PARA PROFESIONALES INMOBILIARIOS. CURSO/GUÍA PRÁCTICA GESTIÓN EMPRESARIAL DE LA INFORMACIÓN. Business Intelligence. Data Mining. PARTE PRIMERA Qué es
Más detallesENMKT616 Inteligencia de clientes y estrategia de relacionamiento
ENMKT616 Inteligencia de clientes y estrategia de relacionamiento Profesor: E-mail profesor: Juan P. Forno jforno@formulisa.cl PRESENTACIÓN DEL CURSO Las empresas acumulan cada vez mas información de sus
Más detallesCONSIDERACIONES GENERALES DEL WEB MINING
CONSIDERACIONES GENERALES DEL WEB MINING Sandra Milena Leal Elizabeth Castiblanco Calderón* RESUMEN: el presente artículo describe los conceptos básicos para la utilización del Webmining, dentro de los
Más detallesPortafolio de Servicios y Productos
Portafolio de Servicios y Productos Introducción Somos una empresa que se dedica a generar ventajas competitivas para nuestros clientes a través de desarrollos y consultoría en inteligencia de negocios
Más detallesENMKT663 MARKETING RELACIONAL
ENMKT663 MARKETING RELACIONAL Profesor: E-mail profesor: Juan P. Forno jforno@formulisa.cl PRESENTACIÓN DEL CURSO Entregar a los alumnos las herramientas necesarias para definir y estructurar una estrategia
Más detallesMineria de datos y su aplicación en web mining data Redes de computadores I ELO 322
Mineria de datos y su aplicación en web mining data Redes de computadores I ELO 322 Nicole García Gómez 2830047-6 Diego Riquelme Adriasola 2621044-5 RESUMEN.- La minería de datos corresponde a la extracción
Más detallesTÉCNICAS DE MINERÍA DE DATOS Y TEXTO APLICADAS A LA SEGURIDAD AEROPORTUARIA
TÉCNICAS DE MINERÍA DE DATOS Y TEXTO APLICADAS A LA SEGURIDAD AEROPORTUARIA MSC ZOILA RUIZ VERA Empresa Cubana de Aeropuertos y Servicios Aeronáuticos Abril 2010 ANTECEDENTES El proyecto Seguridad es una
Más detallesUNIVERSIDAD AUTONOMA DE GUADALAJARA ACP06 ALUMNO: JOSE ANGEL DEHESA JIMENEZ REGISTRO: 1996656 C R M
UNIVERSIDAD AUTONOMA DE GUADALAJARA ACP06 ALUMNO: JOSE ANGEL DEHESA JIMENEZ REGISTRO: 1996656 C R M CONCEPTO: "Customer Relationship Management"), La administración basada en la relación con los clientes.
Más detallesHabilidades y Herramientas para trabajar con datos
Habilidades y Herramientas para trabajar con datos Marcelo Ferreyra X Jornadas de Data Mining & Business Intelligence Universidad Austral - Agenda 2 Tipos de Datos Herramientas conceptuales Herramientas
Más detallesBUSINESS INTELLIGENCE A TRAVÉS
07 de Agosto de 2012 BUSINESS INTELLIGENCE A TRAVÉS DEL COACHING Impartido Por: Andrés Pluma Velázquez No es posible gestionar lo que no se puede medir William Hewlet (HP Company). En este sentido, hay
Más detallesopinoweb el poder de sus datos Descubra LA NECESIDAD DE PREDECIR
opinoweb SOFTWARE FOR MARKET RESEARCH LA NECESIDAD DE PREDECIR Actualmente las empresas no sólo necesitan saber con exactitud qué aconteció en el pasado para comprender mejor el presente, sino también
Más detallesIngeniería del conocimiento. Sesión 1 Por qué estudiar aprendizaje automático?
Ingeniería del conocimiento Sesión 1 Por qué estudiar aprendizaje automático? 1 Agenda Qué vamos a ver en la asignatura? Para qué sirve todo esto? Cómo aprobar la asignatura? 2 Extracción del conocimiento
Más detallesPorque sólo podemos mejorar aquello que podemos medir. RDT Performance Systems. Contacto : Fco Javier López Martín. T: 657.811.972
Porque sólo podemos mejorar aquello que podemos medir RDT Performance Systems. Contacto : Fco Javier López Martín. T: 657.811.972 El problema Normalmente el concepto de productividad está vinculado más
Más detallesLa inteligencia de marketing que desarrolla el conocimiento
La inteligencia de marketing que desarrolla el conocimiento SmartFocus facilita a los equipos de marketing y ventas la captación de consumidores con un enfoque muy relevante y centrado en el cliente. Ofrece
Más detallesComo usar SMS para realizar campañas de Marketing
Como usar SMS para realizar campañas de Marketing El SMS Marketing funcional La penetración de los smartphones ha superado ya el 56% en España. La expansión del mundo móvil está garantizada con el continuo
Más detallesBusiness Process Management(BPM)
Universidad Inca Garcilaso de la Vega CURSO DE ACTUALIZACIÓN PROFESIONAL DE INGENIERÍA DE SISTEMAS Y CÓMPUTO Business Process Management(BPM) MSc. Daniel Alejandro Yucra Sotomayor E-mail: daniel@agenciati.com
Más detallesMinería de Datos. Vallejos, Sofia
Minería de Datos Vallejos, Sofia Contenido Introducción: Inteligencia de negocios (Business Intelligence). Descubrimiento de conocimiento en bases de datos (KDD). Minería de Datos: Perspectiva histórica.
Más detallesv.1.0 Clase 5 Docente: Gustavo Valencia Zapata
v.1.0 Clase 5 Docente: Gustavo Valencia Zapata Temas Clase 5: Conceptos de Minería de Datos Herramientas de DM Referencias Minería de datos Proceso de DM www.gustavovalencia.com Minería de datos La minería
Más detallesDarío Álvarez Néstor Lemo www.autonomo.edu.uy
Data Mining para Optimización de Distribución de Combustibles Darío Álvarez Néstor Lemo Agenda Qué es DODC? Definición de Data Mining El ciclo virtuoso de Data Mining Metodología de Data Mining Tareas
Más detallesUN PASEO POR BUSISNESS INTELLIGENCE
UN PASEO POR BUSISNESS INTELLIGENCE Ponentes: Agreda, Rafael Chinea, Linabel Agenda Sistemas de Información Transaccionales Qué es Business Intelligence? Usos y funcionalidades Business Intelligence Ejemplos
Más detallesSesión No. 12. Contextualización: Nombre de la sesión: SAP segunda parte PAQUETERÍA CONTABLE
Paquetería contable PAQUETERÍA CONTABLE Sesión No. 12 Nombre de la sesión: SAP segunda parte Contextualización: Los sistemas ERP son actualmente las herramientas que se han impuesto y son la base operativa
Más detallese-mailing Solution La forma más efectiva de llegar a sus clientes.
e-mailing Solution La forma más efectiva de llegar a sus clientes. e-mailing Solution Es muy grato para nosotros presentarles e-mailing Solution, nuestra solución de e-mail Marketing para su empresa. E-Mailing
Más detallesSERIE ESTRATEGIA COMERCIAL CRM. www.artica.com.mx. Lic. Guiomar Patricia González P.
SERIE ESTRATEGIA COMERCIAL Lic. Guiomar Patricia González P. 1 en pocas palabras En la época moderna, nos encontramos con distintos conjuntos de siglas para designar procesos, funciones, sistemas, soluciones
Más detallesÍndice 1 CONSULTORÍA DE LA CADENA DE SUMINISTRO 2 CÓMO LO HACEMOS? 3 METODOLOGÍA SCOR 4 NUESTRAS HERRAMIENTAS 5 QUIÉNES SOMOS?
Índice 1 CONSULTORÍA DE LA CADENA DE SUMINISTRO 2 CÓMO LO HACEMOS? 3 METODOLOGÍA SCOR 4 NUESTRAS HERRAMIENTAS 5 QUIÉNES SOMOS? 1 CONSULTORÍA DE LA CADENA DE SUMINISTRO En el futuro competiremos no entre
Más detallesFundamentos y Aplicaciones Prácticas del Descubrimiento de Conocimiento en Bases de Datos. - Sesión 12 -
Fundamentos y Aplicaciones Prácticas del Descubrimiento de Conocimiento en Bases de Datos - Sesión 12 - Juan Alfonso Lara Torralbo 1 Índice de contenidos Fundamentos de clustering Ejemplo inicial Aplicaciones
Más detallesFundamentos y Aplicaciones Prácticas del Descubrimiento de Conocimiento en Bases de Datos. - Sesión 9 -
Fundamentos y Aplicaciones Prácticas del Descubrimiento de Conocimiento en Bases de Datos - Sesión 9 - Juan Alfonso Lara Torralbo 1 Índice de contenidos Actividad. Qué es un modelo de Data Mining Qué es
Más detallesMinería de Datos. Vallejos, Sofia
Minería de Datos Contenido Introducción: Inteligencia de negocios (Business Intelligence). Componentes Descubrimiento de conocimiento en bases de datos (KDD). Minería de Datos: Perspectiva histórica. Fases
Más detallesResultados de Marketing Directo Utilizando Conceptos de Segmentación. RFM: Recency, Frequency, Monetary Value.
Resultados de Marketing Directo Utilizando Conceptos de Segmentación. RFM: Recency, Frequency, Monetary Value. Luis Aburto Lafourcade Gerente de Desarrollo luaburto@analytics.cl Agenda CRM: Entendiendo
Más detallesAplicaciones prácticas de Minería de Datos con IBM SPSS Modeler
Álvaro J. Méndez Services Engagement Manager IBM SPSS / Profesor Econometría UAM Jecas, 22 Oct 2010 Aplicaciones prácticas de Minería de Datos con IBM SPSS Modeler Business Analytics software Agenda Minería
Más detallesCRM Customer Relationship Manager
Pontificia Universidad Católica de Chile Escuela de Ingeniería Departamento de Ingeniería Industrial y de Sistemas CRM Customer Relationship Manager Yerko Halat 16 de Octubre del 2001 1 Definiciones de
Más detallesDocument Management: La mejor forma de agilizar procesos
Document Management: La mejor forma de agilizar procesos Hugo Parra Director de Negocios Índice 1. Introducción 2. Antecedentes del Document Management 3. Tendencias del Document Management 4. Ventajas
Más detallesUn presente y futuro de RR.HH. basado en datos: Aplicaciones de Data Mining en la Gestión de Personas. Prof. Lic. Juan M. Bodenheimer jb@instare.
Un presente y futuro de RR.HH. basado en datos: Aplicaciones de Data Mining en la Gestión de Personas Congreso de RR.HH. De Costa Rica 30/10/2012 Prof. Lic. Juan M. Bodenheimer jb@instare.com Nuestra Agenda
Más detallesretos LA ACTUALIDAD LA SOLUCIÓN
retos F U T U R O LA ACTUALIDAD En la actualidad, nos vemos rodeados de retos que hace algunos años veíamos muy lejanos. Nuestros clientes son cada vez más exigentes, demandan una mayor calidad de los
Más detallesAPLICACIONES QUE DEBE TENER EL CRM PARA LOGRAR UNA EFICAZ GESTIÓN DE CLIENTES
APLICACIONES QUE DEBE TENER EL CRM PARA LOGRAR UNA EFICAZ GESTIÓN DE CLIENTES CHECK-LIST 1. Disponer de un repositorio centralizado con toda la información asociada a los clientes: rentabilidad, historial,
Más detallesactivuspaper Text Mining and BI Abstract
Text Mining and BI Abstract Los recientes avances en lingüística computacional, así como la tecnología de la información en general, permiten que la inserción de datos no estructurados en una infraestructura
Más detallesPOSICIONAMIENTO EN LA WEB (SEM Y SEO)
POSICIONAMIENTO EN LA WEB (SEM Y SEO) POSICIONAMIENTO EN LA WEB (SEM Y SEO) 1 Sesión No. 3 Nombre: Keywords Contextualización Qué son las Keywords? Debemos de tener en claro la definición de keywords para
Más detallesGrupo Ultrafemme: cuidando al cliente junto con SAP
SAP Estudio de la Transformación del Negocio Productos de consumo masivo J. Macêdo Grupo Ultrafemme: cuidando al cliente junto con SAP Grupo Ultrafemme Industria Luxury Retail Productos y Servicios Fragancias,
Más detallesOxybul éveil et jeux
Online Intelligence Solutions Oxybul éveil et jeux Oxybul éveil et jeux explota con éxito los datos de AT Internet para lanzar campañas de retargeting más eficaces. Case study Case study INTRODUCCIÓN Cliente
Más detallesInteligencia en Redes de Comunicaciones. Tema 7 Minería de Datos. Julio Villena Román, Raquel M. Crespo García, José Jesús García Rueda
Inteligencia en Redes de Comunicaciones Tema 7 Minería de Datos Julio Villena Román, Raquel M. Crespo García, José Jesús García Rueda {jvillena, rcrespo, rueda}@it.uc3m.es Índice Definición y conceptos
Más detallesSISTEMA DE INFORMACION GERENCIAL. Lic.Patricia Palacios Zuleta
SISTEMA DE INFORMACION GERENCIAL Lic.Patricia Palacios Zuleta Pentaho Open BI Suite La suite Pentaho cubre principalmente las siguientes áreas: integración de datos, reportes, análisis, alertas y dashboards,
Más detallesBase de datos II Facultad de Ingeniería. Escuela de computación.
Base de datos II Facultad de Ingeniería. Escuela de computación. Introducción Este manual ha sido elaborado para orientar al estudiante de Bases de datos II en el desarrollo de sus prácticas de laboratorios,
Más detallesAprendizaje Automático y Data Mining. Bloque IV DATA MINING
Aprendizaje Automático y Data Mining Bloque IV DATA MINING 1 Índice Definición y aplicaciones. Grupos de técnicas: Visualización. Verificación. Descubrimiento. Eficiencia computacional. Búsqueda de patrones
Más detallesCRM, EL RETO DE LA CLIENTELA
CRM, EL RETO DE LA CLIENTELA Sumario 1. Introducción 2. Qué es el CRM? 3. Una buena estrategia que no siempre tiene éxito 4. CRM y tecnología, un binomio inseparable 5. Conclusiones 6. Más información
Más detallesKonica Minolta. Procesos de negocio más efectivos, negocios más competitivos. Aumente su competitividad. Your business process partner
Konica Minolta Procesos de negocio más efectivos, negocios más competitivos. Aumente su competitividad Your business process partner Servicios y Soluciones Documentales Konica Minolta es líder mundial
Más detallesIng. Ivan Crispin Sanchez
Ing. Ivan Crispin Sanchez Introducción Por qué CRM? Qué es CRM? Claves de la implantación de CRM Beneficios del CRM Introducción La importancia del Cliente? Antes de empezar... De qué es el cliente un
Más detallesCONSTRUCCIÓN DEL PROCESO MESA DE AYUDA INTERNA. BizAgi Process Modeler
CONSTRUCCIÓN DEL PROCESO MESA DE AYUDA INTERNA BizAgi Process Modeler TABLA DE CONTENIDO PROCESO DE MESA DE AYUDA INTERNA... 3 1. DIAGRAMA DEL PROCESO... 4 2. MODELO DE DATOS... 5 ENTIDADES DEL SISTEMA...
Más detallesGestión de proyectos en tiempos de crisis
Gestión de proyectos en tiempos de crisis Algunos Datos Cancelados Con dificultades Exitosos 14% 51% 35% Fuente: Standish Group International, Extreme Chaos, The Standish Group International, Inc. Con
Más detallesMOLAP REALIZADO POR: JOSE E. TABOADA RENNA
MOLAP REALIZADO POR: JOSE E. TABOADA RENNA BASE DE DATOS Conjunto de datos estructurados, fiables y homogéneos organizados independientemente en máquina, m accesibles en tiempo real, compatible por usuarios
Más detallesGeneXus BPM Suite X. Última actualización: 01 de Setiembre de 2008
Última actualización: 01 de Setiembre de 2008 Copyright Artech Consultores S. R. L. 1988-2008. Todos los derechos reservados. Este documento no puede ser reproducido en cualquier medio sin el consentimiento
Más detallesCLUSTERING MAPAS AUTOORGANIZATIVOS (KOHONEN) (RECUPERACIÓN Y ORGANIZACIÓN DE LA INFORMACIÓN)
CLASIFICACIÓN NO SUPERVISADA CLUSTERING Y MAPAS AUTOORGANIZATIVOS (KOHONEN) (RECUPERACIÓN Y ORGANIZACIÓN DE LA INFORMACIÓN) info@clustering.50webs.com Indice INTRODUCCIÓN 3 RESUMEN DEL CONTENIDO 3 APRENDIZAJE
Más detallesPublicidad de Respuesta Directa y de Correo Directo
Publicidad de Respuesta Directa y de Correo Directo Objetivos Tamaño y alcance del marketing directo. La Tecnología de computo y el marketing con base de datos Formatos de respuesta directa Telemarketing
Más detallesPrincipales Cambios de la ISO 9001:2015
INTRODUCCIÓN La nueva versión disponible de ISO 9001:2015, actualmente en su versión DIS, muestra una gran cantidad de cambios respecto de su predecesora. Muchos de estos cambios están en línea con otros
Más detallesII. Relación con Terceros
II. Relación con Terceros Introducción a la Relación con Terceros Los terceros se refieren a las entidades con las cuales se realizan transacciones en la organización. Hay tres tipos de terceros, están:
Más detallesXIII Jornadas de Enseñanza Universitaria de la Informática Teruel, 2007
Hacia un Sistema Inteligente basado en Mapas Conceptuales Evolucionados para la Automatización de un Aprendizaje Significativo. Aplicación a la Enseñanza Universitaria de la Jerarquía de Memoria XIII Jornadas
Más detallesCONSTRUCCIÓN DE LAS RELACIONES CON EL CLIENTE.
TEMA 6 CONSTRUCCIÓN DE LAS RELACIONES CON EL CLIENTE. 1.- MARKETING DE RELACIONES.?? Del marketing de TRANSACCIONES al marketing de RELACIONES.?? Los CLIENTES se transforman en SOCIOS y la empresa debe
Más detallesLectura de textos electrónicos: mejorar las competencias digitales. Por: Mtra. Carla Mónica Gómez S.
Lectura de textos electrónicos: mejorar las competencias digitales Por: Mtra. Carla Mónica Gómez S. Los textos digitales exigen la adquisición de más habilidades y destrezas. Cuando se aprende a leer se
Más detalles3.3.3 Tecnologías Mercados Datos
3.3.3 Tecnologías Mercados Datos TECNOLOGIAS DATAMART: Aspect Data Mart es una solución completa de reportes para la empresa, que le proporciona un mayor entendimiento de las operaciones de sus negocios
Más detallesCRM Gestión de Oportunidades Documento de Construcción Bizagi Process Modeler
Bizagi Process Modeler Copyright 2011 - Bizagi Tabla de Contenido CRM- Gestión de Oportunidades de Venta... 4 Descripción... 4 Principales Factores en la Construcción del Proceso... 5 Modelo de Datos...
Más detallesDía 5-6-2012 17:00h Lugar: Obra Social Ibercaja, Sala De actos, Rambla Ferran 38, 3º, Lleida
Resumen de la conferencia Día 5-6-2012 17:00h Lugar: Obra Social Ibercaja, Sala De actos, Rambla Ferran 38, 3º, Lleida Ponente: Luis Muñiz Socio Director de Sisconges & Estrategia y experto en Sistemas
Más detallesCapítulo 2. Técnicas de procesamiento digital de imágenes y reconocimiento de patrones.
Capítulo 2. Técnicas de procesamiento digital de imágenes y reconocimiento de patrones. 2.1 Revisión sistema reconocimiento caracteres [9]: Un sistema de reconocimiento típicamente esta conformado por
Más detallesSistemas de información
Sistemas de información Es un conjunto integrado de componentes que almacenan, recolectan y procesan datos, para la entrega de la información, el conocimiento y los productos digitales. Las empresas comerciales
Más detallesSoluciones de Portrait Customer Analytic
Soluciones para Customer Intelligence, Communications y Care. Soluciones de Portrait Customer Analytic Explorar, comprender y predecir el comportamiento de los clientes para un retorno de la inversión
Más detallesAdministración por Procesos contra Funciones
La administración moderna nos marca que en la actualidad, las organizaciones que no se administren bajo un enfoque de procesos eficaces y flexibles, no podrán sobrepasar los cambios en el entorno y por
Más detallesMesa de Ayuda Interna
Mesa de Ayuda Interna Documento de Construcción Mesa de Ayuda Interna 1 Tabla de Contenido Proceso De Mesa De Ayuda Interna... 2 Diagrama Del Proceso... 3 Modelo De Datos... 4 Entidades Del Sistema...
Más detallesMarketing Mix Tradicional
Marketing Mix Tradicional Lección # 2 Intro. CRM y Redes Sociales Curso: Mercadeo y Tecnología Prof. José D. Ulloa Soto Mercadólogo y Economista Blog: jdavidulloa.wordpress.com Nuevo Enfoque del Marketing
Más detallesTécnicas de venta (nueva versión)
Técnicas de venta (nueva versión) Muestra cómo debe estar organizada una empresa centrándose en el departamento comercial, donde se definirá la figura del vendedor como un comercial que además de conseguir
Más detallesInfraestructura Tecnológica. Sesión 12: Niveles de confiabilidad
Infraestructura Tecnológica Sesión 12: Niveles de confiabilidad Contextualización La confianza es un factor determinante y muy importante, con ésta se pueden dar o rechazar peticiones de negocio, amistad
Más detallesInfraestructura empresarial Hora de invertir en su estructura
NewsLetter Q3-2014 Infraestructura empresarial Hora de invertir en su estructura Conozca cómo mejorar el rendimiento de su empresa modernizando su estructura para evitar posibles problemas en sus sistemas.
Más detallesEstimados padres y tutores legales:
Estimados padres y tutores legales: Nos complace anunciar que las Escuelas Públicas de Denver han puesto el poder de Google Apps for Education a disposición de los maestros, personal escolar y estudiantes.
Más detallesQuienes Somos? Valor. Estrategia
Quienes Somos? STGI nace como la respuesta necesaria al mundo empresarial en consultorías para acceder y gestionar la información, estructurada y no estructurada, con el fin de alcanzar procesos eficientes
Más detallesCybersudoe Innov: Una red de expertos sobre TIC e Innovación del SUDOESTE europeo
Newsletter 4 Cybersudoe Innov: Una red de expertos sobre TIC e Innovación del SUDOESTE europeo Uno de los objetivos más importantes del proyecto Cybersudoe Innov es el registro de una base de datos de
Más detallesVisión global del KDD
Visión global del KDD Series Temporales Máster en Computación Universitat Politècnica de Catalunya Dra. Alicia Troncoso Lora 1 Introducción Desarrollo tecnológico Almacenamiento masivo de información Aprovechamiento
Más detallestendencias digitales que debes conocer
6 tendencias digitales que debes conocer 01000111101001110111001100110110011001 Se ha hablado mucho recientemente sobre las tendencias digitales y cómo éstas afectan a los negocios grandes y pequeños.
Más detallesEntre las principales ventajas que aporta la utilización Internet en las gestiones con clientes están las siguientes:
Gestión con clientes Los/as clientes, cualquiera que sea el negocio al que se dedica una empresa, exigen cada vez más, son menos tolerantes con las deficiencias de calidad y disponen de menos tiempo. Por
Más detalles"Diseño, construcción e implementación de modelos matemáticos para el control automatizado de inventarios
"Diseño, construcción e implementación de modelos matemáticos para el control automatizado de inventarios Miguel Alfonso Flores Sánchez 1, Fernando Sandoya Sanchez 2 Resumen En el presente artículo se
Más detallesIntroducción a Protégé
FACULTAD DE INFORMÁTICA LICENCIATURA EN DOCUMENTACIÓN SISTEMAS DE REPRESENTACIÓN Y PROCESAMIENTO AUTOMÁTICO DEL CONOCIMIENTO Práctica 1 1ª Parte Introducción a Protégé Febrero 2003 1. Objetivo La presente
Más detallesImplementando un ERP La Gestión del Cambio
Artículos> Implementando un ERP - La Gestión del Cambio Artículo Implementando un ERP La Gestión del Cambio 1 Contenido Sumario Ejecutivo 3 Los sistemas ERP flexibilizan la gestión de la empresa y su cadena
Más detallesMARKETING Y COMERCIO ELECTRÓNICO
Modalidad: MULTIMEDIA Objetivos: MARKETING Y COMERCIO ELECTRÓNICO Comercio electrónico: Describe el comercio electrónico en todas sus facetas, desde lo más básico hasta lo más complejo, dando a conocer
Más detallesPor qué Invertir en Tecnología: Criterios Objetivos para Analizar el Ahorro de Costes de la Inversión
Por qué Invertir en Tecnología: Criterios Objetivos para Analizar el Ahorro de Costes de la Inversión En estos tiempos de incertidumbre por la situación económica actual, ante la disyuntiva de realizar
Más detallesSoftware diseñado especialmente para Planificación del entrenamiento, control de evaluaciones, Captura y Edición de Video.
Software diseñado especialmente para Planificación del entrenamiento, control de evaluaciones, Captura y Edición de Video. QUE ES X-TRAINING X FUSSION? X-Training Fussion es un sistema de computación que
Más detallesQué son los protocolos de enrutamiento Dinámico?
Sistemas Operativos SISTEMAS OPERATIVOS 1 Sesión No. 4 Nombre: Protocolos de enrutamiento dinámico Contextualización Qué son los protocolos de enrutamiento Dinámico? Los protocolos de enrutamiento dinámico
Más detallesCapítulo IV. Manejo de Problemas
Manejo de Problemas Manejo de problemas Tabla de contenido 1.- En qué consiste el manejo de problemas?...57 1.1.- Ventajas...58 1.2.- Barreras...59 2.- Actividades...59 2.1.- Control de problemas...60
Más detallesCRM. Customer Relationship Management Sistema de Gestión Inteligente de Mercadeo y Ventas. Sistema de Gestión Inteligente de Mercadeo y Ventas
CRM Customer Relationship Management Sistema de Gestión Inteligente de Mercadeo y Ventas Sistema de Gestión Inteligente de Mercadeo y Ventas Customer Relationship Management (Administración de Relaciones
Más detallesLOS CINCO GRADOS DE MADUREZ DE UN PROYECTO BI
LOS CINCO GRADOS DE MADUREZ DE UN PROYECTO BI INTRODUCCIÓN Se habla en multitud de ocasiones de Business Intelligence, pero qué es realmente? Estoy implementando en mi organización procesos de Business
Más detallesMinería de Datos. Universidad Politécnica de Victoria
Minería de Datos Universidad Politécnica de Victoria 1 Motivación Nuevas Necesidades del Análisis de Grandes Volúmenes de Datos El aumento del volumen y variedad de información que se encuentra informatizada
Más detallesLa metodología ABM como piedra angular de Performance Management pd
nuevas tecnologías En qué segmento de clientes es más rentable nuestro producto estrella? Qué productos y servicios hay que re-negociar con qué clientes? El ABM se está convirtiendo una herramienta fundamental
Más detallesTecnología, Inteligencia y Riesgo de Fraude
TIPO DE DOCUMENTO Deloitte Advisory Madrid, 11 de junio de 2015 En las últimas décadas, el fenómeno de la globalización se ha visto potenciado enormemente por los distintos avances tecnológicos, especialmente
Más detallesCRM es una estrategia de negocios centrada en el cliente no es un software
El CRM en tu empresa El CRM (Customer relationship management), es una estrategia que puede dar muchos frutos en las organizaciones. Para que esta estrategia funcione, debe estar apoyada por un sistema
Más detallesControl del Stock, aprovisionamiento y distribución a tiendas.
Control del Stock, aprovisionamiento y distribución a tiendas. Tan importante como el volumen de ventas y su rentabilidad, el control del stock supone uno de los pilares fundamentales en el éxito de una
Más detallesPRESENTACIÓN PRODUCTO. Más que un software, el método más eficaz de conciliar.
PRESENTACIÓN PRODUCTO Más que un software, el método más eficaz de conciliar. Automatizar las conciliaciones significa ahorrar recursos y generar mayor rentabilidad en su negocio. Eligiendo Conciliac su
Más detallesSeis Sigma. Nueva filosofía Administrativa.
Seis Sigma. Nueva filosofía Administrativa. GIN. Filosofía de Calidad. El Seis Sigma es un parámetro cuya base principal es la desviación estándar y su enfoque es reducir la variación y/o defectos en lo
Más detallesLos clientes hoy están hiperconectados, mas informados, interactúan en social media
Slide 2 Empowered Customers (1 / 2) Los clientes hoy están hiperconectados, mas informados, interactúan en social media Viven en el momento, actualizan su status en Facebook y comparten sus opiniones en
Más detallesArtículos de Minería de Datos de Dataprix Introducción a la minería de datos
Published on Dataprix (http://www.dataprix.com) Principal > Artículos de Minería de Datos de Dataprix By Dataprix Created 26/12/2009-17:13 Artículos de Minería de Datos de Dataprix Introducción a la minería
Más detallesMateria: Inteligencia de negocios
Instituto Tecnológico de Durango Departamento de Sistemas y Computación Ingeniería Informática Unidad I. INTRODUCCIÓN A LA INTELIGENCIA DE NEGOCIOS 1 Información Activo más importante de los negocios actuales
Más detallesDurante la determinación del problema dentro de los procesos de mercadeo de R & S Training se pudo notar notables deficiencias en las relaciones con
Autora: Rodríguez Fortunato, Marìa Rossana Titulo: Implementación de un sistema bajo tecnología web basado en estrategias de CRM que apoye las actividades de mercadeo de una empresa de servicios de adiestramientos
Más detalles