Análitica predictiva (PA) para el sector de Retail

Tamaño: px

Comenzar la demostración a partir de la página:

Download "Análitica predictiva (PA) para el sector de Retail"

Rodrigo Vega de la Fuente
hace 8 años
Vistas:

1 Análitica predictiva (PA) para el sector de Retail

2 CONTENIDO INTRODUCCIÓN REQUERIMIENTOS DE LA PROPUESTA CONCEPTUALIZACIÓN DE LA PROPUESTA DISEÑO DE LA PROPUESTA BENEFICIOS PROPUESTA ECONÓMICA

3 PA EN RETAIL: Mirando hacia el futuro Realidades cambiantes: más datos, formatos variables y más competencia. Necesidad de respuestas efectivas en tiempo real. Fenómeno BIG DATA: volumen, variedad, velocidad, veracidad Nuevas tecnologías de extracción, capacidad de almacenamiento y análisis implican nuevas tendencias en el manejo de información. Uso masivo de estrategias en las redes sociales para promoción y seguimiento de campañas o promociones

Fenómeno BIG DATA: volumen, variedad, velocidad, veracidad Nuevas tecnologías de extracción, capacidad de

4 ANÁLITICA PREDICTIVA EN RETAIL: Preguntas clave Qué es un cliente fiel?, Cómo evitar la pérdida de clientes? Qué estrategia de mercadeo debo elegir para aumentar las ventas? Cuál es la estrategia más efectiva de relación con el cliente para este propósito? Cómo puede ayudar de manera más efectiva en mi negocio el conocimiento sobre patrones de consumo de los clientes?

Qué estrategia de mercadeo debo elegir para aumentar las ventas?

5 PA EN RETAIL: Tecnología para soluciones efectivas Seguimiento y diferenciación de campañas Segmentación por patrones de consumo (RFM) para seguimiento y adecuación de efectividad del mensaje. Seguimiento individualizado de clientes Uso de información de consumo histórico para promociones dirigidas. Cálculo de valor cliente y probabilidades de pérdida de clientes (churn). Análisis de canasta Mediante un uso eficiente de información en el manejo de inventarios, presentación y disposición. Segmentación por canasta: diseño de acciones estratégicas de la empresa y reforzamiento vínculos con los clientes

Cálculo de valor cliente y probabilidades de pérdida de clientes (churn).

6 PA EN RETAIL: Tecnología para soluciones efectivas Seguimiento y diferenciación de campañas Segmentación por patrones de consumo (RFM) para seguimiento y adecuación de efectividad del mensaje. Seguimiento individualizado de clientes Uso de información de consumo histórico para promociones dirigidas. Cálculo de valor cliente y probabilidades de pérdida de clientes (churn). Análisis de canasta Mediante un uso eficiente de información en el manejo de inventarios, presentación y disposición. Segmentación por canasta: diseño de acciones estratégicas de la empresa y reforzamiento vínculos con los clientes

7 CONCEPTUALIZACIÓN DE LA PROPUESTA Segmentación por patrones de consumo (RFM) para seguimiento y adecuación de efectividad del mensaje Objetivos Seguimiento diferenciado de impacto de campañas y estrategias promocionales. Detección de clientes de mayor valor. Determinación de variables y patrones de consumo relevantes a partir de esta segmentación. Datos requeridos Datos de consumo (fechas de compra, montos) y de manera opcional datos del cliente (demográficos, geográficos). Tiempo estimado de análisis 1 mes (sobre una base de datos de buena calidad)

Determinación de variables y patrones de consumo relevantes a partir de esta segmentación.

8 CONCEPTUALIZACIÓN DE LA PROPUESTA Seguimiento individualizado de clientes Objetivos Promociones individualizadas. Cálculo de probabilidades de pérdida de clientes (churn) Datos requeridos Datos de consumo (fechas de compra, montos), consumo histórico (productos) Tiempo estimado de análisis 2 semanas a 1 mes (sobre una base de datos de buena calidad y usando datos de segmentación del análisis anterior )

Cálculo de probabilidades de pérdida de clientes (churn) Datos requeridos Datos de consumo (fechas de

9 CONCEPTUALIZACIÓN DE LA PROPUESTA Análisis de canasta Objetivos Impulsar ventas mediante un uso eficiente de información en el manejo de inventarios, presentación y disposición de productos en anaqueles o ventas promocionales Datos requeridos Datos de consumo histórico (productos) Tiempo estimado de análisis 1 mes (sobre una base de datos de buena calidad)

de productos en anaqueles o ventas promocionales Datos requeridos Datos de consumo

10 CONCEPTUALIZACIÓN DE LA PROPUESTA Segmentación por canasta Objetivos Impulsar ventas mediante un uso eficiente de información, diseño de acciones estratégicas de la empresa y reforzamiento de vínculos individualizado con clientes en función de sus patrones de consumo histórico Datos requeridos Datos de consumo histórico (productos) Tiempo estimado de análisis 2 semanas a 1 mes (sobre una base de datos de buena calidad)

individualizado con clientes en función de sus patrones de consumo histórico Datos requeridos Datos de

11 DISEÑO DE LA PROPUESTA

12 PRODUCTOS MODULARES Y FLEXIBLES

13 INTEGRACIÓN EFECTIVA DE INFORMACIÓN El manejo de grandes volúmenes de datos requiere el uso de las herramientas apropiadas. Pentaho Suite permite la incorporación de nuevas tendencias en el manejo de grandes volúmenes de datos en formatos diversos. Más específicamente la plataforma propuesta permitiría: Uso de herramientas adaptadas a grandes volúmenes de datos como Hadoop y MapReduce Uso de algortimos para segmentación y predicción integrando plug-ins de Weka y R junto con herramientas de ETL y agregación. Algoritmos adaptados al manejo de grandes volúmenes de datos sobre las redes de usuarios.

Más específicamente la plataforma propuesta permitiría: Uso de herramientas adaptadas a grandes volúmenes de datos como Hadoop y MapReduce Uso de

14 PA y BD: UN PROCESO INTEGRADO R/ WEKA PROCESAMIENTO BIG DATA INTEGRACIÓN DE PROCESOS / INDICADORES

15 ARQUITECTURA PENTAHO DATA MINING Servidor Pentaho BA Dashboards, reporting etc. Pentaho Data Mining (WEKA) Exploración & preparación de data Construir, probar y comparar modelos Repositorio ETL de transformación Data warehouse

16 ESPECIFICACIONES DEL PRODUCTO

17 BENEFICIOS Gestión integrada de tres aspectos claves: Uso eficiente de recursos Clientes de mayor valor Clientes con mayores probabilidades de cancelación Valor cliente en relación al uso de nuevas tecnologías Estrategias eficaces de retención y captación Manejo estructurado de información: variables temporales-demográficasgeográficas Probabilidades de cancelación Manejo de tendencias Manejo de información como valor agregado de la empresa

Estrategias eficaces de retención y captación Manejo estructurado de información: variables

18 BENEFICIOS: EVA

19 EQUIPO GERENCIAL Carenne es Científica de Datos e investigadora en matemática estadística. Luego de su doctorado en la Universidad de Orsay (Francia), trabajó durante 15 años en el Instituto Venezolano de Investigaciones Científicas y es Coordinadora de la maestría de Modelos Aleatorios de la Universidad Central de Venezuela. Combina sus intereses académicos con desarrollo de aplicaciones en petróleo, salud, finanzas y telecomunicaciones. Es experta en minería de datos y el uso de R y Weka. En 2011 fue galardonada con el premio de la Fundación Empresas Polar, una de las distinciones científicas más importantes de Venezuela. Carlos tiene más de 20 años de experiencia en consultaría de desarrollo de sistemas de información especializados en el área de Inteligencia de Negocios. Se ha desempeñado como consultor, líder técnico, gerente de proyectos y ventas. Posee más de 50 proyectos implantados en 7 paises y en áreas que incluyen ventas, finanzas, consolidación y planificación financiera, logística e inventarios. Con muchas horas de cursos dictados en su haber, en los 90 hizo la labor de evangelización de BI en Latinoamérica y ha sido una gran promotor de Pentaho en la región. Es un emprendedor de proyectos relacionados con BI. Carenne Ludeña DATA SCIENTIST Carlos Urgelles ESPECIALISTA EN BI

la Universidad Central de Venezuela. Combina sus intereses académicos con desarrollo de aplicaciones en petróleo, salud, finanzas y telecomunicaciones.

20 MATRIX DATA LABS SOLUCIONES A LA MEDIDA SOPORTE CONSULTORÍA CAPACITACIÓN SOLUCIONES INTEGRADAS PENTAHO + BD + DM EN SITIO OUTSOURCING SAAS

21 PENTAHO + MATRIX DATA LABS SOLUCIONES A LA MEDIDA SOPORTE CONSULTORÍA CAPACITACIÓN SOLUCIONES INTEGRADAS PENTAHO + BD + DM EN SITIO OUTSOURCING SAAS

22 CONTACTOS Dirección web: Dirección física: Av San Francisco con calle Santa Margarita, Edificio Torre La California, Piso 8, Oficina 8B, Colinas de La California. Caracas. Teléfonos: (58-212) Fax: (58-212) Carenne Ludeña Carlos Urgelles

Documentos relacionados

Sistema de Asignación de Riesgos Crediticios

Sistema de Asignación de Riesgos Crediticios Quienes somos Propuesta de Asignación de Riesgos Crediticios (Credit Scoring) CONTENIDO QUIENES SOMOS Matrix Data Labs es una Unidad de Negocios de Matrix CPM