LA MINERÍA DE DATOS COMO HERRAMIENTA EN EL PROCESO DE INTELIGENCIA COMPETITIVA.

Tamaño: px

Comenzar la demostración a partir de la página:

Download "LA MINERÍA DE DATOS COMO HERRAMIENTA EN EL PROCESO DE INTELIGENCIA COMPETITIVA."

1 LA MINERÍA DE DATOS COMO HERRAMIENTA EN EL PROCESO DE INTELIGENCIA COMPETITIVA. Autor Principal y Ponente: Dr. Luis A. Marín Llanes 1 Lic. Juan C. Carro Cartaya 1. 1 Consultoría Biomundi. Vice-Dirección de Inteligencia Corporativa del Instituto de Información Científica y Tecnológica, del Ministerio de Ciencia, Tecnología y Medio Ambiente. Calle 200 #1922 Atabey, Playa, C. de La Habana, Cuba, CP Tef: , , FAX: Correo Electrónico: marin@biomundi.inf.cu

Vice-Dirección de Inteligencia Corporativa del Instituto de Información Científica y Tecnológica, del Ministerio de

2 RESUMEN En el presente trabajo se muestran las definiciones básicas asociadas a las técnicas de minería de datos, así como la utilidad de las mismas para las organizaciones con el fin de extraer información para la toma de decisión a partir de los datos almacenados en la misma. Igualmente se presentan dos casos típicos de la utilidad de estas técnicas Introducción En la actualidad las organizaciones se enfrentan a un mundo cada vez más competitivo y, por tanto, las estrategias de administración deben ser flexibles para adaptarse a las condiciones cambiantes del entorno. Lo anterior supone un enorme reto para las organizaciones, en especial en el manejo de grandes volúmenes de información para conocer el entorno y predecir su evolución. En otras palabras, es necesario conocer quienes son los principales clientes, que tipo de servicios son los que más consumen, como se agrupan estos clientes, como es su patrón de compra, que segmento de mercado se desaprovechan, quiénes son los principales competidores, en que mercado se desempeñan, cuáles son sus puntos débiles y fuertes, etc. De forma general, las organizaciones tienen toda la información necesaria para responder a las preguntas anteriores, pero en ocasiones no son capaces de

Igualmente se presentan dos casos típicos de la utilidad de estas técnicas Introducción En la actualidad las organizaciones se enfrentan a un mundo cada vez más competitivo y, por tanto, las

3 utilizar al máximo esta información, pues no la tienen organizada adecuadamente y carecen de los métodos necesarios para procesarla y analizarla de la mejor manera. Tomando en consideración la importancia de extraer los conocimientos "perdidos" en los datos que almacena la organización, ha surgido desde hace un tiempo lo que se conoce como "minería de datos". El objetivo del presente trabajo es presentar como a partir de la información disponible en las organizaciones mediante las técnicas de la minería de datos las empresas pueden aumentar su nivel competitivo. DEFINICIONES BÁSICAS La minería de datos se puede definir como un proceso analítico diseñado para explorar grandes cantidades de datos (generalmente datos de negocio y mercado) con el objetivo de detectar patrones de comportamiento consistentes o relaciones entre las diferentes variables para aplicarlos a nuevos conjuntos de datos. Como se puede apreciar en la definición anterior, la esencia del problema consiste en "escarbar" en la información almacenada para "descubrir" los elementos de utilidad. Es por esta razón que el término se asocia con mucha frecuencia al término anglosajón de "knowledge discovery".

El objetivo del presente trabajo es presentar como a partir de la información disponible en las organizaciones mediante las técnicas de la minería de datos las empresas pueden aumentar su nivel

4 El proceso de minería de datos consta de tres etapas fundamentales: 1. Exploración de los datos 2. Definición de patrones o construcción de modelos 3. Validación y verificación. Estas etapas, a grandes rasgos, son similares a las de la metodología general de modelación matemática que puede encontrarse en cualquier texto sobre el tema. Debido a que la información de corte comercial no lo permite, los resultados que se obtienen no permiten desarrollar modelos con un elevado coeficiente de certeza, por lo que las decisiones que se toman a partir de los mismos se insertan en el campo de la decisión con incertidumbre. La minería de datos aún se basa en los principios tradicionales de Análisis exploratorio de Datos, aunque llega más lejos, sobre todo con la incorporación de elementos de inteligencia artificial. En ocasiones la minería de datos se considera como una extensión del concepto de almacenamiento de datos. Herramientas en la minería de datos

Debido a que la información de corte comercial no lo permite, los resultados que se obtienen no permiten desarrollar modelos con un elevado coeficiente de certeza, por lo que las decisiones que se

5 Almacenamiento de datos (Data Warehousing) El almacenamiento de datos se define como un proceso de organización de grandes cantidades de datos de diversos tipos "guardados" en la organización con el objetivo de facilitar la recuperación de la misma con fines analíticos. Por supuesto, el almacenamiento de datos tiene un gran importancia en el proceso de minería de datos pues en cierta medida, permite la recuperación o al menos la referencia a determinados conjuntos de datos de importancia para un proceso de toma de decisión dado. En la actualidad existe gran variedad de sistemas comerciales para el alamacenamiento de datos entre los que se destacan Oracle, Sybase, MS SQL Server, entre otros. Análisis exploratorio de datos (Exploratory Data Analysis (EDA)) Como se dijo anteriormente, las técnicas de análisis exploratorio de datos juega un papel muy importante en la minería de datos. Las mismas tienen como objetivo determinar las relaciones entre las variables cuando no hay o no está totalmente definida la naturaleza de estas relaciones. Las técnicas exploratorias tienen un fuerte componente computacional abarcando desde los métodos estadísticos simples a los más avanzados como

Por supuesto, el almacenamiento de datos tiene un gran importancia en el proceso de minería de datos pues en cierta medida, permite la recuperación o al menos la referencia a determinados conjuntos

6 las técnicas de exploración de multivariables diseñadas para identificar patrones en conjunto de datos multivariables. Entre las técnicas estadísticas sencillas se incluyen el estudio de distribuciones de las variables, estudio de correlaciones entre matrices, tablas de contingencias, entre otros. Por su parte, entre las técnicas más complejas se incluyen el Análisis de Factores, el Análisis de Grupos, el Escalado Multidimensional, etcétera. Redes neuronales (Neural Networks) Las redes neuronales son técnicas analíticas que permiten modelar el proceso de aprendizaje de una forma similar al funcionamiento del cerebro humano, básicamente, la capacidad de aprender a partir de nuevas experiencias. Estas técnicas han tenido un desarrollo impresionante en la última década, con aplicaciones tanto a la medida como generales (comúnmente llamados shell ) y tienen como objetivo fundamental sustituir la función de un experto humano. Resultados de la aplicación de las técnicas de minería de datos A continuación se presentarán algunos de los resultados que se pueden obtener cuando se aplican las técnicas de minería de datos.

Por su parte, entre las técnicas más complejas se incluyen el Análisis de Factores, el Análisis de Grupos, el Escalado Multidimensional, etcétera.

7 Estudio de los clientes Una empresa determinada tiene un grupo de clientes y no tiene clara la idea de la distribución de los mismos. Con la aplicación de estas técnicas se pueden estudiar estos atendiendo a la distribución geográfica, el sector a que pertenecen y si son grandes, pequeñas o medianas empresas. Sobre la base de la clasificación anterior se puede llegar a los resultados que se muestran a continuación. CANTIDAD PROVINCIA (%) C. DE LA HABANA % MATANZAS % HOLGUÍN % LA HABANA % CAMAGÜEY % VILLA CLARA % PINAR DEL RÍO % GRANMA % CIENFUEGOS % LAS TUNAS % SANCTI SPÍRITUS % GUANTÁNAMO % SANTIAGO DE CUBA % ISLA DE LA % JUVENTUD CIEGO DE AVILA % SECTOR CANTIDAD % SERVICIOS % COMERCIO % TRANSP-COM % INDUSTRIA % ACADÉMICO % AGRI-ALIMENT % OACE % FINANZAS % Grand Total % TAMAÑO CANTIDAD % CORPORACIÓN % GRANDE EMPRESA % PYME % A partir de esta información la empresa puede definir su estrategia de atención al cliente tomando en consideración su ubicación geográfica, el tamaño de sus

Sobre la base de la clasificación anterior se puede llegar a los resultados que se muestran a continuación. CANTIDAD PROVINCIA (%) C. DE LA HABANA 3159 47.77% MATANZAS 462 6.99% HOLGUÍN 425 6.

8 empresas y el sector al que pertenecen. Así podrá definir paquetes de productos para empresas del mismo sector, o del mismo tamaño, etcétera. De igual forma, se puede determinar la cantidad de clientes de una provincia por sector o tamaño, entre otros. Estudio de mercados Otro ejemplo clásico en la utilización de éstas técnicas es el estudio de mercado. Para este caso, es conveniente agrupar los mercados atendiendo a los diferentes tipos de productos que consumen así como la demanda de los mismos. A continuación se presenta el resultado de esta agrupación para un grupo de medicamentos en mercados de América Latina. Dendograma BOLIVIA GUATEMAL VENEZUEL COLOMBIA PERÚ REPÚBLIC Distancia de Unión

Estudio de mercados Otro ejemplo clásico en la utilización de éstas técnicas es el estudio de mercado.

9 De la figura anterior, la empresa puede definir su estrategia común para Perú y República Dominicana, otra para Bolivia y Guatemala y así sucesivamente. Estos son solo dos de los posibles resultados que se pueden lograr mediante la aplicación de las técnicas antes mencionadas. Conclusiones 1. Las técnicas de minería de datos han ganado gran cantidad de adeptos en el mundo empresarial de hoy. 2. Permiten explorar la información almacenada en las organizaciones para detectar patrones y modelo de comportamiento entre las variables. 3. La aplicación de estas herramientas ayuda en el proceso de toma de decisión de las organizaciones. Bibliografía 1. Biggs, Maggie;" PowerMart hits bull's-eye for enterprise data marts"; InfoWorld March 9, 1998 v20 n10 p128(1) 2. Campbell, Richard;" Know your data."; Databased Web Advisor Oct 1997 v15 n10 p56(4) 3. DelRossi, Robert A.;" Scenario packs power as a data-exploration tool: Cognos' program is particularly well-suited to experienced analysts"; InfoWorld June 2, 1997 v19 n22 p130(1)

Las técnicas de minería de datos han ganado gran cantidad de adeptos en el mundo empresarial de hoy. 2.

10 4. Gilliland, Steve;" Mine your data for statistical gems"; Computer Shopper Oct 1997 v16 n10 p474(1) 5. Lazar, Bill; " Managing corporate knowledge."; Software Development April 1998 v6 n4 p60(4) 6. Lazar, Bill;" Managing corporate knowledge."; Software Development April 1998 v6 n4 p60(4) 7. Schumacher, Robin;" PowerDesigner, 6.0"; DBMS Oct 1997 v10 n11 p34(4) 8. Shumate, John ;" Sagent offers one-stop data shopping; Data Mart Solution 2.0 ably meets data management, analysis, extraction needs."; PC Week May 12, 1997 v14 n19 p51(2) 9. Yacono, John;" Fulcrum Technologies."; Computer Reseller News Dec 15, 1997 n768 p138(1)

Schumacher, Robin;" PowerDesigner, 6.0"; DBMS Oct 1997 v10 n11 p34(4) 8. Shumate, John ;" Sagent offers one-stop data shopping; Data Mart Solution 2.

Documentos relacionados

ELECTRICIDAD en CUBA INDICADORES SELECCIONADOS. Ener o - Junio 201 3

ELECTRICIDAD en CUBA INDICADORES SELECCIONADOS Ener o - Junio 201 3 Edición Agosto 2013 Dirección de Industria y Medio Ambiente ELECTRICIDAD EN CUBA. INDICADORES SELECCIONADOS Enero Junio de 2013 Agosto