Modelos de Mercadotecnia Tema 1: Dimensión del Marketing

Transcripción

1 Tema 1: Dimensión del Marketing Sesión 2: Bases de Datos

2 Objetivo de la Sesión: Al concluir la sesión el alumno reconocerá el proceso para llevar a cabo la minería de datos y describirá cómo las herramientas automatizadas ayudan a la transformación de grandes cantidades de información mercadológica. Contextualización Cómo toman las empresas sus decisiones? La definición de una base de datos se puede simplificar en una sola palabra: colección. Este concepto se define como la recopilación de elementos de datos relacionados. Los tres elementos básicos que conforman una base de datos son los siguientes: 1) tablas, 2) columnas y 3) filas. Imagen: Base de datos, recuperada el 05/07/2016 de: expediente aduanero digital/ Las tablas, también conocidas como entidades, representan los elementos básicos de información de interés en el seguimiento, tales como clientes, pedidos y facturas. Por otro lado, las columnas, también conocidas como campos, representan los atributos de una tabla. Estas características pueden ser: el nombre, apellido, dirección, ciudad, estado, código postal, número de teléfono, etcétera. Importante comentar que deben poderse almacenar fácilmente. El tercer punto son las filas, también conocidos como registros, las cuales representan los datos reales. Los 2

3 campos describen lo que almacenan los datos, mientras que en las filas de una tabla es donde se guardan los datos reales. Introducción al tema Has escuchado hablar de la minería de datos? Un dicho popular es el decir que nos encontramos viviendo en la era de la información, cuando en realidad estamos en la época de los datos. Vivimos en un mundo en el que se recopilan diariamente grandes cantidades de informacióndatos, lo cual conforma una necesidad importante de la población en general. Este crecimiento explosivo de recopilación de datos almacenados que ha inundado casi todos los aspectos de nuestras vidas, ha generado una necesidad urgente de nuevas técnicas y herramientas automatizadas e inteligentes que nos puedan ayudar en la transformación de la gran cantidad de datos en información en conocimiento útil y aplicable a nuestra vida y los negocios. Imagen: Herramientas automatizadas, recuperada el 05/07/2016 de: de computadoras / Esto ha dado lugar a la generación de una frontera creciente y prometedora conocida como minería de datos y sus diversas aplicaciones. Este concepto también se conoce como KDD (descubrimiento de conocimiento a partir de datos), el cual consta de la extracción automatizada o conveniente de los patrones que representan implícitamente conocimiento almacenado o capturado en grandes bases de datos, almacenes de datos, la web, otros repositorios de información masivos, o flujos de datos. 3

4 Explicación Para qué sirve la minería de datos? La información debe de preparase primeramente antes de iniciar el análisis de la misma. Esto implica observar los atributos y valores de los datos. La información del mundo real suele ser ruidosa, confusa, de alto volumen y puede proceder de una combinación de fuentes heterogéneas. El conocimiento de estas características es útil para pre-procesamiento de datos. Para poder realizarlo, es importante saber lo siguiente: Cuáles son los tipos de atributos o campos y sus componentes? Qué tipo de valores tiene cada atributo? Qué atributos son discretos, y cuáles son los valores continuos? Qué significa que los datos se parezcan? Cómo se distribuyen los valores? Hay maneras en que podemos visualizar los datos para tener una mejor idea de todo esto? Podemos detectar valores atípicos? Podemos medir la similitud de algunos objetos con respecto a los demás? Alcanzar esa visión de los datos ayudará con el análisis posterior. La minería de datos es el proceso de descubrir patrones y conocimientos interesantes de gran cantidad de datos. El concepto forma parte del proceso de descubrimiento del conocimiento, el cual se compone de los siguientes pasos: Imagen: Minería de datos, recuperada el 05/07/2016 de: mineria de datos 4

5 1. Limpieza de datos. Sirve para eliminar el ruido y datos inconsistentes. 2. La integración de datos. Donde múltiples fuentes de datos pueden ser combinados. 3. La selección de datos. Donde los datos relevantes a la tarea de análisis se recuperan de la base de datos. 4. Transformación de datos. Donde los datos se transforman y consolidan en formas apropiadas para la minería mediante la realización de operaciones de resumen o agregación. 5. La minería de datos. Proceso esencial donde se aplican métodos inteligentes para extraer patrones de datos. 6. Evaluaciones del patrón. Sirve para identificar los patrones realmente interesantes. 7. Presentación del conocimiento. Donde se utilizan las técnicas de representación de visualización y el conocimiento con los conocimientos extraídos de los usuarios. La minería de datos cumple con la necesidad de llevar a cabo análisis efectivos y flexibles en nuestra sociedad. Este concepto se puede considerar como una evolución natural de la tecnología de la información y la confluencia de varias disciplinas afines y dominios de aplicaciones. 5

6 Este concepto se puede aplicar a cualquier tipo de información, siempre y cuando los datos sean significativos para poderse aplicar. Las formas más básicas de datos para aplicaciones de este concepto son: bases de datos, almacenamiento de datos e información transaccional. Este concepto también se puede aplicar en otras formas de datos, tales como flujos de datos, ordenado de datos / secuencia, el gráfico de datos en red, los datos espaciales, datos de texto, datos multimedia, e incluso en la Internet. La minería de datos es un campo dinámico y de rápida expansión con grandes fortalezas. Los principales problemas en la investigación de minería de datos se clasifican en cinco grupos: la metodología, la interacción con el usuario, la eficiencia y la escalabilidad, la diversidad de tipos de datos y la minería de datos y de la sociedad. Hay un número de funcionalidades de minería de datos, las cuales incluyen: La caracterización y discriminación La explotación de los patrones frecuentes Asociaciones y correlaciones Clasificación y regresión Análisis de agrupación Análisis de valores atípicos. Las funcionalidades de minería de datos se utilizan para especificar los tipos de patrones que se encuentran en tareas de minería de datos. En general, dichas tareas se pueden clasificar en dos categorías: descriptivas y predictivas. Las primeras se encargan de caracterizar las propiedades de los datos en un conjunto de datos de destino, mientras que las segundas realizan una inducción de los datos actuales con el fin de hacer predicciones. 6

7 Conclusión Día a día las personas debemos de tomar decisiones que indicarán si nuestra vida o negocio será un éxito o un fracaso. La información permite tanto a las personas como a las empresas tomar disposiciones más certeras. Para poder llegar a una resolución correcta, la idea es contar con datos de calidad. Existen dos distintos tipos de información que se puede accesar. La primera es la externa, en la cual no tenemos influencia alguna (ejemplo: nuevos productos que lanza la competencia al mercado, tipo de cambio, etcétera). La segunda es la interna, la cual se genera dentro de la organización y a la cual sí tenemos acceso.. 7

8 Para aprender más Base de datos y marketing directo. (2012). Consultado el 21 de mayo de 2013: Proyecto final de sistemas de información y bases de datos de mercadotecnia. (2011). Consultado el 21 de mayo de 2013: 8

9 Actividad de Aprendizaje Instrucciones: Con la finalidad de profundizar en los conocimientos adquiridos a lo largo de esta sesión, ahora tendrás que realizar la siguiente actividad: Realiza una investigación a fondo sobre el proceso para llevar a cabo la minería de datos y ejemplifica de acuerdo a la información de la institución en donde trabajas o te gustaría trabajar. La idea es que, en un documento en Word, a letra 12 Arial, en no más de tres cuartillas, incluyas la investigación y los ejemplos. Recuerda que esta actividad te ayudará a entender y apropiarte del concepto visto en clase, a través de un juicio crítico, lo cual te facilitará el estudio del tema. Sube tu trabajo a la plataforma. Esta actividad representa el 5% de tu calificación y se tomará en cuenta lo siguiente: Portada Investigación Ejemplificación Bibliografía Ortografía 9

10 Bibliografía Han, J., Kamber, M. y Pei, J. (2012). Data mining concepts and techniques. USA: Morgan Kaufmann. 10