DEPARTAMENTO DE LENGUAJES Y SISTEMAS E INGENIERÍA SOFTWARE TESIS DOCTORAL

Transcripción

1 DEPARTAMENTO DE LENGUAJES Y SISTEMAS E INGENIERÍA SOFTWARE Facultad de Informátca Unversdad Poltécnca de Madrd TESIS DOCTORAL MODELO MATEMÁTICO PARAMETRICO DE ESTIMACIÓN PARA PROYECTOS DE DATA MINING (DMCOMO) Autor Óscar Marbán Gallego Lcencado en Informátca Drectores Ernestna Menasalvas Ruí Doctora en Informátca Juan José Cuadrado Gallego Doctor en Informátca Año:

2 UNIVERSIDAD POUTECNICA DE MADRID (D-) Trbunal nombrado por el Magfco. y Excmo. Sr. Rector de la Unversdad Poltécnca de Madrd, el día. de de... Presdente: Vocal: Vocal: Vocal: Secretaro:. Suplente:_ Suplente:_ Realado el acto de defensa y lectura de la Tess el día de de. en la E.T.S.I. /Facultad EL PRESIDENTE LOS VOCALES EL SECRETARIO

3 A todos aquellos que creyeron que la termnaría así como a aquellos que no lo hceron. En especal a ms padres, Manuel y María, a ms abuelos y a la sonrsa de m querda Susana A todos debo la motvacón para haber llegado hasta aquí.

4 Agradecmentos Para empear quero expresar m más sncero agradecmento a ms padres, Manuel y María, a ms abuelos Mguel, María, Manolo y Antona, y a m tío Mguelto por haber hecho posble que me dedcara a lo que me gusta. Tambén quero agradecer a Susana todo el apoyo que me ha dado mentras realaba este trabajo. Gracas a todos por soportarme durante todo este tempo, bueno, por soportarme sempre. Quero expresar m agradecmento a toda aquella gente que me ayudo a llegar hasta aquí, compañeros de carrera, profesores y compañeros. Entre ellos cabe menconar a Juanfran, a José Marcos y toda aquellas gente maravllosa que tanto tempo pasó junto a m en el laboratoro durante la carrera y los cursos de doctorado. Tambén algo parte de culpa de que yo haya llegado hasta aquí la tene Chema, gracas por tus enseñanas magstrales. Gracas a Antono de Amescua por permtrme trabajar en su grupo de nvestgacón en la Unversdad Carlos III durante este tempo. Por otra parte quere darle las gracas a Covadonga por la confana depostada en m. Tambén merecen un agradecmento especal Soco, Esther, Mke y Anta por darme la posbldad de realar los expermentos de esta tess con datos reales. A ms drectores de tess Juanjo y Ernestna por haberme ayudado a consegur este trabajo de tess. Tambén debo darle las gracas a Coro por ayudarme con toda la burocraca que conlleva la realacón de un trabajo de tess, sn su ayuda seguro que no me hubera aclarado con tanto papel. Mencón especal merece la profesora y amga Ernestna Menasalvas, por su gran ayuda a lo largo del tempo, a pesar de las broncas que de ve en cuando me he llevado por su parte, seguro que me las merecía. Muchas gracas Ernes, sn tu ayuda no hubera poddo llevar a buen puerto este trabajo. Óscar Marbán Gallego Madrd, de Maro de

5 Resumen Data Mnng surgó como línea de nvestgacón en la década de los 80 para tratar de encontrar una solucón al problema de descubrmento de conocmento en bases de datos. El conocmento adqurdo de las bases de datos se utla para dar soporte a los procesos de toma de decsones en las empresas. El desarrollo de técncas de Data Mnng srvó como soporte para los proyectos de CRM. Desde entonces son muchos los proyectos de CRM que se han desarrollado en todo tpo de organacones. Sn embargo aún a día de hoy estos proyectos se realan sn una estmacón clara de nngún tpo de recursos. Como consecuenca, s ben son muchos los proyectos que se han termnado con éxto, son numerosas las referencas de fracasos de proyectos de Data Mnng por falta de estmacón al comeno de los msmos. S ben son muchas las referencas que aparecen en la bblografía referente a algortmos de descubrmento, son escasas las que abordan el problema de aplcacón de Data Mnng en una empresa desde la perspectva de la Ingenería del Software. De hecho la únca aproxmacón es la defncón del modelo de proceso estándar CRISP-DM. En los estándares de modelo de proceso para desarrollo de software, se encuentran procesos y tareas smlares a los propuestos CRISP-DM para la generacón del Presupuesto y del Plan de proyecto. En el caso de desarrollo de software, se reala la estmacón de la duracón y del esfuero que llevará la realacón del proyecto para lo que se cuenta con múltples métodos de estmacón como SLIM, SEER-SEM, PRICE-S o COCOMO entre otros. S lo que se trata es de hacer la estmacón para un proyecto de Data Mnng estos métodos no resultan apropados, dado que su entrada prncpal es el tamaño del software a desarrollar, y en los proyectos de Data Mnng no se trata de desarrollar software. Aunque para certos tpos de problema de Data Mnng hay métodos de estmacón en fases avanadas del proyecto [Dom99, Dom98] no hay un método genérco de estmacón de proyectos de Data Mnng, cuyos resultados, esfuero y tempo, srvan como punto de partda para realar el plan de proyecto y el presupuesto. Esta es la motvacón central de este trabajo de tess doctoral en el que se propone establecer un método paramétrco de estmacón para proyectos de Data Mnng. Para ello se obtenen en esta tess los prncpales drvers de coste para establecer, basándose en proyectos reales, medante regresón lneal la ecuacón del modelo.

6 Abstract Data Mnng s a research lne that began n 980 n order to fnd the knowledge that s hdden n the data that organatons are storng n a daly bass. Ths knowledge supports the decsón makng processes n organatons. As a consequence companes of every knd have been developng data mnng projects snce the term appeared. However, there s no way to estmate ths knd of projects. Although there are many references to Data Mnng algorthms n the bbuography, not many authors have dealt the problem frorn Software Engneerng pont of vew. CRISP-DM s a model process that appeared n 0. CRISP-DM s the frst standard of Data Mnng projects development. In the standard of software development model process processes and tasks are proposed smlar to those n CRISP-DM model, nevertheless, n software development a lot of methods are descrbed to estmate the costs of project development (SLIM, SEER-SEM, PRICE-S and COCOMO). These methods are not approprate n the case of Data Mnng projects because n Data Mnng software development s not the frst goal. Some methods have been proposed to estmate some phases of a Data Mnng project [Dom99, Dom98] but there s no method to estmate the global cost of a generc Data Mnng project. The lack od Data Mnng project estmaton processes s on the bass of many real lfe projects falure due to the non realstc estmaton at the begnnng of the projects. Consequently, we propose to desgn and valídate a parametrc cost estmaton model for Data Mnng projects. The drvers of the model wll be frstly proposed and later the equaton of the model wll be obtaned applyng lnear regresson on data gathered of real Data Mnng projects.

7 índce Capítulo. Introduccón.. Objetvos del trabajo.. Organacón del trabajo I ESTADO DE LA CUESTIÓN 6 Capítulo. Estado de la cuestón 7.. Gestón de relacones con los clentes (CRM) 8.. Data Mnng 0... Fase de preproceso... Vase de Data Mnng... Tpos de problemas de DflíaM/«/«g... Operacones y técncas de Dflífl Mmmg 6... Fase de postproceso e mplantacón 8... Personal en los proyectos de Data Mnng 8... Herramentas de Data Mnng 0.. Bases de datos analítcas: Data Warehouse 0... Aqutectua de un Data Warehouse... El modelo multdmensonal.. Modelo de proceso CRISP-DM 7.. Estmacón de proyectos software 0... Métodos de estmacón software... Modelos matemátcos de estmacón... Aspectos ftndamentales en el ftnconamento de los modelos matemátcos de estmacón... Modelos matemátcos de estmacón software 7... SLIM 8... PRICE-S 9... COCOMOII

8 .6. Modelos de estmacón en proyectos de Data Mnng Taxonomía de costes de problemas predctvos Estmacón en proyectos de marketng Aplcacón de NPV para la estmacón del coste de aplcacones "Machne Learnng" 0.7. Resumen contextual II ESTUDIO Y RESOLUCIÓN DEL PROBLEMA Capítulos. Planteamento del problema.. Planteamento.. Objetvos del trabajo 9 Capítulo. Solucón 6.. Introduccón 6.. Descrpcón del entorno 6... Descrpcón de la empresa 6... Descrpcón de un proyecto de Data Mnng normal 6.. Drvers de coste propuestos para proyectos de Dflífl Mwmg 6... Drvers de Datos Volumen Dspersón o número dferentes de valores de los atrbutos (DISP) Caldad de los datos Dsponbldad de los modelos de datos (DMOD) 7... Prvacdad de los datos (PRIV) Necesdad de adquscón de datos externos (DEXT) 7... Drvers de Modelos 7... Número de modelos (NMOD) 7... Tpo de modelo (TMOD) 7... Característcas del modelo 7... Dsponbldad de técncas para el tpo de problema a tratar (MTEC) Drvers de Plataforma de desarrollo 8... Número y tpo de fuentes (NFUN) 8... Tpo de servdores donde resden los datos (NSER) 8... Dstanca y forma de comuncacón entre los orígenes de datos (SCOM) 8... Drvers de Técncas y Herramentas 8... Dsponbldad de herramentas (TOOL) 8

9 ... Tpo de herramentas 8... Herramentas vs. Máquna vs. Modelo de datos (TOMM) Nvel de transparenca de las herramentas (TRAN) Nvel de formacón de los usuaros que requeren las herramentas (NFOR) Amgabldad de las herramentas (TFRI) Drvers de Proyecto Número de departamentos nvolucrados en el proyecto (NDEP) Documentacón a entregar (DOCU) Modelos para múltples entornos (MSIM) 9... Desarrollo en múltples localacones (SITE) Drvers de Personal Contnudad del personal (PCON) Formacón del personal en perfles complementaros (PCOM) Conocmento de los datos que se van a utlar (KDAT) Acttud de la dreccón frente al proyecto (ADIR) Experenca en proyectos smlares (PEXP) Famlardad con el tpo de problema (MFAM) Experenca con técncas y herramentas (TEXP) Conocmento del funconamento del negoco (BCON) 96.. Planteamento de la ecuacón del modelo DMCOMO Descrpcón de los datos de entrada Obtencón de la ecuacón de regresón... Paso : Descrpcón estadístca de los datos... Paso : Valores fuera de rango o "outlers" 0... Paso : Estudo de correlacón 0... Paso : Ecuacón del modelo medante regresón lneal 0... Paso : Estudo de la sgnfcacón de la ecuacón 07.. Valdacón de la ecuacón del modelo DMCOMO 0.6. Resumen contextual III CONCLUSIONES Y LÍNEAS FUTURAS Capítulos. Conclusones y Líneas futuras.. Conclusones.. Líneas futuras

10 Bblografía 7 Apéndce A. Método Delph 9 A.I. Formularos Delph utlados para DMCOMO 0 Apéndces. Regresón múltple Apéndce C. Datos utlados para DMCOMO 7 Apéndce D. Modelo DMCOMO 8

11 Capítulo Introduccón "... Porque quén hay entre vosotros que querendo levantar una torre, no se senta prmero para calcular los gastos y ver s tene para acabarla? No sea que, s pone el cmento y no puede acabar, todos los que se enteren se burlen de él,..." [bb78, Lucas :8} En 999 un nforme de GartnerGroup [DLOO] predecía un gran crecmento en el campo de Data Mnng. "En la próxma década, el número de proyectos de Data Mnng crecerá drástcamente (más de un %) para mejorar las relacones con los clentes y ayudar a las empresas a escuchar a sus clentes". El nforme de Forrester Reseerch [CTGN0] establecía que: "Después de la caída de más de.0 mllones de dólares en el año, el mercado de CRM crecerá más del % anual, alcanando los 7.8 mllones de dólares en el año 7". Tenendo en cuenta los resultados de los nformes de GartnerGroup y de Forrester Research y la cantdad de proyectos de CRM que se están desarrollando en las empresas, se puede determnar que la ndustra de CRM tene y tendrá un gran crecmento en la década actual. CRM [Customer Relatonshp Management, Gestón de las Relacones con los Clentes) se puede defnr como la estructura que permte la obtencón y el aumento del valor de los clentes así como los medos para hacer que los clentes de más alto valor para la empresa permanecan leales. El MODELO MATEMÁTICO PAKAMÉTRICO DE ESTIMACIÓN PARA PROYECTOS DE DATA MINING (DMCOMO)

12 CAPÍTULO. INTRODUCCIÓN típco concepto de "clente" ya no exste. Hasta hace poco las organacones estaban preocupadas por el qué en lugar de por el quén. En la actualdad, la mayoría de los clentes de las empresas y comercos demandan servcos y tatro personalado. La competenca entre empresas (márgenes cada ve más reducdos, caldad máxma, reduccón de costes, máxma adaptabldad al cambo), las nuevas exgencas y los comportamentos mucho más dnámcos de los clentes undo a la necesdad del trato personalado y a la exstenca de nuevos canales de negoco tales como Internet han dado lugar a la aparcón del concepto CRM. Consecuenca de todo lo vsto, en los últmos años las empresas se han vsto oblgadas a desarrollar sstemas de CRM. Estos sstemas se dvden en tres grandes áreas CRM Operaconal, que es el conjunto de herramentas necesaras para mantener las operacones de los dstntos canales (medo por el cual los productos y servcos son sumnstrados o prestados al clente fnal) y la funconaldad soportada por los msmos; CRM Coloboratvo, que mantene el dálogo entre los dstntos canales y mantene la coherenca y reutlacón máxma de la nformacón; y CRM Analítco, que es el encargado de agrupar y gestonar la nformacón con el fn de analar estos datos y poder optmar la relacón mantenda con el clente. Para poder analar los datos adqurdos día a día por las organacones en búsqueda de nformacón que ayude a dcr un trato personalado a los clentes surge en 980 la nvestgacón en Data Mnng [PSF9, FPSSU96]. Data Mnng es por tanto la base para realar CRM analítco en las organacones, lo que explca el gran número de proyectos de Data Mnng que en las empresas se están realando durante los últmos de. Para poder analar el comportamento de los clentes es necesaro analar las bases de datos hstórcas obtendas del día a día en cada empresa. Para solventar el problema del descubrmento de conocmento en bases de datos surgó el área de nvestgacón en KDD. Desde la aparcón del concepto de KDD en 980 la nvestgacón en este área de conocmento ha dado como ñ"uto numerosos algortmos para resolver los dstntos problemas de descubrmento de conocmento que se pueden abordar. Estos algortmos han servdo de base para la mplementacón de numerosos sstemas comercales de Data Mnng (Clementne [ISL9, KS9, She96], IBM Intellgent Mner [Tka98, IBM99], Weka rwtoo], DBMner [The97]) que se utlan hoyen día que en las organacones nvolucradas en proyectos de Data Mnng. S ben las herramentas son de gran ayuda en el desarrollo de los menconados proyectos se requere de una metodología para el desarrollo de los msmos. Para solventar los problemas que el desarrollo de proyectos de Data Mnng estaba tenendo en las organacones, un grupo de empresas (Teradata, SPSS (ISL), Damler-Chrysler y OHRA) desarrollaron el modelo de proceso CRISP-DM [NSN+OO]. La aparcón de CRISP-DM, supuso un 'MODELO MATEMÁTICO PARAMÉTRICO DE ESTIMACIÓN PARA PROYECTOS DE DATA MINING DMCOMO)

13 CAPÍTULO. INTRODUCCIÓN modelo de proceso en el cual no solo se defnen las fases, sno que tambén se defnen los procesos a realar en cada una de ellas con las entradas y saldas correspondentes. El estándar CRISP-DM propone un modelo de proceso para el desarrollo de sstemas de Data Mnng, de forma smlar a los estándares ISO 07 [IS09] e IEEE 07 [IEE9] que proponen modelos de proceso para el desarrollo de productos software. Los modelos de proceso proponen una fase de gestón de proyectos dentro de la cual una subtarea es sempre la estmacón del esfuero y del tempo que llevará el desarrollo del producto. Para realar dcha estmacón se han desarrollado dstntos modelos de estmacón sendo los modelos matemátcos paramétrcos una de las prmeras metodologías de estmacón de costes desarrolladas [ISP99]. Estos modelos, basados en un conjunto de varables de entrada sgnfcatvas, o parámetros, fueron desarrollados con el objetvo de realar estmacones de los costes de las nuevas adquscones a realar por el DoD [Department ofdefense, Departamento de Defensa de los Estados Undos de Amérca). El funconamento de los modelos matemátcos de estmacón para proyectos software se fundamenta en la utlacón de ecuacones matemátcas medante las cuales se obtene el valor de un conjunto de varables dependentes de salda (esfuero, tempo de desarrollo, etc.) en funcón de los valores numércos dados a otro conjunto de varables ndependentes de entrada (tamaño de la aplcacón en líneas de códgo, ñabldad requerda de la msma o complejdad, etc.). La mayor parte de estos modelos suelen operar medante un proceso de dos pasos, en el prmero se reala una prmera aproxmacón o estmacón en funcón del valor de un conjunto reducdo de varables ndependentes, y en el segundo se precsa el resultado medante la utlacón de otro conjunto de varables que permte refnar los cálculos. La obtencón de buenos resultados hacendo uso de este tpo de modelos se fundamenta en la correcta defncón de las ecuacones a utlar, en la contnua revsón de las varables de entrada utladas, en el correcto calbrado de los parámetros utlados por el modelo y en la correcta seleccón del rango de las varables de entrada del modelo. Como ejemplo de modelos matemátcos paramétrcos de estmacón para sstemas software destacan COCOMOII [BARLOO], SLIM [SPJROO], PRICE-S [PS98b] entre otros. Tambén exsten modelos de este tpo en otros campos como pueden ser para el desarrollo de hardware PRICE-H [PS98a] o el propuesto en [Ham0a] para proyectos de lanamentos espacales en la NASA. Sn embargo, no se han propuesto a fecha de hoy modelos para la estmacón de proyectos de Data Mnng. S ben, CRISP-DM, como modelo de proceso, tambén ncluye una subtarea (desarrollo de un plém de proyecto) que ncluye la estmacón del proyecto, no ndca como estmar los proyectos de Data MODELO MATEMÁTICO PARAMÉTRICO DE ESTIMACIÓN PARA PROYECTOS DE DATA MINING IDMCOMOf

14 CAPÍTULO. INTRODUCCIÓN Mnng. Por tanto, se podría pensar en aplcar los modelos de estmacón propuestos para el desarrollo de productos software (COCOMOII, SLIM, etc.). No obstante, los modelos de estmacón que se utlan en proyectos de construccón de software COCOMOII[BARLOO], SLIMfSPJROO], PRICE-S [PS98b], SEER-SEM[Ass96D no resultan útles para proyectos de Data Mnng, puesto que todos ellos utlan como prncpal entrada el tamaño (una estmacón del número de líneas de códgo) del software a construr. Por este motvo estos métodos de estmacón no resultan váldos para proyectos de Data Mnng, puesto que en este tpo de proyectos no se trata, en prncpo, de construr una herramenta software, que se pueda medr en líneas de códgo, sno que se trata de construr modelos que a partr de unos datos de entrada permtan la obtencón de patrones en los datos, que es el objetvo básco del proceso de KDD. Los métodos de estmacón de proyectos de Data Mnng que se han propuesto hasta el día de hoy [MPS96, Dom98, KPR99] se pueden clasfcar por un lado en aquellos que estman el valor que tendrá para la empresa la nformacón obtenda [MPS96, KPR99] y por otro lado en aquellos modelos que hacen una estmacón de los benefcos que se obtendrán con el proyectos [Dom98] basándose en NPV (Net Present Valué) para tomar la decsón de contnuar o no con el proyecto. Este últmo método tene en cuenta factores tales como la experenca del personal, s se utlan herramentas, etc. Como consecuenca se puede afrmar que aunque han pasado vente años desde la aparcón del térmno Data Mnng no exste a día de hoy un método genérco para estmar los proyectos de Data Mnng. Consecuentemente se plantea en este trabajo de tess doctoral un modelo paramétrco de estmacón para proyectos de Data Mnng... Objetvos del trabajo Dada la mportanca que está tomando en la actualdad el desarrollo de proyectos de Data Mnng y que no hay nngún método de estmacón, que calcule la duracón y el esfuero para este tpo de proyectos, el prncpal objetvo de este trabajo de tess doctoral es la construccón de un modelo paramétrco de estmacón para proyectos de Data Mnng. Para ello el trabajo a realar se puede desglosar en los sguentes objetvos parcales: Q Realar un análss de comportamento para determnar que factores nfluyen en el esfuero de los proyectos de Data Mnng para establecer los drvers de coste. Recogda de datos acerca de los drvers planteados en proyectos reales de Data Mnng. MODELO MATEMÁTICO PARAMÉTRICO DE ESTIMACIÓN PARA PROYECTOS DE DATA MINING (DMCOMOI"

15 CAPÍTULO. INTRODUCCIÓN a Plantear un modelo ncal basado regresón lneal sobre el conjunto de datos recogdos. Valdacón del modelo, estmando el esfuero de un conjunto de proyectos reales y comparando el valor estmado con el valor real del esfuero. El cumplmento de estos objetvos, se traducrá en las sguentes aportacones: Teórcas: La construccón de un modelo de estmacón para proyectos de Data Mnng. Como consecuenca de la construccón del modelo, se conocerán los factores qué afectan al esfuero de un proyecto de Data Mnng y en qué medda lo hacen. O Práctcas: Dsponbldad de una herramenta para poder realar estmacones del esfuero de proyectos de Data Mnng. Tambén se aportará la forma de calbrado del msmo y la forma de utlacón... Organacón del trabajo El contendo de este trabajo de Tess se encuentra organado de la forma que se detalla a contnuacón. Q En el Capítulo se hace un repaso a los trabajos realados hasta el momento en una sere de campos, en la nterseccón de los cuales se encuadra tanto el problema planteado como la solucón propuesta. Estos trabajos son los realados en el campo del descubrmento de nformacón en grandes volúmenes de datos y los planteados en el campo de la estmacón de proyectos, en concreto, en la estmacón de proyectos software. a La segunda parte de este trabajo de Tess presenta el problema tratado y la solucón planteada como respuesta al msmo. En el Capítulo se plantea el problema a resolver. En el Capítulo se propone la solucón al problema planteado en el capítulo. Asmsmo se reala la valdacón de la solucón propuesta. Fnalmente, la últma parte del trabajo recoge, en el Capítulo las conclusones extraídas de esta nvestgacón y en las líneas de nvestgacón abertas tras la realacón del msmo. MODELO MATEMÁTICO PAÜAMÉTRICO DE ESTÍMACIÚNPAKA PROYECTOS DE DATA MINING (DMCOMOX

16 Parte I ESTADO DE LA CUESTIÓN MODELO MATEMÁTICO PARAMÉrmCO DE ESTIMACIÓN PARA PROYECTOS DE DATA MINING (DMCOMOf

17 Capítulo Estado de la cuestón índce General.. Gestón de relacones con los clentes (CRM) 8.. Data Mnng 0... Fase de preproceso... Fase de Data Mnng... Fase de postproceso e mplantacón 8... Personal en los proyectos de Data Mnng 8... Herramentas de )aía Mm/ng 0.. Bases de datos analítcas: Data Warehouse 0... Arqutectura de un Daífl Wflre/íOMse... El modelo multdmensonal.. Modelo de proceso CRISP-DM 7.. Estmacón de proyectos software 0... Métodos de estmacón software... Modelos matemátcos de estmacón... Modelos matemátcos de estmacón software 7.6. Modelos de estmacón en proyectos de Dato M'nng Taxonomía de costes de problemas predctvos Estmacón en proyectos de marketng Aplcacón de NPV para la estmacón del coste de aplcacones "Machne Learnng" 0.7. Resumen contextual MODELO MATEMÁTICO PARAMÉTRICO DE ESTIMACIÓN PARA PROYECTOS DE DATA MINING (DMCOMOr

18 CAPÍTULO. ESTADO DE LA CUESTIÓN.. Gestón de relacones con los clentes (CRM) La aparcón del concepto de CRM [Customer Relatonshp Management, Gestón de Relacones con los Clentes) se debe a la puesta en escena de nuevos parámetros en el entorno empresaral que han hecho evoluconar las estrategas tradconales de negoco. Entre estos parámetros destacan, por un lado la competenca entre las organacones con márgenes cada ve más reducdos, reduccón de costes y máxma adaptabldad al cambo. Por otro lado, se tenen clentes con nuevas exgencas y comportamentos mucho más dnámcos, más exgentes, con mucha más nformacón, crtero propo y capacdad de decsón a la hora de la compra. Así, el más pequeño error en el trato provoca el rápdo abandono de la compañía actual y el cambo a otra compañía que faclte el acceso y la personalacón en la relacón. La fdelacón de los clentes es por tanto un factor a tener en cuenta cada ve con mayor cudado. Por últmo la exstenca de nuevas posbldades técncas con nfndad de medos de nterrelacón con los sstemas de compra e nformacón de las compañías, facltando la ubcudad, senclle y facldad de acceso, como por ejemplo Internet, hacen que la forma de hacer negoco tenga que adaptarse al cambo. CRM ha sdo defndo como: "Conjunto global de procesos tecnológcos, humanos yfunconales destnados a proporconar servcos ntegrales personalados a la estructura de clentes de una Compañía o Corporacón" [DycOl]. Durante muchos años los proyectos de Sstemas de Informacón de las organacones se han orentado haca sstemas que capturan y tratan efcentemente las operacones de la empresa. La mayoría de las veces estos sstemas son completamente ndependentes hacendo dfícl una vsón ntegral de la nformacón operaconal de la empresa. En otros casos, los sstemas están organados por línea de producto, por línea de servco o por segmentos de clentes. Así pues los Sstemas de Informacón son aslados y carecen de una vsón global y homogénea con una dfícl ntegracón entre sus elementos. Una de las característcas más mportantes de CRM es dsponer de almacenes de datos ntegrados, consoldados, fáclmente nterpretables, manejables y de caldad. Para abordar servcos CRM, muchas compañías han selecconado un determnado producto de la nueva generacón de paquetes para aplcacones de FrontOffce, por ejemplo orentadas a la rápda mplantacón de procesos báscos de Atencón al Clente (Chordant [Inc0], Clarfy [fge0], Remedy [CRM0], etc.), de MddleOffce, como son las solucones de Bussnes Intelgence para el análss de datos de negoco y de BackOffce, por ejemplo para facturacón. Sn embargo, durante el proceso de mplantacón de estos sstemas, se adverte la necesdad de MODELO MATEMÁTICO PARAMÉTRICO DE ESTIMACIÓN PAJU PROYECTOS DE DATA MINING (DMCOMOJ

19 CAPÍTULO. ESTADO DE LA CUESTIÓN tener una vsón coordnada de los datos, de los procesos de la organacón y del clente con el fn de consegur un verdadero benefco y valor dferencal en la gestón del servco proporconado. Las necesdades de estas organacones pasan a ser necesdades tecnológcas de ntegracón de nuevas aplcacones con paquetes prevamente adqurdos y sstemas ya montados {legacy systems). Para poder unr las herramentas anterores (FrontOffce, MddleOffce y BackOffce) en un sstema de CRM ntegrado se han de construr una sere de subsstemas que se comuncan entre s. Así los sstemas de CRM, según Gartner Group [GroOl], están dvddos en tres grandes áreas, una operaconal, una analítca y una colaboratva (ver fgura.). CRM Operaconal CRM Analítco Back Offce ERP SMC Legacy Systems Data Warefouse Front Offce Customer Servce Automatacón - de -. Marletng Automatacón > de ventas Moble Offce Sstema Móvl de ventas Atencón de campo Interaccón con el clente Vo Web Correo electrónco Fax Cartas Interaccón drecta CRM Colaboratvo Fgura.: Descrpcón de CRM Por CRM Operaconal se entende al conjunto de herramentas necesaras para mantener las operacones de los dstntos canales, y la funconaldad soportada por los msmos, entendendo por canal el medo a través del cual los productos y servcos son sumnstrados o prestados al usuaro o clente fnal. Está formado por un BackOffce o MddleOffce consttudo por los sstemas ERP {Enterprse Resource Plannng], SCM {Supply Change Management) y el resto de los sstemas corporatvos {Legacy Systems), por un FrontOffce {Customer Servce, Automatacón de Marketngy Ventas) y por un MobleOffce {Sstema Móvl de Ventas y Atencón de Campo). En algunos casos tambén se denomna a este subsstema como CRM transacconal puesto que se ocupa de gestonar todas las transaccones de nformacón entre los dstntos elementos. El CRM Colaboratvo mantene el dálogo entre los dstntos canales y las herramentas de BackOffce mantenendo la coherenca y fomentando la reutlacón máxma de la nformacón. Por últmo el subsstema de CRM Analítco es el encargado de agrupar y gestonar la nformacón MODELO MATEMÁ TICO PARAMÉTRICO DE ESTIUACIÓN PARA PBOYECTOS DE DATA MINING (DMCOMOf

20 CAPÍTULO. ESTADO DE LA CUESTIÓN 0 con el fn de analar estos datos, utlando Data Warehouse y Data Marts, para poder optmar la relacón mantenda con el clente, potencando los productos y servcos de mayor aceptacón, potencando los canales de mayor llegada, desplegando una red de canales dferentes, centrándose en aquellos clentes de mayor valor potencal o mayor rentabldad pasada, etc. Es aquí donde se aplcan las técncas de descubrmento de nformacón en bases de datos, entre ellas Data Mnng... Data Mnng La evolucón de los dspostvos de almacenamento masvo (en relacón preco - capacdad de almacenamento) tales como los dscos duros que pueden almacenar ggabytes de nformacón a un preco reducdo, do lugar a que las organacones almacenaran todo tpo de nformacón. Con el tempo, la cantdad de datos que se fue almacenando empeó a crecer y, s ben, el soporte de las herramentas para realar la gestón de los datos era el adecuado, los datos empearon a sobrepasar las capacdades humanas para el análss. Al msmo tempo, los sstemas de bases de datos habían comenado a descentralarse con lo que las decsones tenían falta de credbldad, nefcenca y falta de productvdad. Como respuesta a esto surgeron por un lado la nvestgacón en KDD [Knowledge Dscovery n Databases) [PSF9, FPSSU96] o Data Mnng para dar respuesta a los problemas de análss de datos y por otro lado surge la nvestgacón en Data Warehouse como base de datos de soporte al proceso de KDD. El proceso de descubrmento de nformacón oculta en bases de datos se conoce con el nombre de proceso de KDD {Knowledge Dscovery n Data Bases). El proceso de KDD fue defndo en [PSF9] y en [FPSS96] como: "El proceso no trval de dentfcacón de patrones váldos, novedosos potencalmente útles y comprensbles en los datos". En la defncón anteror se entende por datos un conjunto de hechos y patrones que se expresan en algún lenguaje. Por lo general, el formato de representacón de estos datos son tupas de una base de datos. S ben se dce que es una base de datos, en la mayoría de los casos estos datos no están en una únca base de datos, sno que se hallan dspersos entre las bases de datos operaconales de la organacón. El térmno patrones desgna los modelos extraídos en base a los datos y que representan una descrpcón de alto nvel de los datos de los que provenen. Estos patrones serán los que servrán para representar el conocmento que se extraerá de la base de datos y que será utlado en los procesos de CRM. Los patrones extraídos pueden representarse como reglas, árboles, grafos o cualquer otra forma de representar nformacón de alto nvel. ' MODELO MATEMÁ TICO PARAMÉTRICO DE ESTIMACIÓN PARA PROYECTOS DE DATA MINING (DMCOMO}'