Aplicaciones prácticas de Minería de Datos con IBM SPSS Modeler
|
|
- Susana Segura Velázquez
- hace 8 años
- Vistas:
Transcripción
1 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
2 Agenda Minería de Datos y Análisis Predictivo Qué es y qué no es Minería de Datos? Proceso estándar: CRISP-DM Aplicaciones e Industrias Demo IBM SPSS Modeler 14 2
3 Agenda Minería de Datos y Análisis Predictivo Qué es y qué no es Minería de Datos? Proceso estándar: CRISP-DM Aplicaciones e Industrias Demo IBM SPSS Modeler 14 3
4 IBM SPSS: posicionamiento en el mundo del análisis predictivo IBM SPSS: Reconocida como líder en Análisis Predictivo Las aplicaciones de IBM SPSS tiene una buena visibilidad y fuerza de ventas en el mercado, con marcada visión analítica de CRM IBM SPSS es considerada como el mejor proveedor de data mining - muy focalizado en CRM IBM SPSS es percibida como la compañía más visionaria en el mercado 94% de los clientes alcanzaron un ROI positivo, con un regreso de la inversión en 10.7 meses. El 90% de los usuarios atribuyen un incremento de su productividad a IBM SPSS 81% de los proyectos se acabaron a tiempo, 75% bajo presupuesto previsto. Este es uno de los ROI más altos que Nucleus ha visto es sus informes de Real ROI Series Rebecca Wettemann, VP de Research, Nucleus ResearchSPSS 4
5 Minería de Datos (Data Mining) y Análisis Predictivo Minería detexto Análisis Predictivo Informes Estadística
6 Resultados de Minería de Datos incluyen Clasificar sujetos y objetos en grupos reconociendo patrones / basándose en sus atributos Asociar qué eventos ocurren habitualmente de forma simultánea Secuenciar qué eventos normalmente llevan a otros Predicción de lo que puede ocurrir en el futuro
7 Lo ideal. PELIGRO!! EL SISTEMA PREDICE UN ATAQUE BIOLÓGICO(PROB. 78.7%) FECHA: DIC 10 LUGAR PROBABLE: BUITRAGO DE LOZOYA OBJETIVO PROBABLE: RECINTO PÚBLICO ESTADIO DEPORTIVO RECINTO DE JUEGOS PERFIL DEL ATACANTE: NORTEAMERICANO, MÚLTIPLES ENTRADAS RECIENTES, SIN ANTECEDENTES PENALES
8 Pero. La Minería de Datos no es una tecnología mágica Necesita datos: Limpios, organizados, procesados Necesita ser aplicada con objetivos específicos en mente Herramienta usada por analistas con conocimientos en el campo específico
9 Agenda Minería de Datos y Análisis Predictivo Qué es y qué no es Minería de Datos? Proceso estándar: CRISP-DM Aplicaciones e Industrias Demo IBM SPSS Modeler 14 9
10 Qué no es Minería de Datos? Triturar datos por la fuerza bruta Aplicación ciega de algoritmos Intentar encontrar relaciones donde no existen Presentar datos en diferentes formatos Una tarea que demande recursos intensos de base de datos Una tecnología difícil de comprender que necesite de un avanzado conocimiento de informática
11 Minería de Datos es Una palabra de moda para técnicas que encuentran patrones de datos Un proceso interactivo orientado al usuario que utiliza conjuntamente tecnologías análiticas con potencia computacional Un grupo de técnicas que encuentran relaciones que no habían sido encontradas previamente No dependiente de una base de datos existente Una tarea relativamente sencilla que requiere de conocimiento del problema/asunto/negocio
12 Minería de Datos vs. Análisis Estadístico Minería de Datos Menos interesado en los mecanismos de cada técnica No necesita de asunciones hechas sobre los datos Puede encontrar patrones en cantidades enormes de datos Necesita comprensión y conocimiento de los datos y de los problemas tratados Análisis Estadístico Pruebas sobre validez de modelos Pruebas de hipótesis Es la relación significativa? Normalmente se basa en muestras seleccionadas Las técnicas no están optimizadas para grandes cantidades de información
13 Agenda Minería de Datos y Análisis Predictivo Qué es y qué no es Minería de Datos? Proceso estándar: CRISP-DM Aplicaciones e Industrias Demo IBM SPSS Modeler 14 13
14 Preguntas clave sobre Minería de Datos Cuál es el problema fundamental que se quiere resolver? Qué fuentes de datos están disponibles y qué partes de las mismas son relevantes al problema actual? Qué tipo de preprocesamiento y limpieza de la información se necesita hacer antes de comenzar el proceso de minería? Qué técnica de Minería de Datos va a usar? Cómo va a evaluar los resultados de su análisis de Minería de Datos? De qué manera va a sacar el mayor provecho de la información que obtenga del proceso de Minería de Datos? 14
15 Proceso CRISP-DM 15
16 Estrategia para la Minería de Datos: Metodología CRISP-DM 6 fases: 1. Comprensión del Problema Determinar los objetivos globales Evaluar la situación actual Elaborar un plan de desarrollo 2. Comprensión de los Datos (Recolección, Descripción, Exploración y Valoración) 3. Preparación de la información Extraer los datos de diferentes fuentes Fundir varias tablas de datos en una sola Combinar datos de distintas fuentes Identificar datos perdidos, anómalos o valores Seleccionar los datos de interés Reestructurar los datos en el formato requerido Transformar los datos en otros nuevos 4. Modelado Seleción de las técnicas de modelizaje Determinación de los diseños de prueba Construcción y validez de los modelos 5. Evaluación (Resultados, Revisión del proceso, Próximos pasos) 6. Explotación (Uso del modelo, Informe final, Revisión del proyecto) 16
17 Agenda Minería de Datos y Análisis Predictivo Qué es y qué no es Minería de Datos? Proceso estándar: CRISP-DM Aplicaciones e Industrias Demo IBM SPSS Modeler 14 17
18 20 Aplicaciones posibles 1. Optimización de campañas de marketing sobre varios productos y canales 2. Modelización de marcha de empleados en empresas 3. Identificación de estudiantes en riesgo en colegios 4. Compañía que descubre las mejores películas para los clientes, basándose en sus elecciones anteriores 5. Detección de Riesgo de fraude en reclamación de seguros de automóviles 18
19 20 Aplicaciones posibles 6. Análisis de navegación de páginas web para detectar caminos habituales: cuál es el próximo enlace más probable? 7. Análisis de delitos y comportamientos violentos, con grabaciones de actividad en Internet y teléfono por la Policía, para detectar amenazas criminales 8. Administración de Categorías en Hipermercados: encontrar la mejor localización para productos en los lineales 9. Análisis y planificación de Promociones: características de clientes más proclives a responder a futuros mailings 10. Clasificación correcta de tumores cerebrales en niños 19
20 20 Aplicaciones posibles 11. Optimización de contratación de personal en empresas 12. Predicción e identificación de la conducta y gasto de un consumidor durante un período de tiempo tras el cual deja de comprar en una cadena 13. Quiénes son los 10 clientes que me ofrecen el mayor potencial de beneficio? 14. Detección de anomalías en el comportamiento online de usuarios para predecir futuros delitos electrónicos. Complementado con el análisis de conductas en redes sociales 15. Detectar actividad fraudulenta en el uso de tarjetas de crédito 20
21 20 Aplicaciones posibles 16. Detección del momento preciso en que un cliente abandonará o cambiará de proveedor telefónico 17. Análisis de reclamaciones de garantía de productos 18. Predicción de componentes que fallarán para abastecerse a tiempo de los recambios: predicción del siguiente problema 19. Análisis de texto para mejora de las presentaciones realizadas por farmacéuticas a médicos: características comunes a médicos que mejor responden a ofertas de farmacéuticas 20. Predecir con cierta probabilidad un espacio temporal en el que podría producirse un paro cardíaco en aquellos sujetos con enfermedad del corazón 21
22 Aplicaciones e Industrias Servicios Financieros - Contratación - Retención - Cross-sell y Up-sell - Fraude Minería de Datos - Fraude - Recaudación - Satisfacción ciudadano Sector Público
23 Qué ténicas están disponibles en IBM SPSS Modeler? Segmentación (K-medias, Kohonen, Bietápico, Anomalía) Asociación (A priori, GRI, CARMA, Análisis de Secuencia) Clasificación (Factorial, Discriminante, Red Neuronal, C5.0, GLM, Máquinas de Vectores de Soporte, Redes Bayesianas, Modelos de auto aprendizaje, Vecino más próximo, Árboles, Listas de Decisión, Selección de características) Predicción (Regresión Lineal, Series Temporales, Regresión de Cox, Regresión Logística Automáticos (Auto numérico, Auto clasificador, Auto Agrupación, Modelizador ARIMA automático) 23
24 Agenda Minería de Datos y Análisis Predictivo Qué es y qué no es Minería de Datos? Proceso estándar: CRISP-DM Aplicaciones e Industrias Demo IBM SPSS Modeler 14 24
25 Portfolio IBM SPSS IBM SPSS Statistics (SPSS) IBM SPSS Data Collection (Dimensions) IBM SPSS Modeler (Clementine) IBM SPSS Decision Management (PES) 25
26 IBM SPSS Modeler 14 Visualización Rutas, Resultados, Modelos Acceso a los datos Modelado Transformación Distribución Proyecto Evaluación Nodos 26
27 Preguntas? 27
Data 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 detallesParte 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 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 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 detallesPanel: Minería de datos para la administración tributaria
Panel: Minería de datos para la administración tributaria Leopoldo Gutiérrez Socio líder de Tax Data Analytics en EY Especialista en diseño, desarrollo e implementación de modelos analíticos orientados
Más detallesIntroducción a la Minería de Datos (Data Mining)
a la Minería de Datos (Data Mining) IT-Nova Facultad de Ingeniería Informática y Telecomunicaciones Iván Amón Uribe, MSc Minería de Datos Diapositivas basadas parcialmente en material de Inteligencia Analítica
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 detalles1. INTRODUCCIÓN AL CONCEPTO DE LA INVESTIGACIÓN DE MERCADOS 1.1. DEFINICIÓN DE INVESTIGACIÓN DE MERCADOS 1.2. EL MÉTODO CIENTÍFICO 2.
1. INTRODUCCIÓN AL CONCEPTO DE LA INVESTIGACIÓN DE MERCADOS 1.1. DEFINICIÓN DE INVESTIGACIÓN DE MERCADOS 1.2. EL MÉTODO CIENTÍFICO 2. GENERALIDADES SOBRE LAS TÉCNICAS DE INVESTIGACIÓN SOCIAL Y DE MERCADOS
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 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 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 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 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 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 detallesMINERIA DE DATOS Y Descubrimiento del Conocimiento
MINERIA DE DATOS Y Descubrimiento del Conocimiento UNA APLICACIÓN EN DATOS AGROPECUARIOS INTA EEA Corrientes Maximiliano Silva La información Herramienta estratégica para el desarrollo de: Sociedad de
Más detallesEvaluación, limpieza y construcción de los datos: un enfoque desde la inteligencia artificial
Universidad del Cauca Facultad de Ingeniería Electrónica y Telecomunicaciones Programas de Maestría y Doctorado en Ingeniería Telemática Seminario de Investigación Evaluación, limpieza y construcción de
Más detallesIBM SPSS Modeler Professional
IBM SPSS Modeler Professional Características Cree estrategias más efectivas evaluando tendencias y resultados Acceda, prepare y cree modelos de datos estructurados fácilmente con este conjunto de programas
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 detallesEASY Software & Innovation
Banco de los Alpes Gestión Solicitudes Glosario Versión: 1.0 Fecha: Página 2 de 2 Control de versiones Fecha Versión Descripción Autor 1.0 Creación del documento Néstor Armando
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 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 detallesCURSO MINERÍA DE DATOS AVANZADO
CURSO MINERÍA DE DATOS AVANZADO La minería de datos (en inglés, Data Mining) se define como la extracción de información implícita, previamente desconocida y potencialmente útil, a partir de datos. En
Más detallesPredictive Analytics El lado B de una Implementación
Predictive Analytics El lado B de una Implementación SPSS Chile 14 julio 2009 Stephen Cressall, Country Manager SPSS Inc. Fundada en 1968 con más de 11 años en el mercado chileno. Operaciones en más de
Más detallesUNIVERSIDAD DE COSTA RICA SISTEMA DE ESTUDIOS DE POSGRADO POSGRADO EN COMPUTACION E INFORMATICA JUSTIFICACIÓN OBJETIVO GENERAL OBJETIVOS ESPECÍFICOS
UNIVERSIDAD DE COSTA RICA SISTEMA DE ESTUDIOS DE POSGRADO POSGRADO EN COMPUTACION E INFORMATICA PF-3808 Minería de Datos II Semestre del 2009 Profesor: Dr. Francisco J. Mata (correo: fmatach@racsa.co.cr;
Más detallesÍNDICE. Introducción... Capítulo 1. Inteligencia de negocios y sistemas de información. Informes... 1
Introducción... XI Capítulo 1. Inteligencia de negocios y sistemas de información. Informes... 1 Finalidad de los sistemas de información y origen del Business Intelligence... 1 Herramientas para la toma
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 detallesESTRATEGIAS DIRECTIVAS
ESTRATEGIAS DIRECTIVAS Estrategias de 1 a 1 Víctor M. Ornelas P. La Alta Dirección de las empresas busca crear valor para los accionistas principalmente a través de promover las ventas y mejorar los márgenes
Más detallesIncorpora la localización en tu compañía. Mejora la rentabilidad con la solución Location Analytics de Esri
Incorpora la localización en tu compañía Mejora la rentabilidad con la solución Location Analytics de Esri Qué es la pregunta Dónde es la respuesta En la era actual de sobrecarga de datos el éxito en los
Más detallesProyecto Piloto sobre Viabilidad de Internet como Fuente de Datos. Resultados del Proyecto
Proyecto Piloto sobre Viabilidad de Internet como Fuente de Datos Resultados del Proyecto ÍNDICE 1. Detección automática de B2C 2. Análisis de demanda de profesionales TICC y programas formativos 3. Análisis
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 detalles10 Soluciones Tecnológicas imprescindibles para tu empresa
Copyrigth 2011, CESLCAM. Licencia del artículo Creative Commons By Sa 10 Soluciones Tecnológicas imprescindibles para tu empresa Las Tecnologías de la Información y la Comunicación son un gran fuente de
Más detallesIntroducción. Francisco J. Martín Mateos. Dpto. Ciencias de la Computación e Inteligencia Artificial Universidad de Sevilla
Francisco J. Martín Mateos Dpto. Ciencias de la Computación e Inteligencia Artificial Universidad de Sevilla Qué es la (KE)? Definición de Wikipedia: La es una disciplina cuyo objetivo es integrar conocimiento
Más detallesTome mejores decisiones mediante la inteligencia predictiva
IBM SPSS Modeler Professional Funciones destacadas Acceda, prepare y cree modelos de datos estructurados fácilmente con este conjunto de programas de minería de datos intuitivo y visual. Crea y valide
Más detallesINTELIGENCIA DE NEGOCIOS
INTELIGENCIA DE NEGOCIOS A P R O X I M A C I Ó N A U N A E X P E R I E N C I A D E A P L I C A C I Ó N E N I N S T I T U C I O N E S D E L A R E G I Ó N Ing. Patricia Uceda Martos Agenda Introducción Definición
Más detallesBusiness Analytics. Jordi Gironés Roig PID_00197282
Business Analytics PID_00197282 CC-BY-NC-ND PID_00197282 Business Analytics Licenciado en Matemáticas por la Universidad Autónoma de Barcelona y diplomado en Empresariales por la Universitat Oberta de
Más detallesFinanzas e Investigación de Mercados"
DIPLOMATURA: "Análisis de Datos para Negocios, Finanzas e Investigación de Mercados" Seminario: Introducción a Data Mining y Estadística Dictado: Sábado 13, 20,27 de Abril, 04 de Mayo en el horario de
Más detallesBusiness Analytics. Mucho mas que inteligencia de negocios. SBI Technology. Insurance Analytics
Business Analytics. Mucho mas que inteligencia de negocios. SBI Technology Insurance Analytics Presentación SBI Technology. Quienes Somos? Más de 20 años de experiencia a nivel internacional en BI aplicado
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 detallesPYMES. Big Data PARA. Haciendo posible la innovación. Quieres ser la empresa referencia de tu categoría?
Haciendo posible la innovación Big Data PARA PYMES Una manera sencilla de entender los grandes conjuntos de datos sobre tu categoría Descubre lo que dicen y sienten los usuarios de tu marca y del resto
Más detallesNegociación Efectiva con Proveedores ESTRATEGIA ADECUADAS PARA PODER GANAR,GANAR (GANAR) FODA
Negociación Efectiva con Proveedores ESTRATEGIA ADECUADAS PARA PODER GANAR,GANAR (GANAR) FODA Que Reflexionaremos hoy? Misión y Visión del negocio Como se define una estrategia Como descubrir las oportunidades
Más detallesMINERÍA DE DATOS. Teleprocesos y Sistemas Distribuidos Licenciatura en Sistemas de Información FACENA - UNNE. Octubre - 2003
MINERÍA DE DATOS Teleprocesos y Sistemas Distribuidos Licenciatura en Sistemas de Información FACENA - UNNE Octubre - 2003 CONTENIDO Qué es Data Warehousing Data Warehouse Objetivos del Data Warehouse
Más detallesSolicitar la competencia Business Intelligence Solutions
Solicitar la competencia Business Intelligence Solutions Guía paso a paso de la inscripción En Microsoft Partner Program, las competencias de Microsoft definen sus áreas de especialización, ayudándole
Más detallesRepública Dominicana
ANÁLISIS DE INDICADORES EDUCATIVOS Y DE ALERTA TEMPRANA República Dominicana Informe sobre los indicadores Año 2008-2009 INTRODUCCIÓN El presente documento brinda elementos de interpretación para el análisis
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 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 detallesTambién comparten un segmento importante, los motores de búsqueda proveídos por estos, a diferentes sitios Web.
Las principales diferencias entre SEO y SEM en los motores de búsqueda Este documento está dirigido a personas con un nivel intermedio de conocimiento en el área del mercadeo digital y busca dar una visión
Más detallesQué es SPIRO? Características
Qué es SPIRO? Características Tecnología de SPIRO Módulos principales Otros módulos de Spiro Qué es Spiro? Software para la planificación y gestión integral Qué es un Sistema Integrado de Gestión? Se podría
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 detallesE-data. Transformando datos en información con Data Warehousing
Federico Plancarte Sánchez E-data. Transformando datos en información con Data Warehousing Tema 2 El soporte a la Decisión 2-1 Evolución del soporte a la decisión Diversas categorías del análisis del DS
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 detallesARIS Process Performance Manager
ARIS Process Performance Manager Supervisión de procesos continua en toda la empresa Muchas empresas se están dando cuenta de que la recopilación de indicadores clave de rendimiento sin vincularlos con
Más detallesINTELIGENCIA EN REDES DE COMUNICACIONES
INTELIGENCIA EN REDES DE COMUNICACIONES MINERÍA DE DATOS EN EL DEPORTE PROFESIONAL Jorge Carrasco Troitiño NIA 100029724 Grupo 91-5 Ingeniería Superior de Telecomunicación INTRODUCCIÓN: Las técnicas de
Más detallesMODELO PREDICTIVO DE DESERCIÓN ESTUDIANTIL
MODELO PREDICTIVO DE DESERCIÓN ESTUDIANTIL APLICACIÓN DE TÉCNICAS DE MINERÍA DE DATOS Yegny Amaya, Edwin Barrientos, Universidad Francisco de Paula Santander, Colombia Diana Heredia Vizcaíno, Universidad
Más detallesCURSO AVANZADO LOGISTIC AND SUPPLY CHAIN MANAGEMENT
CURSO AVANZADO LOGISTIC AND SUPPLY CHAIN MANAGEMENT Fecha de Inicio: 9 de mayo de 2014 PRESENTACIÓN DEL PROGRAMA El concepto de cadena de abastecimiento tratado en sus comienzos por Michael Porter, se
Más detallesAlgoritmos de minería de datos incluidos en SQL Server 2008 1. Algoritmo de árboles de decisión de Microsoft [MIC2009a] Cómo funciona el algoritmo
1 Algoritmos de minería de datos incluidos en SQL Server 2008 Los algoritmos que aquí se presentan son: Árboles de decisión de Microsoft, Bayes naive de Microsoft, Clústeres de Microsoft, Serie temporal
Más detallesCapítulo 2 Empresa y estrategia de marketing
Capítulo 2 Empresa y estrategia de marketing Asociaciones para establecer relaciones con el cliente Educación 2-1 Empresa y estrategia de marketing Presentación del capítulo Planeación estratégica integral
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 detallesCurso online: Dirección Estratégica en la Empresa
Curso online: Dirección Estratégica en la Empresa El objetivo principal es que emprendedores, trabajadores con cierta responsabilidad, comerciantes, etc., estén preparados a la hora de tomar decisiones
Más detallesMáster en Gestión de Marketing
Contenidos académicos del Máster en Gestión de Marketing - MMARQ Primer trimestre: 1. Técnicas cuantitativas: El objetivo de esta asignatura es familiarizarse con técnicas gráficas y analíticas de estadística.
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 detallesI.S.C. E.D. M.E. Ricardo Bustamante González
INSTITUTO TECNOLOGICO SUPERIOR DE LERDO LICENCIATURA EN INFORMATICA TOPICOS AVANZADOS Ejemplos de la implementación de la minería de datos en el mundo real BRENDA CAROLINA PEREZ IBARRA 06230255 I.S.C.
Más detallesPROGRAMA DEL DIPLOMADO DE PROCESO BENCHMARKING. TEMA 7. MANEJO DE LA INFORMACIÓN.
PROGRAMA DEL DIPLOMADO DE PROCESO BENCHMARKING. TEMA 7. MANEJO DE LA INFORMACIÓN. Objetivo: Al final de la unidad el alumno comprenderá la presencia de estas herramientas informáticas (programas Datamining))
Más detallesUNIVERSIDAD DE ESPECIALIDADES ESPIRITU SANTO FACULTAD DE CIENCIAS DE LA COMUNICACION PROGRAMA ANALITICO
UNIVERSIDAD DE ESPECIALIDADES ESPIRITU SANTO FACULTAD DE CIENCIAS DE LA COMUNICACION PROGRAMA ANALITICO A. DATOS GENERALES MATERIA: Marketing online CODIGO : MKT 460 PREREQUISITOS: PROFESOR: Antonio Márquez
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 detallesPRIMAVERA RISK ANALYSIS
PRIMAVERA RISK ANALYSIS CARACTERÍSTICAS PRINCIPALES Guía de análisis de riesgo Revisión del programa Plantilla de riesgo instantáneo Asistente para registro de riesgo Registro de riesgo Análisis de riesgo
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 detallesIntroducción a los Servicios Web. Ing. José Luis Bugarin ILUMINATIC SAC jbugarin@consultorjava.com
Introducción a los Servicios Web Ing. José Luis Bugarin ILUMINATIC SAC jbugarin@consultorjava.com Servicios Web y Soa En un contexto SOA y los servicios web son una oportunidad de negocios en la actualidad.
Más detallesPROGRAMA DE EVALUACIÓN Y DESARROLLO DE PROVEEDORES Sistema de Inocuidad de Alimentos IDEA Food Safety Innovation. www.ideafoodsafetyinnovation.
PROGRAMA DE EVALUACIÓN Y DESARROLLO DE PROVEEDORES Sistema de Inocuidad de Alimentos IDEA Food Safety Innovation www.ideafoodsafetyinnovation.com Qué es IDEA FSI? www.ideafoodsafetyinnovation.com IDEA
Más detallesCADENA DE VALOR. Andalucia Emprende, Fundación Pública Andaluza
CADENA DE VALOR Andalucia Emprende, Fundación Pública Andaluza 09/06/2014 INDICE PÁG 1. INTRODUCCIÓN 3 2. CADENA DE VALOR DE MCKINSEY 4 3. CADENA DE VALOR DE PORTER 5 3.1. Actividades Primarias o Principales
Más detallesUnidad de aprendizaje 03: Diseño de Investigación. PROFESOR: José Loaiza Torres Administrador de Empresas Magister en Marketing
Unidad de aprendizaje 03: Diseño de Investigación PROFESOR: José Loaiza Torres Administrador de Empresas Magister en Marketing PROBLEMA Y COMPETENCIA SITUACIÓN PROBLEMICA: Un diseño de investigación inadecuado
Más detallesFORMACIÓN E-LEARNING. Curso de Análisis y Medición de la Satisfacción y Fidelización de Clientes
FORMACIÓN E-LEARNING Curso de Análisis y Medición de la Satisfacción y Fidelización Herramientas y estrategias para medir la satisfacción y fidelización de los clientes y crear y ejecutar planes de mejora.
Más detallesDOBLE TITULACIÓN MÁSTER EN DIRECCIÓN DE MARKETING Y MÁSTER EN DIRECCIÓN DE COMUNICACIÓN CORPORATIVA Y RELACIONES PÚBLICAS Al tratarse de una Doble Titulación, Máster en Dirección de Marketing + Máster
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 detallesCARACTERÍSTICAS HERRAMIENTA E-BUSINESS E-SYNERGY (EXACTSOFTWARE)
CARACTERÍSTICAS HERRAMIENTA E-BUSINESS E-SYNERGY (EXACTSOFTWARE) 1 ÍNDICE 1.-Introducción. 2.-Objetivo. 3.- Características Herramienta E-Business. 3.1.- Características Generales. 3.2.- Características
Más detallesContact Center Comunicación multicanal integrada
Rambla Catalunya, 124 2º 2ª 08008 BARCELONA Telf. 932 857 099 www.mk-r.es Contact Center Comunicación multicanal integrada Whitepaper nº4 - por Josep Ma. Abella Las compañías están estableciendo nuevos
Más detallesGestión de Proyectos con herramientas basadas en Software Libre. (Open Source)
Gestión de Proyectos con herramientas basadas en Software Libre (Open Source) Herramientas para Gestión Proyectos Según Murtagh (2004), la nueva generación de herramientas para la administración de proyectos
Más detallesEPB 603 Sistemas del Conocimiento!"#$ %& $ %'
Metodología para el Desarrollo de Proyectos en Minería de Datos CRISP-DM EPB 603 Sistemas del Conocimiento!"#$ %& $ %' Modelos de proceso para proyectos de Data Mining (DM) Son diversos los modelos de
Más detallesDIAGNÓSTICO DEL MARKETING INDUSTRIAL EN CHILE AGOSTO, 2011
DIAGNÓSTICO DEL MARKETING INDUSTRIAL EN CHILE AGOSTO, 2011 ANTECEDENTES OBJETIVO: DESARROLLAR EL PRIMER LEVANTAMIENTO DE LA SITUACIÓN DEL MARKETING INDUSTRIAL EN CHILE LO DESARROLLA EL INSTITUTO DE MARKETING
Más detallesCURSO DE ESPECIALISTA EN MARKETING PARA ORGANIZACIONES: INDUSTRIAL, INTERNACIONAL Y E-MARKETING
CURSO DE ESPECIALISTA EN MARKETING PARA ORGANIZACIONES: INDUSTRIAL, INTERNACIONAL Y E-MARKETING Objetivos Generales: Capacitar y especializar a los profesionales en las técnicas del marketing aplicadas
Más detallesEMAILING. Soluciones para empresas comunicativas
EMAILING Soluciones para empresas comunicativas 1. PRESENTACIÓN G2K. I+D Solutions es una empresa tecnológica que durante más de 20 años ha transferido el resultado de nuestras investigaciones a aplicaciones
Más detallesPlataformas tecnológicas CRM de datos a conocimiento
Rambla Catalunya, 124 2º 2ª 08008 BARCELONA Telf. 932 857 099 www.mk-r.es Plataformas tecnológicas CRM de datos a conocimiento Whitepaper nº3 - por Josep Ma. Abella El desarrollo de una estrategia relacional
Más detallesTEMA 1: INTRODUCCIÓN A SERVICIOS TI
CIMSI Configuración, Implementación y Mantenimiento de Sistemas Informáticos TEMA 1: INTRODUCCIÓN A SERVICIOS TI Daniel Cascado Caballero Rosa Yáñez Gómez Mª José Morón Fernández E.T.S. de Ingeniería Informática
Más detallesPlataformas tecnológicas CRM de datos a conocimiento Whitepaper 2007 - Por Josep Mª Abella y Jesús Mª Roca PLATAFORMAS TECNOLÓGICAS CRM Sumario Introducción El desarrollo de una estrategia relacional requiere
Más detallesMINERÍA DE DATOS Y DESCUBRIMIENTO DE CONOCIMIENTO (DATA MINING AND KNOWLEDGE DISCOVERY)
MINERÍA DE DATOS Y DESCUBRIMIENTO DE CONOCIMIENTO (DATA MINING AND KNOWLEDGE DISCOVERY) Autor: Lic. Manuel Ernesto Acosta Aguilera Entidad: Facultad de Economía, Universidad de La Habana Dirección: Edificio
Más detallesPROCEDIMIENTO DE EVALUACIÓN Y ACREDITACIÓN DE LAS COMPETENCIAS PROFESIONALES CUESTIONARIO DE AUTOEVALUACIÓN PARA LAS TRABAJADORAS Y TRABAJADORES
MINISTERIO DE EDUCACIÓN, CULTURA Y DEPORTE SECRETARÍA DE ESTADO DE EDUCACIÓN, FORMACIÓN PROFESIONAL Y UNIVERSIDADES DIRECCIÓN GENERAL DE FORMACIÓN PROFESIONAL INSTITUTO NACIONAL DE LAS CUALIFICACIONES
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 detallesIntroducción al DataMining
Introducción al DataMining Lluís Garrido garrido@ecm.ub.es Universitat de Barcelona Índice Qué es el DataMining? Qué puede hacer el DataMining? Cómo hacer el DataMining? Técnicas Metodología del DataMining
Más detallesCadena de valor. Cadena de valor genérica. Actividades primarias. Actividades de apoyo Actividades primarias
Cadena de valor La cadena de valor habla del valor total que un consumidor está dispuesto a pagar por un producto o servicio dividiendo esto en actividades de valor que desempeña la empresa y el margen
Más detallesConsultoría Empresarial
Consultoría Empresarial Nuestra Misión Crear valor a nuestros clientes mediante la transferencia de conocimientos, experiencias y mejores prácticas gerenciales entregadas por medio de nuestras asesorías,
Más detallesPlan de Marketing. Para Negocios B2B
Plan de Marketing Para Negocios B2B Introducción El término B2B, Business to Businees, puede ser definido como toda y cualquier técnica de comunicación y planeación estratégica realizada por empresas que
Más detallesINSTRODUCCION. Toda organización puede mejorar su manera de trabajar, lo cual significa un
INSTRODUCCION Toda organización puede mejorar su manera de trabajar, lo cual significa un incremento de sus clientes y gestionar el riesgo de la mejor manera posible, reduciendo costes y mejorando la calidad
Más detallesContenido - 2. 2006 Derechos Reservados DIAN - Proyecto MUISCA
Contenido 1. Introducción...3 2. Objetivos...4 3. El MUISCA Modelo Único de Ingresos, Servicio y Control Automatizado...4 4. Ingreso a los Servicios Informáticos Electrónicos...5 4.1. Inicio de Sesión
Más detallesCRM Implementación eficaz y Aumento de capacidad Analítica
CRM Implementación eficaz y Aumento de capacidad Analítica Mstro. Victor Mata Mata 25 de Marzo de 2014 Contenido CRM en las Empresas e Identificación de la madurez Organizacional. Implementación CRM: Áreas
Más detallesPROCEDIMIENTO DE EVALUACIÓN Y ACREDITACIÓN DE LAS COMPETENCIAS PROFESIONALES CUESTIONARIO DE AUTOEVALUACIÓN PARA LAS TRABAJADORAS Y TRABAJADORES
MINISTERIO DE EDUCACIÓN, CULTURA Y DEPORTE SECRETARÍA DE ESTADO DE EDUCACIÓN, FORMACIÓN PROFESIONAL Y UNIVERSIDADES DIRECCIÓN GENERAL DE FORMACIÓN PROFESIONAL INSTITUTO NACIONAL DE LAS CUALIFICACIONES
Más detallesDATOS IDENTIFICATIVOS DEL MÓDULO FORMATIVO GESTIÓN DE ACCIONES COMERCIALES DE LA ACTIVIDAD DE MEDIACIÓN
MÓDULO FORMATIVO Código Familia profesional Área profesional Certificado de profesionalidad Resto de formación para completar el certificado de profesionalidad DATOS IDENTIFICATIVOS DEL MÓDULO FORMATIVO
Más detallesAnálisis Competitivo Cómo enfrentar la competencia?
Análisis Competitivo Cómo enfrentar la competencia? Cúando tenemos competencia? Cuantos tipos de competencia podemos identificar? Directa Indirecta (productos o servicios sustitutos) Potencial Concepto
Más detallesPontificia Universidad Católica de Chile Escuela de Ingeniería Departamento de Ingeniería Industrial y de Sistemas. Datamining Técnicas
Pontificia Universidad Católica de Chile Escuela de Ingeniería Departamento de Ingeniería Industrial y de Sistemas Datamining Técnicas Yerko Halat 4 de Octubre del 2001 1 Concepto: Lógica Difusa Cliente
Más detallesUF0351: Aplicaciones informáticas de la gestión. comercial. TEMA 1. Utilización de aplicaciones de gestión en relación con clientesproveedores
UF0351: Aplicaciones informáticas de la gestión TEMA 1. Utilización de aplicaciones de gestión en relación con clientesproveedores (CRM) TEMA 2. Utilización de aplicaciones de gestión de almacén TEMA 3.
Más detallesDiseño de un estudio de investigación de mercados
Diseño de un estudio de investigación de mercados En cualquier diseño de un proyecto de investigación de mercados, es necesario especificar varios elementos como las fuentes a utilizar, la metodología,
Más detalles