Data Mining o Minería de Datos A quién se le ocurriría basar una de las estrategias comerciales para incrementar las ventas de una compañía de retail, en una correlación de consumo nada obvia entre pañales y cerveza? La mayoría de nosotros que no estamos en el negocio del retail, y hasta los especialistas de productos de las grandes compañías de retail se aventurarían a invertirle tiempo y dinero en estrategias comerciales sobre esta premisa si y solo sí, ésta esté fundamentada en las transacciones de venta almacenadas en sus bases de datos. Como identificar esta correlación en un mar de datos? La única forma es con procesos de minería de datos o data mining. Nuestro objetivo es mostrar de manera clara la definición de minería de datos, las soluciones de negocios que se pueden abarcar, y por donde comenzar un proceso de minería de datos. Primero que todo empecemos ampliando el caso de los pañales y la cerveza, que nos dará una perspectiva más amplia sobre los objetivos que persigue la minería de datos. El caso lo hemos leído de diferentes autores y el supermercado que inicialmente publicó este caso en los Estados Unidos es 7 Eleven. Hace algunos años los ejecutivos de 7 Eleven se hicieron la pregunta sobre qué productos se vendían con mayor frecuencia en compañía de los pañales. Pues bien, ellos hicieron minería de datos en la base de datos y vaya sorpresa, encontraron que en asociación con los pañales se vendían muy frecuentemente las cervezas. Además, se dieron cuenta que ambos productos se vendían principalmente los viernes en la tarde y eran comprados por hombres con edades entre los 25 y 35 años de edad. Después de cierto tiempo descubrieron la razón de este hallazgo. El caso es que los paquetes de pañales son voluminosos y caros, y las mujeres, que en la mayoría de los casos están a cargo de las compras de la casa, dejan que el hombre compre los pañales. El hombre, compraba los pañales especialmente los viernes, en compañía de las cervezas para el fin de semana. Como consecuencia de esto, que hizo el supermercado? Puso en la góndola la cerveza al lado de los pañales. El resultado fue que los hombres que normalmente llegaban a comprar los pañales y la cerveza, compraron más cervezas; y los que antes no compraban cerveza, empezaron a comprarla por la proximidad de ésta con los pañales. Finalmente las ventas de cerveza se dispararon.
Como el caso de los pañales y la cerveza, existen innumerables casos donde un proceso de minería de datos podría encontrar patrones escondidos que son de gran utilidad para plantear estrategias que apunten a los objetivos del negocio, por ejemplo incrementar las ventas, aumentar la rentabilidad, disminuir los costos, mejorar la eficiencia en algunas áreas, etc. Imaginémonos una compañía del sector financiero tratando de identificar los clientes que se pasarían para la competencia basado en los patrones de consumo de sus diferentes servicios, ó una compañía de retail que pueda predecir que cantidad de X producto comprará un cliente, dadas sus compras durante los últimos tres años, su información demográfica (la edad, el sueldo, la ciudad, etc.), y el precio del producto. Todas estas estrategias serían imposibles de llevar a cabo efectivamente sin un proceso de minería de datos. Tu podrías encontrar la relación de consumo entre cerveza y pañales conociendo un poco del negocio y utilizando una herramienta de análisis que cree reportes dinámicos? Estamos seguros que sí, pero creemos que el tiempo en llegar a la conclusión sería mayor. Además, no es fácil encontrar personas que tengan alto conocimiento del negocio y sean efectivas en el uso de herramientas de reportes avanzado. Claro que de lo que no estamos seguros es que seas capaz de encontrar las horas de consumo (viernes en la tarde), y la demografía de los clientes (entre 25 y 35 años) de forma eficiente, entendiendo que existe un gran esfuerzo cerebral para comprender las relaciones de dos o mas variables entre millones de datos y cientos de variables. Lo que hace la minería de datos es automatizar estos procesos reduciendo los tiempos hasta llegar a una conclusión. Es sorprendente que la minería de datos no haya despegado todavía en Latinoamérica como una herramienta de apoyo a la toma de decisiones en nuestras compañías. Encontramos que todavía organizaciones en mercados altamente competitivos como telecomunicaciones, retail, automotriz, financiera, consumo masivo y otras, siguen tomando decisiones a ciegas sobre procesos de fidelización de clientes, up-selling, cross-selling, performance management, y retención de clientes infieles. Siguen preguntándose por qué sus procesos de pronóstico de la demanda periódicamente tienen una confiabilidad baja. La tecnología de minería datos está madura y en Quintay Desarrollo Tecnológico tenemos la experiencia y sistemas de desarrollo propio, únicos en latinoamerica, para hacer de esto una realidad hoy!
Ejemplos de uso de la minería de datos Negocios La minería de datos puede contribuir significativamente en las aplicaciones de administración empresarial basada en la relación con el cliente. En lugar de contactar con el cliente de forma indiscriminada a través de un centro de llamadas o enviando cartas, sólo se contactará con aquellos que se perciba que tienen una mayor probabilidad de responder positivamente a una determinada oferta o promoción. Por lo general, las empresas que emplean minería de datos ven rápidamente el retorno de la inversión, pero también reconocen que el número de modelos predictivos desarrollados puede crecer muy rápidamente. En lugar de crear modelos para predecir qué clientes pueden cambiar, la empresa podría construir modelos separados para cada región y/o para cada tipo de cliente. También puede querer determinar que clientes van a ser rentables durante una ventana de tiempo (una quincena, un mes,...) y sólo enviar las ofertas a las personas que es probable que sean rentables. Para mantener esta cantidad de modelos, es necesario gestionar las versiones de cada modelo y pasar a una minería de datos lo más automatizada posible. Hábitos de compra en retail El ejemplo clásico de aplicación de la minería de datos tiene que ver con la detección de hábitos de compra en supermercados. Un estudio muy citado detectó que los viernes había una cantidad inusualmente elevada de clientes que adquirían a la vez pañales y cerveza. Se detectó que se debía a que dicho día solían acudir al supermercado padres jóvenes cuya perspectiva para el fin de semana consistía en quedarse en casa cuidando de su hijo y viendo la televisión con una cerveza en la mano. El supermercado pudo incrementar sus ventas de cerveza colocándolas próximas a los pañales para fomentar las ventas compulsivas. Patrones de fuga Un ejemplo más habitual es el de la detección de patrones de fuga. En muchas industrias como la banca, las telecomunicaciones, etc. existe un comprensible interés en detectar cuanto antes aquellos clientes que puedan estar pensando en rescindir sus contratos para, posiblemente, pasarse a la competencia. A estos clientes y en función de su valor se les podrían hacer ofertas personalizadas, ofrecer promociones especiales, etc., con el objetivo último de retenerlos. La minería de datos ayuda a determinar qué clientes son los más proclives a darse de baja estudiando sus patrones de comportamiento y comparándolos con muestras de clientes que, efectivamente, se dieron de baja en el pasado. Fraudes Un caso análogo es el de la detección de transacciones de blanqueo de dinero o de fraude en el uso de tarjetas de crédito o de servicios de telefonía móvil e, incluso, en la relación de los contribuyentes con el fisco. Generalmente, estas operaciones fraudulentas o ilegales suelen seguir patrones característicos que permiten, con cierto grado de probabilidad, distinguirlas de las legítimas y desarrollar así mecanismos para tomar medidas rápidas frente a ellas.
Recursos humanos La minería de datos también puede ser útil para los departamentos de recursos humanos en la identificación de las características de sus empleados de mayor éxito. La información obtenida puede ayudar a la contratación de personal, centrándose en los esfuerzos de sus empleados y los resultados obtenidos por éstos. Además, la ayuda ofrecida por las aplicaciones para Dirección estratégica en una empresa se traducen en la obtención de ventajas a nivel corporativo, tales como mejorar el margen de beneficios o compartir objetivos; y en la mejora de las decisiones operativas, tales como desarrollo de planes de producción o gestión de mano de obra. Comportamiento en Internet También es un área en boga el del análisis del comportamiento de los visitantes sobre todo, cuando son clientes potenciales en una página de Internet. O la utilización de la información obtenida por medios más o menos legítimos sobre ellos para ofrecerles propaganda adaptada específicamente a su perfil. O para, una vez que adquieren un determinado producto, saber inmediatamente qué otro ofrecerle teniendo en cuenta la información histórica disponible acerca de los clientes que han comprado el primero.
Algunos de nuestros clientes: Central Frenos Xerox de Chile Xerox del Perú Banco Santander Silfa The Sales Factory Mayorsa (Perú) ALVI Certifica.com Lowe Porta Leo Burnett Inversiones San Jorge Universidad Andres Bello