Professional Documents
Culture Documents
Introduccin
Hoy en da el anlisis inteligente de datos es un rea de la informtica que trata de
generar o adquirir conocimiento. El conocimiento consiste en la extraccin de la
informacin que ha sido colectada, clasificada, organizada, integrada, y a la que se aadi
valor. Sin duda alguna el conocimiento est a un nivel de abstraccin ms alto que los
datos y las informaciones sobre los que se basa. Adems, el conocimiento se puede usar
para deducir nuevas informaciones u otros conocimientos nuevos.
La adquisicin de conocimiento, del cual forma parte el anlisis inteligente de datos, es el
proceso de anlisis, transformacin, clasificacin, organizacin e integracin de la
informacin y el hecho de representar el conocimiento en una forma apropiada para que
un sistema informtico lo use.
Es por ello que en esta ocasin abordaremos el tema de anlisis inteligente de datos en
donde se darn a conocer las faces que lo integran as como el uso que cada una de las
distintas fases.
Informacin correcta
Tiempo oportuno
Personas Correctas
Sistemas Fuentes:
Son los sistemas transaccionales que han sido diseados fundamentalmente para el
soporte de las operaciones del negocio como: Compras, Ventas, Almacenes,
Contabilidad, etc. Estos sistemas deben cumplir un requisito fundamental: ya deben de
estar consolidados en cuanto al registro de informacin de las operaciones. No sera
limitante si le carece de reportes para toma de decisiones, ya que es ah el vaco que
cubrir la Inteligencia de Negocios adicionando mdulos de gestin para las decisiones
operacionales.
Data Marts
Constituyen una parte de un DWH. Si un DWH est formado por todos los procesos de la
organizacin, un Data Mart constituye un determinado proceso. Por ejemplo podramos
tener un Data Mart para Finanzas, otro para Logstica. Pueden ser preparados a partir de
un DWH o ser elaborados independientemente.
Minera de Datos
Constituyen algoritmos avanzados (estadsticas, inteligencia artificial) que intenta
descubrir cosas ocultas en los datos capturados a lo largo de las operaciones del negocio.
Es el llamado el descubrimiento del conocimiento y va direccionado al nivel estratgico
directamente.
Intelligence
Dashboards,
Dashboards
Ejecutivos,
Son
Diseo de Informes
Construccin de Modelos
Carga de Datos Histricos
Construccin de ETL
Documentacin y Programacin ETL
Revisin de Datos
Certificacin
Cierre Administrativo
La inteligencia de negocios en las organizaciones
Las organizaciones actuales tienen la posibilidad de recopilar y almacenar volmenes
nunca imaginables de datos operativos e informacin de clientes, el reto es cmo emplear
toda esta informacin para tomar mejores decisiones. La inteligencia de negocios ofrece a
las organizaciones un marco para analizar la gran cantidad diaria de datos a fin de extraer
valoraciones que puedan proporcionar una ventaja decisiva en la competitiva economa
actual.
Al llevar a la prctica estos conocimientos, segn Pea (2006), las compaas pueden
obtener importantes beneficios en forma de mayores ganancias, una mejor capacidad de
reaccionar ante los cambios en la demanda del mercado. Los conocimientos y la
infraestructura especial que se precisan para crear, mantener y utilizar sistemas de
inteligencia de negocios ha supuesto que nicamente las compaas ms grandes hayan
podido disponer de los recursos necesarios para implementar soluciones de inteligencia
de negocios.
En ese sentido, Benavides (2003) seala que cualquier empresa se enfrenta a diferentes
retos a la hora de almacenar los datos que dificultan alcanzar una inteligencia de negocios
a nivel de empresa. La informacin normalmente se encuentra en lo que se podran
denominar silos de informacin, que pueden ser utilizados por distintas unidades de
negocio e incluso se pueden encontrar en plataformas dispares.
sus objetivos, analizan sus progresos, adquieren conocimiento, toman decisiones, miden
sus xitos y comienzan el ciclo nuevamente. En tal sentido, ayuda a los gerentes a tomar
mejores decisiones ms rpidamente en los niveles estratgico y operativo.
El ciclo se compone de cuatro fases o etapas a saber: anlisis, reflexin, accin y
medicin. Para lo cual el anlisis comienza por determinar los datos a recopilar, la
seleccin se basa en un entendimiento bsico y en supuestos de cmo opera la
organizacin, considerando aquello que es relevante a los clientes, proveedores,
empleados, los factores que afectan los insumos, entre otros.
Entorno de trabajo
Pea (2006) explica que las empresas pueden tener muchas razones diferentes para
abordar el entorno de trabajo, a travs de la planeacin y control de sus procesos en
apoyo de sus objetivos estratgicos, modernizacin, innovacin y expansin, y adems
pretendern hacerlo a la vista de la ampliacin hacia nuevos mercados desatendidos o el
desarrollo de su gama de productos, para aumentar sus cuotas de mercado.
Modelos de la solucin
Los modelos de solucin de la Inteligencia de Negocios procuran aprovechar las
bondades de la tecnologa de cmputo para resolver un problema de administracin de
conocimiento.
Al respecto las aplicaciones de la inteligencia de negocios tienden a crear sistemas
especializados en una funcin especfica de la empresa, que contribuya a la eficiencia en
el diagnstico de una situacin y tomar la decisin adecuada para la solucin mediante la
sistematizacin de los datos, refinamiento de la informacin y representacin del
conocimiento (Mndez, 2006).
Unidades de negocio
Toma de decisiones
Para Pea (2006) es el proceso mediante el cual se realiza una eleccin entre las
alternativas o formas para resolver diferentes situaciones de la vida, ya que se pueden
presentar en diferentes contextos: a nivel laboral, familiar, sentimental o empresarial. Por
otra parte, Mndez (2006) explica seis criterios para tomar una decisin eficaz:
Considerar tanto los elementos objetivos como los subjetivos y utilizar una estructura de
pensamiento analtica e intuitiva.
marco
de
competencias
del
proceso
administrativo.
Segn
Pea
(2006)
tradicionalmente los niveles jerrquicos se representan como una pirmide divida en tres
partes, para destacar el orden ascendente de autoridad, el impacto de las decisiones y
competencias de las funciones que cada rango realiza.
Segn Pea (2006) las disciplinas que apoyan la toma de decisiones son la
Administracin, la informtica se basa en la ingeniera de sistemas y los sistemas de
soporte a decisiones, que contribuyen al proceso de toma decisiones, como pilares
fundamentales en la inteligencia de negocios.
La tercera disciplina de la toma de decisiones se refiere a los sistemas de
almacenamiento de datos, su mantenimiento y depuracin hace que las bases de datos
resguarden datos confiables e ntegros que apoyen la toma de decisiones y Ingeniera
Artificial la principal aplicacin de esta ciencia es la creacin de mquinas para la
automatizacin de tareas que requieran un comportamiento inteligente.
Los resultados evidencian que tanto la estructura jerrquica como las disciplinas de toma
decisiones estn presentes para destacar el orden ascendente de autoridad, el impacto
de las decisiones y competencias de las funciones que cada rango realiza,
particularmente en la toma de decisiones, empleo de recursos, ejecucin del trabajo y
supervisin de resultados.
En este orden de ideas, Pea (2006) afirma que para cada uno de los niveles jerrquicos
se define su alcance e impacto, motivando el desarrollo de reas de estudios
especializadas responsables en campos como la planeacin estratgica a cargo de los
mandos superiores, la direccin tctica correspondiente a los gerentes y el control
operativo por parte de los supervisores.
Finalmente, se totalizaron los puntajes obtenidos para cada variable y se procedi a
realizar las operaciones matemticas y estadsticas necesarias, adems de calcular el
coeficiente de relacin mediante el mtodo de Pearson. El resultado de r describe, en
primer lugar, la confiabilidad temtica descrita en las bases tericas y en segundo lugar, la
interioridad del contenido por parte de los sujetos; estos criterios en palabras de Pardinas
(1998), le confieren las caractersticas para ser consideradas como variables predictivas.
Al respecto, Vitt, Luckevich y Misner (2003) expresa su posicin en indicar que la
inteligencia de negocios es mucho ms que una actitud empresarial o una tecnologa a
disposicin de las organizaciones; de hecho, es un marco referencial para la gestin del
rendimiento empresarial, un ciclo continuo por el cual las compaas definen sus
objetivos, analizan sus progresos, adquieren conocimiento, toman decisiones, miden sus
xitos y comienzan el ciclo nuevamente.
En este sentido, Pea (2006) indica que la inteligencia de negocios ayuda a los gerentes
a tomar mejores decisiones ms rpidamente en los niveles estratgico y tctico, ya que
normalmente en los bancos se analizan datos provenientes de muchas fuentes, la
inteligencia de negocios negocia con el comportamiento de los clientes, proveedores,
competidores, empleados y otras entidades en la spera e informal conducta del negocio
del da a da, con la finalidad de tomar decisiones para cumplir con los objetivos
organizacionales.
Los resultados aqu expuestos coinciden con los de Fernndez (2006), quin elabor un
trabajo sobre la Toma de decisiones y autonoma de gestin directiva en las escuelas
bsicas, con el propsito de determinar la relacin entre la toma de decisiones y la
autonoma de gestin directiva en las escuelas bsicas de la Parroquia Concepcin,
Municipio La Caada de Urdaneta.
Para el anlisis de los datos se utiliz la estadstica descriptiva (media aritmtica) para los
indicadores y dimensiones de las variables, utilizando el paquete estadstico SPSS. Luego
se determin el coeficiente de correlacin de Pearson r= 0.40 para el grado de relacin
entre las variables.
Consideraciones finales
Se determin que los directores logran atender en forma medianamente adecuada la
toma de decisiones dentro de su autonoma de gestin calificada como media; asimismo,
la correlacin result positiva considerable. Se recomend organizar un proceso de
capacitacin para los directores de las escuelas bsicas, centrado en la toma de
decisiones y la autonoma de gestin, orientado desde una perspectiva terico-prctica,
que facilite la reflexin a partir de la realidad vivida en cada espacio escolar.
De acuerdo con los resultados derivados de la presente investigacin, se pudo comprobar
que segn los gerentes de la banca universal existe una relacin positiva muy fuerte entre
las variables inteligencia de negocios y toma de decisiones en la banca universal en
Venezuela, por cuanto a mayor nivel de inteligencia de negocios apliquen mayor ser la
efectividad en la toma de decisiones de los gerentes en la banca universal, mientras que
para los empleados la correlacin es positiva de intensidad moderada, pues consideran
que los gerentes aplican medianamente en su gestin la inteligencia de negocios en la
toma de decisiones.
En consecuencia, se recomienda incentivar programas de inteligencia de negocios a nivel
tctico donde los empleados (Coordinadores y Supervisores) puedan formarse como
futuros gerentes que apoyen la toma de decisiones en todos los niveles de la organizacin
para incrementar el valor y competitividad de la Banca Universal.
Se sugiere divulgar y promover la inteligencia de negocios en la estructura organizativa
como modelo de variabilidad organizacional para apoyar la toma de decisiones
De las redes neuronales suele decirse que son cajas negras, porque el proceso de
tratamiento de los datos hasta obtener el resultado no siempre sigue unas pautas lgicas
o comprensibles por el ser humano. Sin embargo, su inters radicara en que son
herramientas tiles para realizar predicciones, por lo que son usadas en numerosas
aplicaciones.
rboles de Decisin.
rboles de Decisin. Tcnica que permite analizar decisiones secuenciales basada enel
uso de resultados y probabilidades asociadas.Los rboles de decisin se pueden usar
para generar sistemas expertos, bsquedasbinarias y rboles de juegos, los cuales sern
explicados posteriormente.
Diseo de catlogos
Anlisis de Resultados
Dentro de un proceso de investigacin, la presentacin y el anlisis de los resultados
representa la fase integrativa del proceso diagnstico, metodolgico y terico que ha
realizado la investigadora dentro su desarrollo. Es precisamente dentro de esta etapa, que
se tiene la oportunidad de demostrar la sistematicidad de la investigacin, la coherencia
interna del estudio, as como el nivel de logro.
SEGMENTACIN DE CLIENTES
La segmentacin de clientes consiste en segmentar y subdividir a sus clientes en funcin
de su comportamiento y necesidades para planificar y ejecutar una estrategia precisa e
individualizada por subgrupo, es esencial para lograr una ventaja competitiva que le
permita rentabilizar al mximo su relacin con cada uno de ellos, contactar con el mayor
nmero de clientes, y si es posible, canibalizar a los de su competencia, solapando su
rea de influencia y mermando su cuota de mercado. Los Sistemas de Informacin como
herramienta de apoyo en la segmentacin, incluyen los componentes junto con el resto de
informacin disponible para poder obtener los grupos de la forma ms diferenciada
posible y as dirigir la fuerza de ventas de la manera ms precisa y potente.
Aunque no existen dos clientes iguales, es posible diferenciar perfiles de clientes muy
similares entre s. La zona donde vive el usuario, su comportamiento, su educacin, su
empleo, sus gustos todo ello proporciona informacin valiosa que, cruzada y analizada,
permite distinguir grupos perfectamente distinguibles ms all de grandes clster
genricos de escaso valor para la orientacin especfica de un producto o servicio.
Obteniendo informacin valiosa de la empresa con respecto ha su:
Informacin. Toda la informacin transaccional y comportamental que una empresa tiene
sobre sus propios clientes
Fuentes Externas. Combinndola con bases de datos con informacin pblica sobre
aspectos
demogrficos,
geogrficos,
psicogrficos
comportamentales
de
los
consumidores
Investigacin de Clientes. Junto con investigacin sobre actitudes, gustos, percepciones y
aspiraciones
Como resultado, podemos distinguir con precisin los distintos grupos de valor, e incluso
ir ms all y detectar nuevos nichos de mercado que representan oportunidades
emergentes y tendencias de negocio.
Por rea geogrfica (por regin: urbana o rural, ciudad, pas, clima, etc.)
Actitudinales
conductas
de
una
persona.
Utilizando
dimensiones
de
La segmentacin estratgica.
Segmentaciones Orientadas a Acciones:
Riesgo de Abandono (Es clave conocer el valor de vida o valor futuro previsto del
cliente, para dimensionar la oferta de recuperacin)
Propensiones de Compra
Fidelidad
VENTAS CRUZADAS
Es una solucin que le brinda a su empresa la posibilidad de aumentar sus ventas a
travs de la deteccin de oportunidades en venta cruzada de productos y servicios.
Ahora usted puede ampliar la oferta a sus clientes a travs de una aplicacin tecnolgica
que le permitir conocer profundamente qu es lo que necesitan, cundo lo precisan y
qu canales son los ms eficientes para atender sus necesidades.
Beneficios clave:
Incrementar la rentabilidad mediante el aumento de ventas,
Fidelizar la cartera de clientes,
Lograr mayores tasas de satisfaccin del cliente y de retencin.
La venta cruzada es un elemento importante en la estrategia del Nuevo Marketing.
Significa simplemente lograr que el cliente adquiera varios productos de una familia de
marcas. La venta cruzada es una estrategia para incrementar las ventas, promoviendo
productos o servicios complementarios para aumentar la transaccin promedio. El
ejemplo ms comn es el de las comidas rpidas, donde despus de haber ordenado un
combo de hamburguesa la persona le ofrece si lo desea con papas y gaseosa
agrandadas (esto sera up-selling porque est incrementando el valor del producto
existente: papas y gaseosa), o si desea complementar su orden con un helado de postre
(este sera cross-selling porque le est ofreciendo un producto complementario a lo que
ya compr).
Estimular la venta cruzada es una forma simple de incrementar las ventas.
La venta cruzada se enfoca en venderles a los clientes actuales, aquellos que ya lo
conocen y confan en su negocio, algo mucho ms probable que pretender venderle a
alguien algo por primera vez.
Y extrapolando el ejemplo de las comidas rpidas, usted podra implementar en su propio
negocio una sencilla estrategia de venta cruzada para aumentar los ingresos, pues existe
unan alta probabilidad de que la mayora de sus clientes no conozcan todo lo que tiene
para ofrecerles
PREDICCIN DE VENTAS
El pronstico de ventas es una estimacin de la ventas fututas (ya sea en trminos fsicos
omonetarios) de uno o varios productos (generalmente todos) para un periodo de tiempo
determinado. Realizar el pronstico de ventas nos permite elaborar el presupuesto de
ventas y, a partir de ste, elaborar los dems presupuestos, tales como el de produccin,
el de compra de insumos o mercadera, el de requerimiento de personal, el de flujo de
efectivo, etc.
En una tarea de prediccin, la nica manera de comprobar la exactitud de la clasificacin
es esperar los resultados y evaluarlos. La razn principal para el tratamiento de la
prediccin como una actividad separada de la clasificacin y la estimacin es que en el
modelado predictivo hay otras cuestiones relativas a la relacin temporal de las variables
de entrada o predictores de la variable objetivo.
Cualquiera de las tcnicas utilizadas para la clasificacin y la estimacin puede ser
adaptada para su uso en la prediccin mediante el uso de ejemplos de entrenamiento
donde el valor de la variable que se predijo que ya es conocido, junto con los datos
histricos de esos ejemplos. Los datos histricos se utilizan para construir un modelo que
explica el comportamiento observado en los datos.
Cuando este modelo se aplica a nuevas entradas de datos, el resultado es una prediccin
del comportamiento futuro de los mismos.
Algunos ejemplos de las tareas de prediccin tanto en el mbito empresarial como en la
investigacin son:
DETECCIN DE FRAUDE.
2004 se estimaron prdidas de 264 000 millones de dlares por causa del fraude, de
todos los sectores el que ms prdidas present fue el de las telecomunicaciones 150 000
millones, seguido por las aseguradoras con 67 000 millones y despus estn las prdidas
causadas por el lavado de dinero que fueron de 40 000 millones.1 Los tipos de fraude son
muy diversos, puesto que abarca prcticamente cualquier tipo de engao o estafa,
algunos de los ms comunes son:
tarea fcil en la actualidad, puesto que el fraude es un crimen adaptativo, por lo tanto
necesita mtodos de deteccin especialmente inteligentes para detectarlo. Estos mtodos
se encuentran fundamentalmente en las reas de la extraccin de conocimientos en
bases de datos (KDD), la minera de datos, el aprendizaje automtico y la estadstica.
Ellos ofrecen soluciones aplicables y exitosas en la lucha contra el fraude en distintas
reas.
Tcnicas estadsticas
Ejemplos de tcnicas estadsticas de anlisis de datos son:
Tcnicas de procesamiento de datos para la deteccin, validacin, correccin de errores y
completamiento de datos perdidos o incorrectos.
Clculo de varios parmetros estadsticos como promedios, percentiles, mtricas de
rendimiento, distribuciones probabilsticas, y otras. Por ejemplo los promedios pueden
incluir la duracin promedio de llamadas telefnicas, el promedio de la cantidad de
llamadas por mes y el de los retrasos al pagar las facturas.
Modelos y distribuciones de probabilidad de varias actividades de negocios, ambos en
funcin de varios parmetros o distribuciones probabilsticas.
El manejo del fraude es una actividad que requiere un uso intensivo del conocimiento. Las
principales tcnicas de Inteligencia artificial utilizadas para ello son:
Minera de datos para clasificar, agrupar y segmentar los datos y de modo automtico
encontrar asociaciones y regularidades en los datos que puedan representar patrones
interesantes, incluidos aquellos relacionados con el fraude.
Sistemas expertos que expresan la experiencia en la deteccin de fraude en forma de
reglas.
Reconocimiento de patrones para detectar de forma aproximada clases, grupos o
patrones con comportamiento sospechosos, esto puede hacerlo de forma completamente
automtica (utilizando aprendizaje no supervisado) o comparando con un conjunto
entrenante inicial (aprendizaje supervisado).
Aplicaciones
La deteccin automtica de fraude est integrada en muchas reas de la vida cotidiana,
se utilizan sistemas de este tipo para evitar:
CLASIFICADOR DE BAYER
Un clasificador NaveBayes es un clasificador probabilstico simple basado en aplicando el
teorema de Bayes con fuertes supuestos de independencia. Un trmino ms descriptivo
para el modelo de probabilidad subyacente sera "modelo de produccin independiente".
Una visin general de los clasificadores estadsticos se da en el artculo sobre el
reconocimiento de patrones.
En trminos simples, un clasificador de Bayes ingenuo asume que la presencia o
ausencia de una caracterstica particular, no est relacionada con la presencia o ausencia
de cualquier otra caracterstica, teniendo en cuenta la variable de clase. Por ejemplo, una
fruta puede ser considerada como una manzana si es rojo, redondo, y alrededor de 3 "de
dimetro. Un clasificador de Bayes ingenuo considera cada una de estas funciones para
La evidencia puede ser ignorada ya que es una constante positiva. Ahora determinamos
la distribucin de probabilidad para el sexo de la muestra.
,
donde y son los parmetros de distribucin normal que se han determinado previamente
desde el conjunto de entrenamiento. Tenga en cuenta que un valor mayor que 1 est bien
aqu - es una densidad de probabilidad en lugar de una probabilidad, ya que la estatura es
una variable continua.
Desde numerador posterior es mayor en el caso femenino, predecimos la muestra es de
sexo femenino.
Clasificacin del documento
Aqu es un ejemplo prctico de la clasificacin bayesiano ingenuo el problema de
clasificacin de documentos. Considere el problema de la clasificacin de los documentos
por su contenido, por ejemplo en la no-correos electrnicos no deseados y spam.
Imagnese que los documentos se extraen de una serie de clases de documentos que se
pueden modelar como conjuntos de palabras, donde la probabilidad de que la i-sima
palabra de un documento dado se produce en un documento de la clase C se puede
escribir como
A continuacin, la probabilidad de que un documento dado D contiene todas las palabras,
dada una clase C, es
La pregunta que queremos responder es: "cul es la probabilidad de que un documento
de D dado pertenece a una determinada clase C?" En otras palabras, cul es?
Ahora, por definiciny
El teorema de Bayes manipula estos en un comunicado de la probabilidad en trminos de
probabilidad.
Supongamos por un momento que slo hay dos clases mutuamente excluyentes, S y S,
de manera que cada elemento est en una u otra;y utilizando el resultado bayesiano
anteriormente, podemos escribir:
Dividiendo una por la otra da:
Lo que puede ser re-factorizar como:
Por lo tanto, la relacin de probabilidad p/p se puede expresar en trminos de una serie
de coeficientes de probabilidad. La probabilidad p real puede ser fcilmente calculada a
partir de registro/p) basado en la observacin de que p p = 1.
Bibliografa
(http://centrodeartigo.com/articulos-educativos/article_4294.html)
(http://publicaciones.urbe.edu/index.php/cicag/article/viewArticle/1068/2833)
(http://ccc.inaoep.mx/~emorales/Cursos/NvoAprend/apriori.pdf)
http://repositorio.utp.edu.co/dspace/bitstream/11059/1339/1/006312G216.pdf
(http://www.jecas.org/ponencias/jueves/tarde/desarrollosII/businessintelligenceLaRioja.pdf
(http://edinsonbi.blogspot.mx/2010/05/segmentacion-de-clientes.html)
http://www.hexalab.com.uy/soluciones/inteligencia-de-negocios-analitica/
http://inteligencia-exitosa.blogspot.mx/2009/09/la-venta-cruzada.html