1.3 Encontrando relaciones ocultas en los datos

Aplicación de reglas de asociación.

DCC. Dafne Rosso Pelayo

La inteligencia de negocio en la empresa, sólo puede lograrse mediante la adopción de medidas para alcanzarla.

Cuando buscamos información sobre inteligencia de negocios o minería de datos, solemos encontrarnos el ejemplo clásico de la cerveza y los pañales, el cuál comenta como una cadena de supermercado a través de la aplicación de minería de datos pudo encontrar ese patrón en su información de consumo, particular al género masculino y a esa cadena de supermercados.  

Es posible encontrar este tipo  de correlaciones o dependencias en los datos, empleando más de una técnica de minería de datos. En este artículo vamos a trabajar con una técnica  conocida como reglas de asociación.  Las reglas de asociación permiten descubrir patrones de comportamiento, indicando qué tipo de dependencias o  “reglas”  existen en nuestro caso  particular.  

Las reglas de asociación como decíamos, indican patrones de comportamiento, y son aplicables a cualquier tipo de dato de preferencia nominal (datos textuales). Para el tratamiento de datos numéricos es preferible otro tipo de algoritmos. Las reglas tanto del lado izquierdo o derecho pueden contener cualquier número de atributos o elementos. La siguiente tabla, muestra la estructura que presentan estas reglas.

Regla	Interpretación
Atributo 1  -> Atibuto 2	Cuando pasa el atributo 1 ocurre el atributo 2
Atributo 1  &  Atributo 2 - > Atributo 3	Cuando pasa el atributo 1 junto con el atributo 2  ocurre el atributo 3 (ej. cerveza & masculino -> pañales)
Atributo 3  & atributo x  &  Atributo z - > Atributo g	Cuando pasa el atributo 3 junto con el atributo x,  y junto con el atributo z  ocurre el atributo g

Tabla 1. Estructura de las reglas de asociación

Para determinar que tan exactas son las reglas generadas con algoritmos de minería de datos es necesario calcular una medida de cobertura y precisión. Estas medidas indican el grado con el que las reglas  soportan o representan a los datos. La cobertura se refiere al número de instancias del conjunto total de datos para los cuales la regla predice correctamente y la precisión o confianza es expresada como una proporción de las instancias a las que aplica. Por ejemplo para la regla (tipo 1 & tipo 2 -> tipo 3) tenemos 10 registros o instancias de un total de 25, que incluyen el producto Tipo 1 y el producto Tipo 2 y solo se encuentran 3 instancias en estas 10, que incluyen el producto Tipo 3 (además del Tipo 1 y Tipo 2). Entonces su cobertura es de 3 o bien (12 % = 3 / 25) y la precisión o confianza es de 3 / 10.

Para que podamos afirmar que la regla es válida debe de contar con una precisión y cobertura alta. Esto es, si y solo si la regla tiene una precisión y cobertura alta es una regla valida y puede ser aplicada al conjunto de datos.

Veamos cómo podemos obtener este tipo de reglas.  

Por dónde empezar

Para aplicar los algoritmos de minería de datos, es recomendable que el volumen de datos sobre el que se aplique sea grande. En proporción al giro y tamaño de la empresa deberá escoger un volumen de información que considere represente de manera adecuada el caso que va a analizar con la minería de datos. Debido a que los volúmenes de información tienden a ser muy grandes (imagínese el volumen de operación anual de cualquier cadena de supermercados, gasolineras, franquicia de hamburguesas  u otro comercio “global”),  se emplean herramientas de minería de datos que facilitan el proceso ya que sin ellas, sería prácticamente imposible realizarlo.

Pero no estamos hablando en este blog de esos casos, recordemos que en este blog en primer lugar estamos orientando las técnicas de sistemas inteligentes a las pymes y en segundo lugar hablamos de que no contamos con los recursos para pagar un licenciamiento de una suite de inteligencia de negocio. Procedamos con nuestro primer ejemplo paso a paso, posteriormente, en los siguientes artículos, trataremos el mismo caso y otros más complejos con herramientas de uso libre que podemos encontrar en la WEB.

Ejemplo de reglas de asociación.

Paso número uno

·         Prepare los datos que vamos a analizar.

Es sumamente importante antes de realizar un análisis de minería de datos, tener claras las siguientes preguntas ¿Qué tipo de datos tiene su empresa? y ¿Qué tipo de resultados quiere encontrar con la minería de datos? .  Ambas preguntas son muy importantes porque de eso depende el tipo de técnica,  algoritmo o método que deba de ser empleado en sus datos. Más adelante publicare un artículo con un compendio de tipos de datos vs.  tipos de análisis que se pueden realizar.

En este caso de ejemplo sobre reglas de asociación estamos buscando un patrón de consumo en una empresa que se dedica a la venta de artículos. Ud. puede fácilmente sustituir los campos por los que considere adecuados a su giro.

La siguiente tabla contiene un ejemplo de los productos vendidos en un periodo de tiempo y sus características.

Origen	Sexo	Precio	Tela	Producto
Importado	Hombre	1000 - 3000	Algodón	Tipo 1
Nacional	Hombre	> 3000	Piel	Tipo 1
Importado	Hombre	> 3000	Piel	Tipo 1
Importado	Mujer	1000 - 3000	Algodón	Tipo 1
Importado	Mujer	> 3000	Lino	Tipo 1
Nacional	Hombre	1000 - 3000	Algodón	Tipo 2
Nacional	Mujer	> 3000	Lino	Tipo 2
Nacional	Mujer	1000 - 3000	Piel	Tipo 2

                                                                Tabla 2. Ejemplo de conjunto de datos.

Paso número dos

·         Efectuamos el conteo de cada una de las instancias en donde aparece cada atributo.

Esto es un conteo simple de los elementos que tenemos en la base de datos que contienen al atributo en cuestión.

1° Conjunto de atributos
	Origen			Sexo			Precio
		Nacional	4		Hombre	4		> 3000	4
		Importado	4		Mujer	4		1000 - 3000	4
	Tela			Producto
		Algodón	3		Tipo 1	5
		Lino	2		Tipo 2	3
		Piel	3

Paso número tres

·         Empezamos a combinar los atributos y verificar el número de instancias para las que son validas, se combinan los atributos de dos en dos, de tres en tres, hasta n-1 en n-1 atributos, donde n es el número de atributos, para este ejemplo n = 5, así que generaremos 4 conjuntos y verificaremos para cuantas instancias es válida la regla generada. Aquellas reglas que tengan una cobertura menor a 2 (< 2)  se eliminan.

Combinamos en pares los atributos del primer conjunto y verificamos  su cobertura, se muestra en rojo los menores de 2.

2° Conjunto de datos
				Cobertura				Cobertura
		Nacional	Hombre	2		Importado	Hombre	2
		Nacional	Mujer	2		Importado	Mujer	2
		Nacional	> 3000	2		Importado	> 3000	2
		Nacional	1000 - 3000	2		Importado	1000 - 3000	2
		Nacional	Algodón	1		Importado	Algodón	2
		Nacional	Lino	1		Importado	Lino	1
		Nacional	Piel	2		Importado	Piel	1
		Nacional	Tipo 1	1		Importado	Tipo 1	4
		Nacional	Tipo 2	3		Importado	Tipo 2	0
		Hombre	> 3000	2		Mujer	> 3000	2
		Hombre	1000 - 3000	2		Mujer	1000 - 3000	2
		Hombre	Algodón	2		Mujer	Algodón	1
		Hombre	Lino	0		Mujer	Lino	2
		Hombre	Piel	2		Mujer	Piel	1
		Hombre	Tipo 1	3		Mujer	Tipo 1	2
		Hombre	Tipo 2	1		Mujer	Tipo 2	2
		> 3000	Algodón	0		1000 - 3000	Algodón	3
		> 3000	Lino	2		1000 - 3000	Lino	0
		> 3000	Piel	2		1000 - 3000	Piel	1
		> 3000	Tipo 1	3		1000 - 3000	Tipo 1	2
		> 3000	Tipo 2	1		1000 - 3000	Tipo 2	2
		Algodón	Tipo 1	2		Lino	Tipo 1	1
		Algodón	Tipo 2	1		Lino	Tipo 2	1
		Piel	Tipo 1	2
		Piel	Tipo 2	1

2° Conjunto de atributos (eliminando los que tienen cobertura <2)
		Nacional	Hombre	2		Importado	Hombre	2
		Nacional	Mujer	2		Importado	Mujer	2
		Nacional	> 3000	2		Importado	> 3000	2
		Nacional	1000 - 3000	2		Importado	1000 - 3000	2
		Nacional	Piel	2		Importado	Algodón	2
		Nacional	Tipo 2	3		Importado	Tipo 1	4
		Hombre	> 3000	2		Mujer	> 3000	2
		Hombre	1000 - 3000	2		Mujer	1000 - 3000	2
		Hombre	Algodón	2		Mujer	Lino	2
		Hombre	Piel	2		Mujer	Tipo 1	2
		Hombre	Tipo 1	3		Mujer	Tipo 2	2
		> 3000	Lino	2		1000 - 3000	Algodón	3
		> 3000	Piel	2		1000 - 3000	Tipo 1	2
		> 3000	Tipo 1	3		1000 - 3000	Tipo 2	2
		Algodón	Tipo 1	2
		Piel	Tipo 1	2

Para combinar los siguientes conjuntos, se toma cada conjunto de atributos anterior y se combina con los atributos restantes que no son del mismo tipo. Por ejemplo, para el siguiente conjunto de tres atributos:  Nacional- Hombre no se combina con Mujer porque Hombre y Mujer pertenecen al mismo atributo sexo.

3° Conjunto de atributos
		Nacional-Hombre	> 3000	1	Importado-Hombre	> 3000	1
		Nacional-Hombre	1000 - 3000	1	Importado-Hombre	1000 - 3000	1
		Nacional-Hombre	Piel	1	Importado-Hombre	Algodón	1
		Nacional-Hombre	Tipo 2	1	Importado-Hombre	Tipo 1	2
		Nacional-Mujer	> 3000	1	Importado-Mujer	> 3000	1
		Nacional-Mujer	1000 - 3000	1	Importado-Mujer	1000 - 3000	1
		Nacional-Mujer	Piel	1	Importado-Mujer	Algodón	1
		Nacional-Mujer	Tipo 2	0	Importado-Mujer	Tipo 1	2
		Nacional-> 3000	Piel	1	Importado-> 3000	Algodón	0
		Nacional-> 3000	Tipo 2	1	Importado-> 3000	Tipo 1	2
		Nacional-1000 - 3000	Piel	1	Importado-1000 - 3000	Algodón	2
		Nacional-1000 - 3000	Tipo 2	2	Importado-1000 - 3000	Tipo 1	2
		Nacional-Piel	Tipo 2	1	Importado-Algodón	Tipo 1	2
		Hombre-> 3000	Algodón	0	Mujer-> 3000	Lino	2
		Hombre-> 3000	Piel	2	Mujer-> 3000	Tipo 1	1
		Hombre-> 3000	Tipo 1	2	Mujer-> 3000	Tipo 2	1
		Hombre-1000 - 3000	Algodón	2	Mujer-1000 - 3000	Lino	0
		Hombre-1000 - 3000	Piel	0	Mujer-1000 - 3000	Tipo 1	1
		Hombre-1000 - 3000	Tipo 1	1	Mujer-1000 - 3000	Tipo 2	1
		Hombre-Algodón	Tipo 1	1	Mujer-Lino	Tipo 1	1
		Hombre-Piel	Tipo 1	2	Mujer-Lino	Tipo 2	1
		> 3000-Lino	Tipo 1	1	1000 - 3000-Algodón	Tipo 1	2
		> 3000-Piel	Tipo 1	2	1000 - 3000-Algodón	Tipo 2	1

3° Conjunto de atributos (eliminando los que tienen cobertura < 2)
		Nacional- 1000 - 3000-Tipo 2	2		Importado-Hombre-Tipo 1	2
		Hombre-> 3000-Piel	2		Importado-Mujer-Tipo 1	2
		Hombre-> 3000-Tipo 1	2
					Importado-> 3000-Tipo 1	2
		Hombre- 1000 - 3000-Algodón	2
					Importado- 1000 - 3000-Algodón	2
		Hombre-Piel-Tipo 1	2		Importado- 1000 - 3000-Tipo 1	2
		> 3000-Piel-Tipo 1	2		Importado-Algodón-Tipo 1	2
					Mujer-> 3000-Lino	2
					1000 - 3000-Algodón-Tipo 1	2

4° Conjunto de atributos
		Hombre-> 3000-Piel	Tipo 1	2
		Importado- 1000 - 3000-Algodón	Tipo 1	2

Este es el último conjunto posible y se obtiene de combinar las reglas marcadas en verde en el conjunto 3, ya que los otros atributos no se pueden combinar ya que sus conjuntos solo son de un elemento.

Paso número cuatro.

Se generan las reglas posibles del último conjunto de atributos obtenido.

REGLAS DE:   Hombre-> 3000-Piel			Tipo 1					cobertura
	1	Sexo = Hombre & Precio = > 3000 & Tela = Piel -> Producto = Tipo 1						2/2
	2	Sexo = Hombre & Precio = > 3000 & Producto = Tipo 1 -> Tela = Piel						2/2
	3	Sexo = Hombre & Tela = Piel & Producto = Tipo 1 -> Precio = > 3000						2/2
	4	Precio = > 3000  & Tela = Piel & Producto = Tipo 1 -> Sexo = Hombre						2/2
	5	Sexo = Hombre & Precio = > 3000  -> Producto = Tipo 1 ,Tela = Piel						2/2
	6	Sexo = Hombre & Tela = Piel  -> Producto = Tipo 1 , Precio = > 3000						2/2
	7	Precio = > 3000 & Tela = Piel  -> Producto = Tipo 1 ,  Sexo = Hombre						2/2
	8	Precio = > 3000 & Producto = Tipo 1  -> Tela = Piel ,  Sexo = Hombre						2/3
	9	Sexo = Hombre &  Producto = Tipo 1  ->Tela = Piel, Precio = > 3000						2/3
	10	Tela = Piel & Producto = Tipo 1  -> Precio = > 3000  ,  Sexo = Hombre						2/2
	11	Sexo = Hombre   -> Producto = Tipo 1 ,Tela = Piel, Precio = > 3000						2/4
	12	Precio = > 3000  -> Producto = Tipo 1 ,Tela = Piel, Precio = > 3000,Sexo = Hombre						2/4
	13	Tela = Piel  -> Producto = Tipo 1 ,Tela = Piel, Precio = > 3000.Sexo = Hombre						2/3
	14	Producto = Tipo 1   -> Sexo = Hombre,Tela = Piel, Precio = > 3000						2/5
	15	-> Producto = Tipo 1 ,Tela = Piel, Precio = > 3000,Sexo = Hombre						2/8

Interpretando un par de las reglas, tenemos que para esta empresa:

1.      Los hombres tienden a gastar más de 3000 en productos de piel y prefieren el producto tipo 1.

2.      Los hombres buscan el producto tipo 1 de piel y con un costo mayor a 3000 pesos.

Conclusiones

En este artículo, vimos como es posible generar patrones de consumo a partir de un conjunto de datos definido. El algoritmo en cuestión es extremadamente sencillo y fácil de implementar, sin embargo existen otros algoritmos para generar reglas de asociación.

Es factible implementar este algoritmo empleando hojas de cálculo, tablas pivote y macros que armen las combinaciones por nosotros, o si se cuenta con una base de datos con algunas consultas predefinidas también es factible su implementación.

El conjunto de reglas detectado, permite tomar decisiones sobre el número de artículos que fabricar, adquirir, tendencias de tipo , gustos del cliente, etc. Este tipo de análisis es útil tanto al fabricante y  al distribuidor, como al vendedor.

En el próximo articulo platicaremos sobre la preparación del conjunto de datos la cuál es completamente independiente de la herramienta que emplee, así cuente con la más poderosa suite de inteligencia de negocios, el paso de preparar la información es indispensable. Presentaremos también herramientas de uso libre con las cuales podemos obtener las reglas de asociación mucho más rápido.

Copyright © 2011 Dafne Rosso Pelayo. Todos los derechos reservados