DCC. Dafne Rosso Pelayo
La inteligencia de negocio en la empresa, sólo puede lograrse mediante la adopción de medidas para alcanzarla.
Beneficios de la Inteligencia de Negocios
En los artículos iniciales presentamos un panorama de los beneficios que se obtienen de la implementación de la inteligencia de negocios y sistemas inteligentes, para citar nuevamente algunos de estos beneficios tenemos:
· Incrementar utilidades.
· Disminuir costos.
· Mejorar la planeación de inventarios.
· Segmentar los clientes.
· Implementar nuevas estrategias de venta de acuerdo a que se consume y quien lo consume.
· Generar promociones relacionadas a lo que se vende más o promociones sobre lo que se vende menos, según sea la estrategia más adecuada para su empresa.
· Mejorar la distribución de la mercancía apegándose a los productos que se consumen, adquieren o venden, o bien a los clientes que los adquieren.
· Priorizar sus estrategias de venta, mercadotecnia, presupuesto, etc.
· Contratar personal adecuado y con mayor afinidad a las características de sus clientes.
· Modificar y planificar su inventario y su publicidad, de acuerdo a los patrones de consumo de su empresa.
Planeando el tipo de análisis
Para introducir el tipo de resultados que se obtiene ejemplificamos en 1.3 y 1.6 algunas técnicas de minería de datos basadas en asociaciones.
En nuestro artículo anterior 1.7 introdujimos dos factores de éxito en el desarrollo de soluciones de inteligencia de negocio, estos son:
· La preparación de los datos
· Objetivo del análisis o de la solución de inteligencia de negocios
El tipo de técnica que se implementa en una solución de Inteligencia de Negocio, está completamente relacionado con el Objetivo del análisis o de la solución de inteligencia de negocios, es decir, depende del segundo factor de éxito.
Objetivo del análisis o de la solución de inteligencia de negocios.
Para determinar el objetivo, se debe de preguntar ¿qué persigue al desarrollar una solución de inteligencia de negocio?, ¿qué es lo que quiere alcanzar? supongamos:
¿Quiere aumentar la satisfacción del cliente? ¿Quiere ofrecer a sus clientes productos y servicios de acuerdo al perfil del cliente?
Entonces es necesario a) clasificar o agrupar a sus diversos tipos de clientes, b) verificar el patrón de consumo de cada grupo de clientes c) asociar los productos y/o servicios con los grupos de clientes.
¿Quiere aumentar sus ventas?
Entonces podría por ejemplo, a) asociar productos más vendidos y crear nuevas promociones o lanzar nuevas líneas de productos basadas en, b) las características de los productos más vendidos.
¿Quiere planificar su presupuesto o inventario?
Entonces podría hacer una predicción basada en el comportamiento de meses o temporadas anteriores
La lista es muy grande. Lo que debemos resaltar de este punto es la importancia de conocer lo que quiere alcanzar porque de eso depende el tipo de técnica a implementar. Las técnicas de análisis no son excluyentes, se pueden aplicar varias técnicas de análisis avanzado al mismo conjunto de datos para satisfacer varios objetivos.
Como comentábamos anteriormente en otro artículo, independientemente de la plataforma de Inteligencia de Negocio que utilice ya sea: Excel con un add-in de minería de datos; software libre; una solución parcial de Inteligencia de Negocio; o una suite completa de Inteligencia de negocio, este paso no se lo puede saltar.
Que ofrecen los análisis avanzados
Para mostrar con mayor claridad que es lo que se puede obtener de los análisis avanzados voy a segmentar los beneficios puede encontrar en dos enfoques: (1) los beneficios de las suites de inteligencia de negocios y (2) los beneficios de los tipos de análisis avanzado. La siguiente figura muestra como se clasifican y dividen estos grupos.
Figura 1. Algunos elementos de Inteligencia de negocios
Ahora planteemos que es lo que ofrece cada uno de estos elementos al negocio. Comencemos con los elementos de cómputo inteligente.
Sistemas Inteligentes
Soft computing o computación inteligente la constituye una gama de técnicas que permiten construir soluciones que se adaptan de mejor manera a la naturaleza intrínseca de los problemas y permiten la construcción de soluciones o sistemas que se conocen como sistemas inteligentes.
Los sistemas inteligentes pueden lidiar con la incertidumbre y la imprecisión de la información, permitiendo librar obstáculos como datos incompletos, ruido en la información, ambigüedad e información no estructurada entre otros.
Dentro de los sistemas inteligentes encontramos a la minería de datos, así como diversas técnicas de aprendizaje y optimización. La siguiente figura muestra algunos de los elementos que integran este bloque.
Figura 2. Análisis avanzados
Clasificación
Su objetivo es determinar el comportamiento de un atributo en término del resto de los atributos, esto es, cual es el valor que se obtendría de un atributo (ej. tipo de coche) en consecuencia del valor de los otros atributos (ej. edad, sexo, precio, dirección, etc.).
Asociación
Permite relacionar por dependencias a los atributos, como los ejemplos indicados en 1.3 y 1.6 indica que al suceder el atributo X, entonces sucede el atributo Y (X -> Y). Por ejemplo, para un SPA en particular, indica que a quien le gusta tomar un sauna también le gusta una limpieza facial (sauna -> limpieza facial).
Agrupaciones
Crea grupos de acuerdo a la similitud de los atributos. Por ejemplo, si está buscando segmentar sus clientes de acuerdo las características comunes que poseen, requiere de un análisis de agrupación. Las técnicas de agrupación buscan similitudes entre los datos y forman grupos de aquellos elementos que tienen mayores semejanzas entre ellos.
Predicción
Predice valores futuros en base a valores pasados. Si usted está buscando un estimado de la venta de café, por ejemplo, cuando la temperatura oscila entre el 0 ° C y 10 ° C, un análisis de este tipo crea una aproximación de lo que pudiera ocurrir en la próxima temporada de frío, basado en el comportamiento de los datos pasados, permitiéndole prever el servicio y el inventario.
Minería de datos dirigida y minería de datos no dirigida
Minería de datos dirigida y minería de datos no dirigida son dos tipos de minería de datos en las que se ubican las anteriores técnicas. La minería de datos es dirigida, cuando se sabe el tipo de resultado que se va a obtener, por ejemplo, un análisis de clasificación toma un atributo sobre el cual se va a basar el análisis, los valores de ese atributo ya se conocen. Por ejemplo, el atributo Resultado tiene tres valores posibles (compra, no compra, apartado), el análisis lo que hace es determinar cómo se comportan los otros atributos (que valores toman los otros atributos) de acuerdo al valor del atributo Resultado.
La minería de datos es no dirigida cuando no se conoce los posibles tipos de resultado, por ejemplo si usted va a segmentar un grupo de datos, realmente no se sabe cuántos conjuntos pueda obtener.
En el siguiente artículo trataremos los beneficios que ofrece una suite de inteligencia de negocio e iremos particularizando ejemplos para cada tipo de analítico avanzado.
Copyright © 2011 Dafne Rosso Pelayo. Todos los derechos reservados.
No hay comentarios:
Publicar un comentario