DCC. Dafne Rosso Pelayo
La inteligencia de negocio en la empresa, sólo puede lograrse mediante la adopción de medidas para alcanzarla.
En el artículo anterior realizamos un resumen de la solución de inteligencia de negocio (caso de ejemplo) que estamos desarrollando para una inmobiliaria. Previamente comentamos los pasos necesarios y algunos tips para realizar el diseño de una solución de inteligencia de negocio: En este artículo incluiremos el diseño de nuestro caso de ejemplo.
Las actividades de diseño para este caso en particular se encuentran en la siguiente tabla y fueron presentados en el art 14.
Tabla 1. Actividades de diseño
Recabar la información | Estructuras que contendrá la información para su tratamiento |
Construir el Modelo de Datos | Diseño de los elementos de la BD (tablas, nombres, relaciones, llaves, etc.) |
Construcción del modelo de análisis | Selección de información para el tipo de análisis, estructura de la información. |
Pruebas del modelo de análisis | Elaboración de pasos de prueba (scripts) |
Diseño del reporte/tableros de salida | Elementos y formatos para los reportes/tableros / consultas |
Pruebas del reporte de salida | Elaboración de pasos de prueba (scripts) |
A continuación daremos un ejemplo de diseño de estos pasos basado en nuestra solución de inteligencia de negocio particular.
Estructuras de información
Las estructuras de información deben generarse para cada tipo de información considerada. La siguiente tabla contiene la estructura que corresponde a la información de clientes, para satisfacer el objetivo Segmentar a los clientes. La segmentación de clientes se refiere identificar cuáles son los tipos de clientes con que se cuenta.
Tabla 2. Estructura de datos para contener la información de clientes
Nombre campos | Contenido | Tipo de dato | ||||
Clave del cliente | Alfanumérico | |||||
Edad | numérico | |||||
Sexo | M Masculino | F Femenino | Alfanumérico | |||
Número de integrantes en la familia | numérico | |||||
Número de Dependientes económicos | numérico | |||||
Precio de la casa comprada /buscada | numérico | |||||
Ingresos Anuales Totales | numérico | |||||
Monto de Adeudos | numérico | |||||
Trabajo | (1) Persona Física | (2) Persona Moral | numérico | |||
Lugar de nacimiento | país /estado | Alfanumérico | ||||
Años de Residencia en el estado | numérico | |||||
Motivo de compra | (1) Inversión | (2) Cambio de vivienda | (3) Trabajo | numérico | ||
Día de compra | numérico | |||||
Tipo de compra | (1) contado | (2) crédito bancario | (3) Infonavit | (4) Infonavit + crédito bancario | (5) Infonavit + crédito bancario + efectivo | numérico |
Fecha | fecha |
Diseño del modelo de datos
Las herramientas seleccionadas para realizar el almacenamiento y tratamiento de la información fueron Excel y Weka. Por lo tanto no hay que realizar un modelo de la estructura de base de datos para almacenar la información.
Usted por el contrario, puede escoger utilizar un manejador de base de datos o un cubo. En el caso de una base de datos deberá seleccionar el nombre de las tablas, los campos que identificarán de manera única al registro, los campos que relacionarán la tabla con otras y el tipo de relación que contendrán. Por ejemplo, en este caso, tendríamos una tabla clientes, una tabla para vendedores, otra tabla viviendas, es decir una o más tablas para cada tipo de información. El uso de cubos de información lo trataremos más adelante en el blog a fin de poder explicar ampliamente que son y cómo se construyen.
Diseño del modelo de análisis
Son varios los análisis que requerimos hacer para lograr el objetivo principal. Es necesario para cada análisis identificar la información de entrada, su estructura y el tipo de análisis que realizará. Para el objetivo particular de Segmentar los clientes, debemos realizar un análisis de minería de datos. En el caso de la segmentación mi recomendación es aplicar dos tipos de análisis diferentes para ver cómo se comportan los datos y analizar cuál es el(los) resultado(s) más provechoso(s) que ofrece(n) las mayores aportaciones a la toma de decisiones de la inmobiliaria, es decir, aplicaremos varios análisis a fin de quedarnos con los resultados que mayores beneficios ofrezcan a la empresa.
Recordando un poco los tipos de análisis de minería de datos mencionados en el art 1.8, tenemos este par de definiciones:
Clasificación
Su objetivo es determinar el comportamiento de un atributo en término del resto de los atributos, esto es, cuál 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.).
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.
Por lo tanto los tipos de análisis que realizaremos son: minería de datos de clasificación y minería de datos de agrupaciones, empleando los diferentes modelos (algoritmos) que contiene WEKA para este tipo de análisis y tomando los que mejores resultados nos ofrecen.
Los campos de datos a analizar se encuentran en la siguiente figura (columnas), corresponden a los datos de la tabla 2, es muy fácil para nosotros su identificación, dado que usamos una hoja de cálculo, son prácticamente todos los que pertenecen a la hoja de Clientes. Si tiene una base de datos, deberá construir el conjunto de datos proveniente de las tablas que contengan información relacionada con clientes, lo que conlleva un diseño de ETL que extraerá e integrará la información.
Fig 1. Campos para el análisis de clientes
Diseño del reporte/tableros de salida
Los diseños correspondientes a las salidas deben contener los elementos que brinden la información necesaria y suficiente para la toma de decisiones, lo realmente importante es contar con la información requerida. Recuerdo un proyecto donde mi equipo de trabajo y yo, nos tardamos mucho más tiempo del planeado en concluir un conjunto de reportes por que los usuarios una vez finalizados los reportes con el diseño acordado, volvían a pedir cambios en el diseño, cambiaban el diseño de los reportes una y otra y otra vez. Créanme no importa si el titulo se coloca en color azul o negro, si va en negrita o subrayado, si la fecha se coloca en la esquina izquierda o en la esquina derecha, si se usa un tipo de letra Arial o un tipo de letra distinto, lo que importa es que contengan la información relevante para la toma de decisiones.
A continuación presentamos los diseños de los reportes para el resultado de los análisis.
Fig 2. Reporte 1
Fig 3. Reporte 2
Fig 4. Reporte 3
Fig 5. Tablero 1
Diseño de pruebas del reporte de salida
El diseño de pruebas incluye probar los reportes con datos, para verificar con el usuario: que el diseño sea el acordado; y la información que genera el reporte sea correcta. Se escoge un subconjunto de datos y se genera el conjunto de salidas para su validación.
El diseño que presentamos sólo es para el conjunto de información de clientes y para el objetivo Segmentación de clientes, es necesario generar el diseño de la solución completa.
Ahora bien, ¿a caso no le gustaría saber cuál es el monto de ingresos obtenidos de las ventas por tipo de cliente?. Por supuesto, para lograr nuestro objetivo principal es indispensable, así sabremos que tipo de cliente compra más y podremos entre otras cosas , dirijir hacia este tipo de cliente las campañas publicitarias. Por lo tanto los diseños deben involucar consideraciones de información cruzada. En el siguiente artículo trataremos el tema de cambios e incorporaciones en el alcance y diseño de la solución de inteligencia de negocio siguiendo una metodología agil.
Copyright © 2011 Dafne Rosso Pelayo. Todos los derechos reservados.
No hay comentarios:
Publicar un comentario