|
|
Data Mining o Minería de Datos
Edward Canney
El objetivo principal de este artículo es compartir 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.
¿A quién se le ocurriría basar una
de tantas 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 ese negocio, 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.
El objetivo principal de este artículo es compartir 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 he leído de diferentes
autores y el supermercado que inicialmente publicó este caso
realmente no ha sido determinado, lo conozco de dos supermercados de
los Estados Unidos que son 7 Eleven, y Wal-Mart.
Hace algunos años uno de estos supermercados se hizo la pregunta
sobre qué productos se vendían con mayor frecuencia en compañía de
los pañales. Pues bien, ellos "minearon" 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 las esposas,
que en muchos casos hace el mercado de la casa, deja los pañales
para que el esposo los compre. El esposo y padre, 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
padres 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 (churning) basado en los patrones de
consumo de sus diferentes servicios, ó una compañía de venta directa
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. O una compañía productora de automóviles identificando los
problemas mas frecuentes en sus vehículos asociados al uso de estos,
a través de procesos de text mining. Todas estas estrategias serían
imposibles de llevar a cabo efectivamente sin un proceso de minería
de datos.
¿Usted podría encontrar la relación de consumo entre cerveza y
pañales conociendo un poco del negocio y utilizando una herramienta
de análisis que cree reportes dinámicos? Yo estoy seguro que sí,
pero con creo 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 estoy seguro es que sea 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 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 competidos 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. Los algoritmos mas
utilizados fueron creados hace 30 años, lo cual hace que hoy existen
productos de software para minería de datos que generan resultados
de alta confiabilidad.
Varios componentes de software
pueden ser descargados por Internet sin costo. Los grandes
vendedores de software para bases de datos, caso Microsoft, Oracle,
IBM, Teradata, llevan alrededor de 6 años incluyendo software para
minería de datos y cada nueva versión incluyen modelos mas
sofisticados y fáciles de manejar. Es el caso de Microsoft SQL
Server 2005 que ya incluye 9 modelos sin costo adicional del
licenciamiento de la base de datos y todo el software que soporta
los procesos de inteligencia de negocios. Les aseguro que, la
mayoría de ustedes que leen este artículo tienen ya licenciado al
interior de su organización el software para empezar a generar
conocimiento relevante a su negocio a partir de minería de datos.
¿Será que no creemos que necesitamos procesos automatizados que nos
ayuden a generar conocimiento relevante de cómo van y cómo mejoramos
nuestros negocios? Yo me niego a creer esto, más bien puede ser que
estamos viendo los proyectos de minería de datos como proyectos de
una alta inversión, con un alto riesgo, que necesita personas que
tengan un Ph.D., y que posiblemente la organización no sepa más
adelante qué hacer con el conocimiento generado.
Creo que tenemos
miopía si estamos de acuerdo con lo anterior porque existe una
metodología ya madura, el software fácilmente adquirible, las
personas altamente conocedoras en sus negocios, y compañías
colombianas como iGerencia que les ayudan a que sus proyectos sean
exitosos.
Autor: Edward Canney
Sitio Web: http://www.igerencia.com/
Tomado con Autorización de Mercadeo.com
|
