E N D
2. CRISP: Fases de la metodología
3. CRISP: Selección de técnicas
4. CRISP: Tipología problemas DM
5. CRISP: Tipología problemas DM: ejemplos: DESCRIPCIÓN
6. DESCRIPCIÓN: Business Intelligence: definición Business Intelligence (B.I.) es el conjunto de técnicas destinadas a explotar los datos corporativos para mejorar la toma de decisiones de negocio mediante el acceso fácil a una información relevante y actualizada
“La información almacenada pero no utilizada cuesta dinero. La información explotada genera beneficios” También… COMPETITIVE INTELLIGENCE…También… COMPETITIVE INTELLIGENCE…
7. DESCRIPCIÓN: Business Intelligence: propuesta
8. DESCRIPCIÓN: Business Intelligence: etapas
9. DESCRIPCIÓN: Business Intelligence: arquitectura
10. Glosario de la Minería Explicar algunos. Enlace T.I.A.Explicar algunos. Enlace T.I.A.
11. DESCRIPCIÓN: BI: EIS y cuadros de mando
12. DESCRIPCIÓN: BI: propuesta concreta para A&A ETL: EXTRACTION, TRANSFORMATION, LOADINGETL: EXTRACTION, TRANSFORMATION, LOADING
13. DESCRIPCIÓN: BI: camino al EIS
14. DESCRIPCIÓN: BI: camino al EIS, el cubo OLAP
15. DESCRIPCIÓN: BI: el EIS
16. CRISP: Tipología problemas DM: ejemplos: SEGMENTACIÓN
17. Descripción del problema Cuestionarios de opinión
18. Un marco de DM
19. Análisis factorial
20. Análisis factorial: resultados
21. Análisis factorial: resultados
22. Análisis factorial: resultados
23. SEGMENTACIÓN: Ragu: GTM
24. SEGMENTACIÓN: Ragu: GTM: definición
25. SEGMENTACIÓN: Ragu: GTM: mapas de factores
26. SEGMENTACIÓN: Ragu: GTM: cuota de mercado
27. SEGMENTACIÓN: Ragu: perfil socio-demográfico HOUSEHOLD LIFESTAGE
Young singles
Childless younger couples
New families
Maturing families- Poor/getting by
Maturing families – Living comfortably/Affluent
Established families
Middle aged singles
Middle aged childless couples
Empty nesters - Poor/getting by
Empty nesters Living comfortably/Affluent
Older singles
28. CRISP: Tipología problemas DM: ejemplos: CONCEPTUAL
29. CONCEPTUAL: A&A: planteamiento de problema PROCESO 1: Análisis del incremento de cuota de mercado entre dos periodos temporales. Detección de segmentos de interés
periodos temporales:
Como un número de semanas consecutivas no coincidentes con un periodo Nielsen
como periodos Nielsen (cuatri-semanas)
como grupos de periodos Nielsen consecutivos.
Se pretenden obtener y definir, en función de las dimensiones del cubo de datos y de las variables (measures) disponibles, segmentos del mercado con comportamientos interesantes en la variación de cuota de mercado entre periodos temporales.
30. CONCEPTUAL: A&A: del cubo al árbol de decisión
31. CONCEPTUAL: A&A: árboles de decisión: MS
32. CRISP: Tipología problemas DM: ejemplos: CLASIFICACIÓN
33. CLASIFICACIÓN TESIS: comercio electrónico (B2C) Esto es parte de mi tesis de doctorado…Esto es parte de mi tesis de doctorado…
34. CLASIFICACIÓN TESIS: comercio electrónico: factores
35. CLASIFICACIÓN TESIS: comercio electrónico: resultados
36. CLASIFICACIÓN TESIS: comercio electrónico: resultados
37. CRISP: Tipología problemas DM: ejemplos: PREDICCIÓN
38. PREDICCIÓN: A&A: cuota de mercado PROCESO 3: Modelado de la cuota de mercado. Predicción a corto plazo para productos específicos en un contexto de competencia local
Modelado de la cuota de mercado para un producto específico, en un contexto localizado (ej.: Arbora/Dodot/Ultraseco/Talla Media, en el Área Nielsen 3 – Sur de España) Implica la definición de los productos en directa competencia con el escogido, dentro del contexto local elegido
El objetivo es generar previsiones de cuota de mercado para el futuro inmediato, asesorar el impacto en esa predicción de las variables con las que se ha construido el modelo, y permitir análisis de posibles escenarios futuros (ej., ¿cómo afectaría a la cuota de mercado de nuestro producto X, en el área Y, para la próxima cuatri-semana, el hecho reducir en un N% el precio del producto)
39. PREDICCIÓN: A&A: cuota de mercado
40. PREDICCIÓN: A&A: cuota de mercado
41. CRISP: Tipología problemas DM: ejemplos: DEPENDENCIAS
42. DEPENDENCIAS: Ragu: modelo gráfico por segmento Profiling: RACE / ORIGIN
White / Black / Oriental / Other
43. DEPENDENCIAS: Ragu: modelo gráfico por segmento Profiling: RACE / ORIGIN
White / Black / Oriental / Other
44. ¿Preguntas? Pues eso…Pues eso…