La descarga está en progreso. Por favor, espere

La descarga está en progreso. Por favor, espere

OMAR PACHON NANCY PARRA DIANA RODRIGUEZ LEIDY USECHE.

Presentaciones similares


Presentación del tema: "OMAR PACHON NANCY PARRA DIANA RODRIGUEZ LEIDY USECHE."— Transcripción de la presentación:

1 OMAR PACHON NANCY PARRA DIANA RODRIGUEZ LEIDY USECHE

2 Soporta el procesamiento informático al proveer una plataforma sólida, a partir de los datos históricos para hacer el análisis. Facilita la integración de sistemas de aplicación no integrados. Organiza y almacena los datos que se necesitan para el procesamiento analítico, informático sobre una amplia perspectiva de tiempo. Un Data Warehouse o Depósito de Datos es una colección de datos orientado a temas, integrado, no volátil, de tiempo variante, que se usa para el soporte del proceso de toma de decisiones gerenciales

3

4 En un almacén de datos lo que se quiere es contener datos que son necesarios o útiles para una organización, es decir, que se utiliza como un repositorio de datos para posteriormente transformarlos en información útil para el usuario. Un almacén de datos debe entregar la información correcta a la gente indicada en el momento óptimo y en el formato adecuado. El almacén de datos da respuesta a las necesidades de usuarios expertos, utilizando Sistemas de Soporte a Decisiones (DSS), Sistemas de información ejecutiva (EIS) o herramientas para hacer consultas o informes. Los usuarios finales pueden hacer fácilmente consultas sobre sus almacenes de datos sin tocar o afectar la operación del sistema.repositorio de datosSistemas de Soporte a DecisionesSistemas de información ejecutiva

5 Data mining es una categoría de herramientas de análisis open-end. En lugar de hacer preguntas, se toma estas herramientas y se pregunta algo "interesante", una tendencia o una agrupación peculiar, por ejemplo. El proceso de data mining extrae los conocimientos guardados o información predictiva desde el data warehouse sin requerir pedidos o preguntas específicas. Las herramientas Mining usan algunas de las técnicas de computación más avanzadas como: - redes neurales - detección de desviación - modelamiento predictivo y - programación genética para generar modelos y asociaciones. Mining es un dato-conducido, no una aplicación-conducida.

6 La utilidad de Data Mining se puede dar dentro de los siguientes aspectos:utilidad Sistemas parcialmente desconocidos: Si el modelo del sistema que produce los datos es bien conocido, entonces no necesitamos de la minería de datos ya que todas las variables son de alguna manera predecibles. Este no es el caso del comercio electrónico, debido a los efectos del comportamiento humano, el clima y de decisiones políticas entre otros. En estos casos habrá una parte del sistema que es conocida y habrá una parte aparentemente de naturaleza aleatoria. Bajo ciertas circunstancias, a partir de una gran cantidad de datos asociada con el sistema, existe la posibilidad de encontrar nuevos aspectos previamente desconocidos del modelo.variablescomportamiento humanoclimanaturaleza Enorme cantidad de datos: Al contar con mucha información en algunas bases de datos es importante para una empresa encontrar la forma de analizar "montañas" de información (lo que para un humano sería imposible) y que ello le produzca algún tipo de beneficio. Potente hardware y software: Muchas de las herramientas presentes en la minería de datos están basadas en el uso intensivo de la computación, en consecuencia, un equipo conveniente y un software eficiente, con el cual cuente una compañía, aumentará el desempeño del proceso de buscar y analizar información, el cual a veces debe vérselas con producciones de datos del orden de los Gbytes/hora (repetimos, algo humanamente imposible). Por ejemplo, las técnicas de Data Mining son utilizadas habitualmente para el análisis y explotación de datos de un Data Warehouse(véase la sección 1.2). El uso del Data Mining puede ser provechoso en el caso de poseer un Data Warehouseque contenga datos sobre sus procesos productivos, datos de seguimiento de clientes, datos externos de mercado, datos sobre la actividad de competidores, etc desempeño

7 Ejemplo de un problema asociado a Data Mining. Para poder generar una idea general del significado y aplicación de Data Mining, consideremos el siguiente problema: Suponga que usted es el gerente de mercadeo para una compañía de telefonía celular. El problema considera lo siguiente:gerentemercadeotelefonía celular La deserción de clientes es muy alta.clientes La producción(después de que el contrato expira) es del 40%.produccióncontrato Los clientes reciben un teléfonode regalo con el contrato.teléfono Usted paga una comisión de ventas por contrato. Se le da un teléfono nuevo a cada persona cuyo contrato ha expirado, lo cual es muy caro y por ende poco rentable para la compañía.persona Traer de regreso a un cliente después de que se va es difícil y caro. Posible solución al problema de ejemplo. Se debe predecir qué clientes abandonarán la compañía tres meses antes de que el contrato expire. Si queremos conservar a un cliente que creamos abandonará la empresa, se le debería ofrecer un nuevo teléfono.la empresa No hay que prestarle atención a los clientes que tienen altas posibilidades de quedarse en la empresa.empresa Si hay clientes que no deseamos conservar, simplemente no hacemos nada.

8 Ejemplos El Intelligent Miner de IBM para AIX soporta sofisticadas técnicas mining, así como las funciones de preparación de los datos para extraer información desde bases de datos Oracle o Sybase y cargarlos en DB2 para mining. Con su opción Data Mine para el motor Red Brick Warehouse 5.0, Red Brick integra la funcionalidad de un data mining y la arquitectura de almacenamiento. Otros ejemplos de herramientas data mining comerciales incluyen Darwin de Thinking Machines, herramientas de visualización de datos en MDDB de SAS Institute, SGI MineSet y Focus 6 Serie de Visualización y Análisis de Information Builders.

9 Pues bien, es muy fácil pretender hacer todo lo mencionado antes, pero ahora la pregunta es ¿cómo lo hacemos?. No podemos tomar decisiones a la ligera, ni tomar medidas de las cuales estamos seguros que fallarán, por ejemplo, suena absurdo, en cuestiones como éstas, recurrir a la lectura del Tarot. La solución debe basarse en algo más formal y coherente y una de esas alternativas es Data Mining.segurosla lecturaTarot Solución del problema ejemplo a través de Data Mining. La solución que puede dar Data Mining al ejemplo del problema mencionado en esta sección considera lo siguiente: Interactuar dinámicamente con el cliente. Trabajar hacia delante y no hacia atrás. Mejorar la calidad de la interacción.interacción ¿El cliente quiere interactuar? La línea de ganancias se salva. Optimizar el tiempo de interacción. Aumentar el valor del cliente constantemente. Aumentar el valor de vida del cliente.

10 El fulfillment es la etapa de la relación entre un cliente y un proveedor que se da cuando este último debe cumplir en tiempo y forma con todo lo que prometió: entrega de los productos o servicios, nivel de calidad asociado, plazos establecidos, garantías pautadas, entre otras alternativas. Por extensión, el e- fulfillment es un conjunto de herramientas tecnológicas orientadas a cubrir esta situación cuando se trata de operaciones realizadas a través del comercio electrónico. Las empresas notan, poco a poco, que participar del mundo del e-business no significa sólo montar un sitio Web y esperar a que los navegantes pasen por él y, en el mejor de los casos, realicen una compra. Una estrategia de negocios electrónicos no puede dejar al azar al e-fulfillment o, dicho de otra manera, a los mecanismos que garantizan que el cliente obtenga los productos solicitados a través de la Web en tiempo y forma. Data Fullfillment

11 Estrategias La tercerización. Con esta opción las empresas logran: Dejar el trabajo de logística en manos de un experto en el área, aumentando la calidad de la entrega; Disminuir el costo por orden de pedido, dado que se aprovecha la economía de escala que el proveedor de logística puede aportar; Enfocarse en el negocio de la compañía. Según la consultora de mercado IDC, la tercerización de servicios de logística en todo el mundo está en franco crecimiento. Esta organización cree que las sociedades entre las compañías de tecnología y los proveedores de servicios de logística de la economía tradicional irán teniendo una importancia creciente.

12 Logística y distribución. Una empresa que puede determinar a priori cuánto va a demorar en entregar sus productos y por qué medio lo hará y es capaz de transmitir esta información al cliente, elimina la tensión típica de la incertidumbre y aumenta la satisfacción del consumidor desde el preciso instante en que éste cerró su transacción. Integración con los sistemas de Inventarios, Compras y Producción. Una empresa no puede vender lo que no tiene, o que no tendrá en el corto plazo. Si una compañía tiene en su catálogo virtual un producto y, con un simple vistazo puede determinar si está en stock, si se producirá en breve o si se adquirirá al proveedor mayorista, podrá determinar con precisión al comprador si habrá demoras en la entrega y de cuánto tiempo serán. Una estrategia de e-fulfillment integrada con una de e-Procurement puede dar resultados óptimos en este aspecto. Integración con la estrategia de cobros (e-payment). Es probable que el encargado de la logística deba trabajar también en el área de cobranzas. Por esta razón es que necesitará en línea toda la información disponible sobre el estado de cuenta de la persona o empresa a la que se le entrega el producto y, si abona contra entrega, qué medio utilizará.

13 Integración con los sistemas CRM. La atención posterior al cliente y la capacidad de chequear de manera eficiente si el producto fue recibido tal como se esperaba es otra de las variables que puede lograr que un cliente permanezca dentro de la empresa. Además, un cliente debe tener el derecho de conocer en todo momento y a través de la Web en qué estado se encuentra su pedido: si ya fue procesado, si está por ser entregado, o cualquier otra alternativa

14 Que es el marketing viral El marketing viral lleva su nombre gracias al comportamiento que tienen los virus. La idea central en que se basa el marketing viral es la siguiente: el marketer "suelta" un virus y lo deja que se propague por sí solo, igual que como sucede con los virus que atentan contra nuestra salud, sólo que en este caso los virus son buenos, pues al propagarse ayudan a dar a conocer nuestra marca. La propagación sucede igual que en la naturaleza, se necesita ayuda de las personas quienes reciben el virus y lo trasmiten a otras, quienes a su vez lo re- transmiten y así sucesivamente hasta crear una gran red de infectados. El Internet viene a jugar un papel de facilitador en la tarea de la transmisión de virus pues simplifica las comunicaciones a distancia además de darles gran rapidez.

15 El ejemplo más típico de una estrategia de marketing viral es la que en un principio llevó a Hotmail a darse a conocer masivamente. Cuando el usuario del servicio envía un mensaje a sus amigos, al final aparece la leyenda "Get Your Private, Free from MSN Hotmail at cuando los amigos recibían el mensaje se enteraban, les interesaba, por lo que se registraban en Hotmail para obtener su cuenta gratis y al enviar mensajes a más amigos también aparece la mencionada leyenda, infectando cada vez a más personas.


Descargar ppt "OMAR PACHON NANCY PARRA DIANA RODRIGUEZ LEIDY USECHE."

Presentaciones similares


Anuncios Google