Rafael Zamora Garrido Julio 2009

2 Ejemplos de objetivos de Minería de Datos Reducir las bajas de clientes actuales en un 5%. Aumentar las contrataciones de nuevos clientes en un 8%. Aumentar la facturación de venta cruzada de productos a clientes actuales en un 3%. Predecir los clientes más propensos a contratar un nuevo producto con un 75% de precisión. Predecir qué clientes nos abandonarán en los próximos 6 meses.

3 ¿Qué es Data Mining? proceso La minería de datos es un proceso de análisis de datos cuyo objetivo es la identificación y extracción de conocimiento a partir de los datos. La minería de datos analiza datos con herramientas sofisticadas, que permiten la búsqueda de relaciones complejas en los datos. SQL La minería de datos se caracteriza por el descubrimiento de nuevo conocimiento, la cual contrasta con el enfoque de SQL, por ejemplo, que se limita a procesar y presentar los datos ya existentes en la base de datos.

4 ¿Qué es Data Mining? Estadística clásica Algoritmos de aprendizaje para clasificación y predicción Exploración de datos usando herramientas para su visualización gráfica y manipulación (Weka) técnicas La minería de datos utiliza diversas técnicas para analizar y procesar los datos:

5 Técnicas de Minería de Datos Clustering clustering El objetivo del clustering es definir grupos (o clusters) dentro de los cuales los casos (o los clientes) sean lo más parecidos posible. Por otra parte, los diferentes clusters deben ser, entre sí, lo más distintos posible. Ejemplo: Podemos definir dos clusters: los clientes más rentables y los clientes menos rentables. Dentro del cluster de los clientes más rentables, todos los clientes deben tener una rentabilidad por encima de un determinado umbral. Segmentación La segmentación es la división (o partición) de la totalidad de los datos en segmentos, según determinados criterios. Ejemplo: Clientes de banca Como ejemplo de segmentación, podemos considerar una base de datos de clientes de banca. Una segmentación útil sería en términos de rentabilidad: podríamos identificar tres grupos, los más rentables, los de rentabilidad media y los menos rentables. Para cada grupo podríamos identificar una serie de características. Por ejemplo, en el grupo de los clientes más rentables, la media de edad del cliente es de 49 años, mientras que en el grupo de los clientes menos rentables, la media de edad es de 27 años.. clustering segmentación Nota: No hay que confundir clustering con segmentación. La segmentación se usa para identificar grupos que tienen características comunes.

6 Técnicas de Minería de Datos Clasificación Consiste en examinar las características de una entidad nueva y asignarle una clase predefinida. Por ejemplo: Clasificar a un nuevo cliente según su riesgo de crédito (alto, medio, bajo). Ejemplo: Un ejemplo de una técnica de clasificación es la inducción de reglas; otro ejemplo es la red neuronal. La inducción de reglas La inducción de reglas crea un modelo construido a partir de reglas tipo if-then-else (si-entonces-si no). En general funciona tanto para valores numéricos como para valores categóricos. Los modelos tienen una serie de variables de entrada y una o más variables de salida, pero en contraste con las redes neuronales, se puede ver cómo llegan al resultado o salida. Por ejemplo, un modelo muy sencillo tendría tres variables de entrada, edad, estado civil, cuenta de ahorro, y una de salida, contrata hipoteca. Las dos reglas de proceso (el modelo de datos) podrían ser: "Si edad es entre 18 y 40 años y estado civil es casado y cuenta de ahorro = si entonces contrata hipoteca ⇒ si (18450,78%)" o "Si edad es mayor de 40 años y estado civil es casado y tiene cuenta de ahorro = no entonces contrata hipoteca ⇒ no (17490,66%)".

7 Técnicas de Minería de Datos Predicción A partir de un conjunto de datos históricos con resultado conocido, se pretende modelizar estos datos para conocer resultados futuros. Ejemplo:  Los clientes más probables a comprar un nuevo producto,  el pronóstico de un paciente,  las agrupaciones de clientes más rentables, etc. Un modelo predictivo tiene unas variables de entrada, tiene una o más variables de salida, y tiene un proceso intermedio que actúa sobre las entradas para producir la salida. Variables de Entrada Proceso Variables de Salida Asociación  Las asociaciones se identifican basándose en frecuencias entre los casos.  Se pueden identificar manualmente, pero hay herramientas que pueden hacerlo de forma automática.  Es una técnica particularmente útil en el análisis tipo " cesta de la compra " de ventas en supermercados y tiendas en general, y permite identificar productos que se suelen comprar juntos.

8 Modelos CRM Propensión de Compra Prospección de clientes nuevos. Identificar a los clientes más propensos en comprar producto/servicio. Venta Cruzada Clientes actuales, potenciar sus compras, ofrecerles otros productos/servicios. Retención Identificar clientes con más riesgo de darse de baja y realizar acciones para retenerles. Otros Modelos Win-Back: Recuperar clientes inactivos Detección de fraude: Identificar patrones atípicos Estudios de casuística: Identificar perfiles que diferencian a los clientes (regalo, descuento)

9 Creación de Modelos de Datos Definición de un objetivo de negocio Definición de un conjunto de datos Selección de variables Análisis de los datos usando diferentes técnicas. Creación de modelos de datos Pasos para la creación de modelos de datos: Ahora deberíamos disponer de un conjunto de datos con las variables seleccionadas, que podríamos dar como entradas a las técnicas de modelización

10 Ejemplo creación de Modelos de Datos Las dos reglas de proceso (el modelo de datos) podrían ser: "Si edad es joven y estado civil es soltero y tiene vivienda propia = no entonces compra coche deportivo ⇒ si (1500,65%)" o "Si edad es mediana y estado civil es casado y tiene vivienda propia = si entonces compra coche monovolumen ⇒ si (2800,72%)" Ejemplo (Proceso de inducción de C4.5) variables descriptivas Suponemos que disponemos de un fichero de datos de clientes con una serie de variables descriptivas sobre ellos: edad; estado civil con posibles valores casado, soltero, divorciado, viudo y sin especificar; vivienda propia con posibles valores sí y no. variable de salida Para cada cliente, también disponemos de una variable de salida que indica el tipo de coche que ha comprado con posibles valores coche deportivo, monovolumen, etc. La idea es entrenar un modelo predictivo con estos datos para que sea capaz de predecir con una alta precisión el tipo de coche que una persona comprará, únicamente a partir de los datos de entrada. La inducción de reglas crea un modelo construido a partir de reglas tipo "if-then-else" (si-entonces-si no). En general funciona tanto con valores numéricos como para valores categóricos. Los modelos otra vez tienen una serie de variables de entrada y una o más variables de salida, pero se diferencian de las redes neuronales en que se puede ver cómo llegan al resultado o salida. Suponemos que hemos dado los datos de entrada a la técnica C4.5, y ha producido un modelo de datos predictivo a partir de ellos. Por ejemplo, un modelo muy sencillo tendría las tres variables de entrada, edad, estado civil, vivienda propia, y una de salida, compra coche tipo....

11