Blowout Aplicación Práctica 9 de Junio de 2017 Rafael Quintero Joaquin Suarez

Agenda Problemática Justificación de la problemática Análisis Solución planteada Metodología Arquitectura de la solución Prototipo Resultados Conclusiones Futuro de Blowout

Problemática 1

Mar rojo en el sector de bares y restaurantes Falta de diferenciación en la cadena de valor para ofrecer servicios. Bogotá D.C Entre el 2013 y 2015 el sector creció un 38,7% y en el 2016 los restaurantes un 13,1% Atracción no dirigida genera clientes sin identidad Connected

Falta de uso de nuevas técnicas de TI Promociones Masivas sin análisis Desconocimiento Tecnológico Desinterés informático Esfuerzos en la mejora de productos y servicios Precios mas bajos

Justificación de la problemática 2

Falencias en el uso de la información Funcionario Administrativo Cliente ? Recepción de datos Procesamiento Uso Recolección de datos personales de los clientes Recolección de datos de factura Realización de promedios de consumo total sobre clientes totales Se presenta informe promedios a socios Sistema de facturación

Desconocimiento del cliente Datos personales Consumo Productos Sector ¿Cómo identificar las preferencias de los consumidores frecuentes en el sector de bares y restaurantes, por medio del análisis de sus hábitos de consumo?

Análisis 3

Análisis de la solución Investigación del sector Entendimiento del Mercado Investigación del tecnicas de análisis de datos Minería de datos Reuniónes stakeholders claves Entendimiento del negocio Encuestas usuarios Entendimiento necesidad del cliente del sector 1 2 3 4

Usuarios claves Plataforma Web Administrador Operador APP Cliente

Solución planteada 4

Producto – Funcionalidades claves Desarrollar un sistema que recolecte, analice y provea información a las entidades del sector de bares y restaurantes, sobre los hábitos de consumo de sus clientes Cliente Minería de datos Establecimientos

Nuevo proceso aprovechando la información Recepción de datos Procesamiento Uso Recolección de datos personales de los clientes Recolección de datos de factura Realización de técnicas de minería de datos, Segmentación de clientes y reglas de asociación de los productos y servicios Creación de promociones diseñadas de acuerdo a los hábitos de consumo Sistema de facturación Con el conocimiento de los hábitos de consumo del cliente se puede realizar un acercamiento mas profundo a la experiencia de usuario y su fidelización Procesos automatizados Promociones personalizadas – promociones diseñadas de acuerdo a los hábitos de consumo Relación de datos del cliente con sus compras

Generación de clusters Información de usuarios Segmentación Elementos claves Cluster: Grupo de datos con comportamiento similar Atributos de clasificación: Atributos que comparten los datos, con los que se agrupan o se diferencian los grupos o clusters Centroide: Dato central del cluster, equidistante a los demás datos que están en el cluster Determinación de centroides y primeras agrupaciones Re análisis de las agrupaciones Generación de clusters Compras Información de usuarios Segmentacion - K means Representar los clusters con colores o que se entiende mejor que es un cluster

Reglas de asociación Elementos claves Premisa: Una conclusión o dato, ejemplo la compra de un producto Confianza:  Probabilidad de encontrar la conclusión de una regla condicionada en la premisa. Conclusión: Conjunto de conclusiones o datos, basados en la premisa La imagen no representa reglas de asociación Imagen tomada de https://gerardnico.com/wiki/data_mining/association Información de compras de los usuarios Grupos de productos que se compran juntos frecuentemente Generación de reglas de los grupos frecuentes que mas se repiten

Casos de uso Cliente Admin Operador CRUD cuenta cliente Ver establecimientos Seguir establecimiento Ver productos y servicios Obtener puntos de fidelidad Recibir promociones personalizadas CRUD reservas Recomendar APP Admin CRUD cuenta Administrador Gestionar cuenta establecimiento CRUD cuenta operador Solicitar minería de datos Crear Promociones Operador Modificar cuenta Operador Gestionar reservas Ingresar compra Visualizar promociones Canjear puntos de fidelización

Metodología 5

Agile Unified Process (AUP) – CRISP-DM Inicio Entendimiento del negocio. Elaboración del diseño SRS – SAD – Prototipo V1 1 2 Validaciones con el Usuario 4 3 CRISP-DM Creación Modelo de Análisis Modelo de datos construcción Prototipo V2. Gestión de configuración Gestión de proyectos Ambiente Desarrollo de pruebas

Creación del modelo de análisis de datos – CRISP-DM Metodología CRISP-DM Cross Industry Standard Process for Data Mining Modelos verificados Modelos a utilizar en el sistema. Creación de los modelos Técnicas de modelado, evaluación del modelo. Preparar los datos Seleccionar y limpiar datos, darles un formato. Entender los datos Describir, explorar y verificar datos iniciales. Entender el negocio Objetivos comerciales y objetivos de la minería. Preparación del modelo de negocio Que va a ofrecer el mercado? Como conseguir y conservar clientes?

Arquitectura de la solución 6

Vista general de Blowout Mineria de datos Reglas de asociacion y segmentación. Plataforma Web Para administradores y operadores. Aplicacion Movil Contacto con los clientes.

Vista general de Blowout Características claves Sistema Blowout Bases de datos Toma de datos de diferentes fuentes: Sistema de facturación Aplicación móvil Análisis de los datos Reglas de asociación Segmentación Persistencia Base de datos Integración de los módulos Java Aplicativo Móvil JPA/JDBC Cliente KSOAP/HTTP Portal Web Lógica del sistema SOAP/HTTP Administrador Explicar inconvenientes con conexión de sistema de facturación Operador Integración con facturación SOAP/HTTP Dificultad de acceso a los datos del sistema de facturación del establecimiento Sistema de facturación

Objetivos principales de la arquitectura Restringir el acceso a Rapidminer solo a los componentes necesarios Centralizar la recepción y respuesta a peticiones hechas a Blowout Asignar las responsabilidades equitativamente a cada componente, dependiendo la petición Permitir un desarrollo iterativo incremental, con retroalimentación de posibles usuarios y stakeholders

Despliegue N-Tiers Diseño por capas Quitar imagen de seguridad y rapidminer. Diagrama más grande

Modelo estrella

Modelo estrella Modelo estrella Facilidad Fácil acceso a la información para el análisis Información estructurada de acuerdo a un formato Modelo estrella Precisión Solo información necesaria para el análisis Información tratada previamente Tareas de análisis mas optimas Se hace un mínimo tratamiento a la información en el proceso de minería Facilidad de aplicación de nuevas técnicas de minería a futuro

Prototipo 7

Funcionalidades aplicación móvil Inicio de sesión - Registro

Funcionalidades aplicación móvil Menú principal Ver establecimientos presentes en el sistema Ver puntos de fidelización en la cuenta Crear una reserva Cerrar sesión en la aplicación Ver el código

Funcionalidades aplicación móvil Ver puntos de fidelización Cantidad de puntos del usuario Botón para redimir puntos

Funcionalidades aplicación móvil Ver establecimientos del sistema Lista desplegable con los establecimientos presentes en el sistema Botones para ver productos y promociones del establecimiento seleccionado Estrellas para calificar producto Botón para confirmar calificación

Funcionalidades aplicación móvil Hacer una reserva Datos de la reserva, nombre de la persona que la hace, documento, cantidad de personas, fecha y establecimiento Date picker en el campo de fecha, para facilitar su ingreso Botón para confirmar la reserva

Funcionalidades aplicación móvil Ver código Campo que muestra el código generado por el sistema Botón para generar un código

Funcionalidades aplicación web Inicio de sesión - Registro Campos para ingresar los datos Botón para iniciar sesión Hipervínculo para crear cuenta

Funcionalidades aplicación web – Administrador Menú principal Botón para obtener el informe de la segmentación Botones para gestionar los operadores Botón para obtener el informe de las reglas de asociación Botones para gestionar las promociones

Funcionalidades aplicación web – Administrador Informe de las reglas de asociación Confianza de la regla Productos en la premisa de la regla Botones para crear promociones con los productos de la regla Productos en la conclusión de la regla

Funcionalidades aplicación web – Administrador Promoción creada a partir de una regla de asociación Botón para quitar un producto de la promoción Nombre del producto

Funcionalidades aplicación web – Administrador Informe de la segmentación Atributos de clasificación Clusters en los que se dividió el análisis

Funcionalidades aplicación web – Administrador Informe de la segmentación Grafico de comparación Clusters por cada atributo Grafica de barras de compras por cluster

Funcionalidades aplicación web – Administrador Crear promoción Lista desplegable para agregar productos Datos de la promoción Botón para crear promoción

Funcionalidades aplicación web – Operador Ingresar compra Lista desplegable para agregar los productos de la compra Código del cliente que realiza la compra Botón para ingresar compra

Resultados 8

Validaciones con el usuario 2 Validaciones con los usuarios Utilidad percibida Facilidad de uso Calidad información Negocio Diseño visual Deficiente Regular Bueno

Resultados 1 2 27 de abril 11 de mayo 1 2 3 4 5 1 2 3 4 5 1 2 3 4 5 1 Utilidad percibida Facilidad de uso Calidad info. Diseño Negocio 1 2 3 4 5

Conclusiones 9

Conclusiones Importancia de los datos, Recolección y uso de los mismos, mínima o nula Desecho de datos que pueden contribuir a mejorar la relación con los clientes Aumento en la propuesta de valor del establecimiento por un mayor conocimiento de sus clientes Desarrollar el prototipo de un sistema que recolecte, analice y provea información a las entidades del sector de bares y restaurantes, sobre los hábitos de consumo de sus clientes.

18 casos de uso 70% Avance por casos de uso 5 casos de uso Avance total 5 casos de uso 70% 8 casos de uso

Futuro de Blowout 10

3 1 4 2 Nuevas iteraciones Evolución algoritmos Búsqueda de mas oportunidades sobre el análisis de los datos recolectados. Mejor K Encontrar el mejor k que realice la segmentación de clientes mas apropiada. 4 Nuevas integraciones Integrar el sistema con otras aplicaciones, permitiéndonos obtener mas datos de los clientes. 2 Integración Facturas Desarrollar el modulo de integración con las facturas del cliente para poder mejorar el rendimiento del sistema. Recolectar más datos de los clientes (integración con redes sociales)

Nuevos integrantes Alejandro Mesa Diseño Móvil Mario Velandia Diseño WEB

Gracias Blowout