Blowout Aplicación Práctica 9 de Junio de 2017 Rafael Quintero

Presentación del tema: "Blowout Aplicación Práctica 9 de Junio de 2017 Rafael Quintero"— Transcripción de la presentación:

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

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

3 Problemática 1

4 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

5 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

6 Justificación de la problemática
2

7 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

8 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?

9 Análisis 3

10 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

11 Usuarios claves Plataforma Web Administrador Operador APP Cliente

12 Solución planteada 4

13 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

14 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

15 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

16 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 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

17 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

18 Metodología 5

19 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

20 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?

21 Arquitectura de la solución
6

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

23 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

24 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

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

26 Modelo estrella

27 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

28 Prototipo 7

29 Funcionalidades aplicación móvil
Inicio de sesión - Registro

30 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

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

32 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

33 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

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

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

36 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

37 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

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

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

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

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

42 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

43 Resultados 8

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

45 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

46 Conclusiones 9

47 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.

48 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

49 Futuro de Blowout 10

50 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)

51 Nuevos integrantes Alejandro Mesa Diseño Móvil Mario Velandia
Diseño WEB

52 Gracias Blowout