Ejemplos de busines intelligence

Solo disponible en BuenasTareas
  • Páginas : 6 (1480 palabras )
  • Descarga(s) : 0
  • Publicado : 3 de noviembre de 2010
Leer documento completo
Vista previa del texto
UNIVERSIDAD DE HUÁNUCO
SEDE – TINGO MARÍA
FACULTAD DE INGENIERÍA

“CASOS DE BUSSINES INTELLIGENCE”

ASIGNATURA : SISTEMAS DISTRIBUIDOS Y DESARROLLO WEB

DOCENTE : Ing. ELIZABETH MELIZA HERMITAÑO ORE

ALUMNO : MENDOZA SAJAMI, JUAN MANUEL

SEMESTRE : 2010 – II

TINGO MARÍA – PERÚ

EJEMPLOS PRÁCTICOS DE BUSINESS INTELLIGENCE

Ejemplo 1: Pañales y cervezas

Lo bueno dededicarse a un mundo tan especializado como el Business Intelligence en general, o el data mining en particular, es que con muy poco puedes ser considerado como todo un experto, y captar la atención del auditorio.

Para ser todo un experto en mineria de datos, sólo es necesario saber dos historias. Una la contaré hoy, y otra la dejaré para el próximo artículo, de esta manera -me cuentan- seconsigue un mayor suspense y aumenta el interés hacia este blog, tan interesante ya de por sí :-)

La historia, real o imaginaria, se situa a finales de lo 90, en la sede central de la cadena de supermercados Wal-Mart, donde decidieron iniciar un proyecto de basket analysis utilizando la ingente cantidad de información contenida en su Teradata datawarehouse.
Inicialmente, los resultados noparecieron muy espectaculares, ya que vieron que quien compraba pasta dentífrica también compraba cepillos de dientes; tampoco sorprendió que quien comprase whisky DYC inevitablemente adquiriese Cocacola... La sorpresa fue observar una correlación estadísticamente significativa entre la compra de pañales y cerveza.

Incorporaron la información de sus tarjetas de fidelización para profundizar en elestudio, y vieron que los compradores de cerveza y pañales eran varones de entre 25 y 35 años, que solían comprar estos productos conjuntamente los viernes por la tarde.

Con todos estos datos, fue fácil dar una explicación al fenómeno, y tomar medidas comerciales para aumentar las ventas, y justificar así el sueldo de todos estos analistas. Como los pañales son voluminosos, las madres enviaban alos padres de las criaturas a comprar los pañales, estos esperaban a último momento para hacerlo, y aprovechaban para comprar cervezas que se tomarían en casa, ya que en la sociedad americana está mal visto que un padre de familia frecuente los bares hasta tarde, y vuelva a casa dando tumbos...

Sea como fuere, tomaron la decisión de colocar las cervezas cerca de los pañales, con la intención deque los padres que compraban pañales y que no solían comprar cerveza, se acordasen que faltaba cerveza en casa. Me imagino que el argumento contrario también debe ser cierto, es decir, que los señores que iban a comprar cerveza, se acordasen que tienen un niño en casa.
Los resultados fueron espectaculares, o no estaría escribiendo sobre esto, y aumentaron entre un diez y un quince por cierto tantolas ventas de cevezas como de pañales.
La historia, real o no, es un buen ejemplo de los beneficios que puede aportar la minería de datos y, en particular, al análisis de la cesta de la compra (market basket analysis).
Ejemplo 2: Compañía Aseguradora

La duda de quiénes son los clientes rentables y cuáles los problemáticos para las compañías aseguradoras por fin fue resuelta: el grupo depoblación del sexo femenino cuya edad oscila entre los 25 y 39 años es el que registra menos reclamos por seguros de automóvil; en tanto los hombres de entre 18 y 25 años son una verdadera amenaza porque es justamente en este grupo de población en donde se reporta el mayor número de accidentes automovilísticos.

No fue un grupo de investigadores entrenados ex-profeso quien encontró la respuesta.Simplemente se utilizó la técnica de Data Mining (Minería de datos) en el Data Warehouse global de la empresa el cual está integrado, a su vez, con un sistema de soporte para la decisión. Solución: la compañía aseguradora en cuestión determinó diseñar un plan especial de aseguramiento con estímulos y descuentos atractivos para retener a sus clientes rentables, es decir, las mujeres de entre 25 y...
tracking img