Técnicas De Minería De Datos Que Podrían Trabajar En Conjunto Para Caracterizar Perfiles Y Predecir Futuras Compras De Clientes De La Empresa Zona T

Ambiente KDD para caracterizar perfiles y predecir comportamientos futuros de los clientes de la empresa Zona T
Kenny Alejandro Morelo Tapia, Ingeniería de Sistemas, Universidad de Cartagena,
28 de Julio de 2012,
kamt1128@hotmail.com

Resumen
Dentro de los software CRM analíticos existentes en el mercado, son pocos los que se alejan del modelo RFM tradicional, para descubrir patronesrecurrentes en el comportamiento de los clientes y tratar de predecir sus futuras compras; actualmente se esta marcando la tendencia a explotar de una mejor forma esta información del consumidor mediante la KDD, aplicando algoritmos de clasificación, segmentación, asociación y secuencia, de la Minería de Datos. Pero a pesar de la existencia de múltiples investigaciones al respecto, no se hamaterializado un escenario que integre estas funciones, y por lo tanto, utilizar a cada una de ellas como complemento una de la otra para lograr una profunda y completa investigación de las características de los clientes. Aquí se propone desarrollar un ambiente capaz de integrar estas funciones en la empresa Zona T.
Palabras Claves: KDD, Minería de Datos, Algoritmo, Predicción, Caracterización,Inducción, Clasificación, Segmentación, Asociación y Secuencia.
Abstract
Within the analytical CRM software on the market, few that deviate from the traditional RFM model to discover recurrent patterns in customer behavior and try to predict your future purchases, but today is setting the trend to exploit a best information the consumer, by KDD, applying classification algorithms, segmentation,association and sequence; data Mining. But despite the existence of multiple investigations into the matter, has not been realized a scenario that integrates these functions, and therefore use each complement one another to achieve a complete and thorough investigation of the characteristics customer. We propose to develop an environment capable of integrating these functions in the enterprise Zona T.1. Introducción.
El gran volumen de datos que se maneja en la actualidad, ha puesto de manifiesto que las técnicas clásicas de análisis de datos de clientes del CRM Analítico como la RFM (Recientes compras, Frecuencia de compra y Monto de la compra), son insuficientes para lograr los objetivos de clasificación, conocimiento y predicción del comportamiento de los clientes, perseguidos por lascompañías; con un mayor grado de probabilidad de ocurrencia. En este artículo se presenta una forma en que pueden aplicarse las nuevas técnicas de Minería de datos en la caracterización y predicción de futuras compras de los clientes de la empresa Zona T, sumando al análisis tradicional de datos dirigido a la verificación, el análisis dirigido al descubrimiento de conocimiento, dentro de un ambienteKDD.

2. ¿Descubrimiento del conocimiento en las bases de datos (KDD) o Minería de Datos?
En la actualidad se esta dando lugar a una paulatina sustitución del análisis de datos dirigido a la verificación, lo que se conocía como Minería de Datos, por un enfoque de análisis de datos dirigido al descubrimiento del conocimiento o KDD. La principal diferencia entre ambos se encuentra en que en elúltimo se descubre información sin necesidad de formular previamente una hipótesis. La cual realiza la aplicación automatizada de algoritmos de minería de datos permitiendo detectar fácilmente patrones en los datos, razón por la cual esta técnica es mucho más eficiente que el análisis dirigido a la verificación cuando se intenta explorar datos procedentes de repositorios de gran tamaño ycomplejidad elevada. La cual es la definición que muchos autores le han dado a la Minería de Datos, como es el caso de Witten y Frank (2000), que la definen como el “proceso de extraer conocimiento útil y comprensible, previamente desconocido, desde grandes cantidades de datos almacenados en distintos formatos”.
Aunque algunos autores usan los términos Minería de Datos y KDD indistintamente, como...