SlideShare una empresa de Scribd logo
1 de 4
1
Utilizando la Ciencia de Datos en una
organización
Anghelo Daniel Pérez Martínez
Jalisco, México. Marzo de 2021
Curso: Introducción a la Ciencia de Datos y el Big Data
2
Índice
Utilizando la Ciencia de Datos en una organización
Objetivo
Analizar fuentes de información externas e internas de una organización a través de herramientas
computacionales para generar un modelo basado en Ciencia de Datos como apoyo a la toma de
decisiones.
Datos de la empresa
Nombre:Librería Iztaccihuatl
Giro:Ventade libros
Domicilio:Monterrey,NuevoLeón,México
Objetivo:Desarrollarunproyectobasadoencienciade datospara mejorarsus indicadoresde
desempeño(KPI’s) yala vezdesarrollarunamejorestrategiaenlatomade decisiones.
¿Qué indicadoresserían losmás importantesa determinarde acuerdo a la informaciónpresentada?
KPIs
 Libromás vendido.Mantenersiempre enexistenciaypreverdemanda
 Top 20 librosmásvendidos.Mantenersiempre enexistenciaypreverdemanda
 Top 20 menosvendidos. Dejarde comprarunidadesparadescontinuarsuventa.
 Libromejorpuntuado.Paraasignarle lamayor publicidad.
 Top 20 librosmejorpuntuados.Paradarlespromociónextra.
 Libropeor puntuado.Retirarlodel catálogo
 Generomás vendido
3
¿Qué tipo de análisissería el más adecuado y por qué?
El Análisisdescriptivoesel másrecomendadoporel tipode informaciónconlaque se cuentay ya que
no hayun antecedente de otroproyectode analíticaimplementadoparalaempresa.Posterioraeste
proyecto,se recomendandoavanzaraun análisispredictivo.
¿Qué decisionesse podrían tomar basadas enlos descubrimientosoinferenciasde la información
analizada?
 En qué librosinvertirmásdineroparapublicidad.
 Decisionesde cadenade suministro,cualeslibroshayque mantenersiempreenexistenciay
cualesesmejordejarde comprarlos.
 Qué géneroestáentendencia,paracrear campañasde mercadotecnia
Estrategia de implementación
Se utilizarálametodologíaCRISP-DM,se iniciaentendiendoel problemade negocioyposteriormente,
losdesafíostécnicosde laimplementación.Lospasosa seguirsonlossiguientes:
 Análisisdel problema.Entenderel problemaycumplirconel objetivodel proyecto.
 Análisisde losdatos.Analizarsi se disponede losdatosadecuados.
 Preparaciónde datos.Los datosse procesar para podersertratados mediante lastécnicasde
modeladoseleccionadas.Incluye actividadescomolimpiezade datos,generaciónde variables
adicionalese integraciónde variasfuentesde datos.
 Modelado. Se seleccionanlastécnicasde modeladomásapropiadasparael proyectode
acuerdocon sus objetivos.
 Evaluación.Se evalúael modelonodesdeel puntode vistade losdatos,sinodel cumplimiento
de loscriteriosde éxitodel problema.
 Explotación.Mantenimiento,visualizaciónydifusiónde lasolución.
Justificación
Se elige la metodología CRISP-DMpor su enfoque en el problema empresarial antes que, en el aspecto
técnico, ya que en este caso se pretende generar un beneficio a un negocio, posterior al entendimiento
del problemade negocio,se realizaelanálisistécnicodel problema.De este modolagestióndelproyecto
será más completa pudiendo obtener tareas tanto administrativas como técnicas.
Buenas prácticas recomendadas
4
Seguirlospasosde la ampliamentemetodologíaaceptadaenlaindustriaCRIPS-DM
No definirprimerolascuestionestécnicassinoel problemaylosobjetivosbuscados
El modelose validade acuerdoconel cumplimientode los criteriosde éxitodel problema,node los
datos.
Evaluación
Antes de proceder al despliegue final del modelo, es importante evaluarlo a fondo y revisar los pasos
ejecutadosparacrearlo,comparar el modeloobtenidoconlosobjetivosde negocio.Unobjetivoclave es
determinarsi hayalgunacuestiónimportantede negocioque nohayasidoconsideradasuficientemente.
Conclusiones
El proyectoapropiadoparala empresaesunanálisisdescriptivo,yaque nose cuentacon ningún
proyectoimplementadopreviamente,primerohayque saberel estadoactual de laempresapara
posteriormente pensarenmejoras.Se elije lametodologíaCRISP-DMlacual toma encuentael
problemade negocioantesque lasolucióntécnica,algofundamentalparalograrel éxitoal alcanzarlos
objetivosque sonmejorarKPIsydesarrollarunaestrategiade tomade decisiones.ConlosKPIs
definidos,seráposible cumplirsatisfactoriamenteconel proyecto.

Más contenido relacionado

La actualidad más candente

Trabajo intro a la ciencia de datos
Trabajo intro a la ciencia de datosTrabajo intro a la ciencia de datos
Trabajo intro a la ciencia de datosEsneiderOrozcoVidal
 
Practica de metodologías para proyectos de ciencia de datos
Practica de metodologías para proyectos de ciencia de datosPractica de metodologías para proyectos de ciencia de datos
Practica de metodologías para proyectos de ciencia de datosAngelGalindoQuintero
 
Big data Caso Libreria Iztaccihuatl
Big data Caso Libreria IztaccihuatlBig data Caso Libreria Iztaccihuatl
Big data Caso Libreria IztaccihuatlPaola Quiroz Alvarez
 
Actividad individual big data
Actividad individual big dataActividad individual big data
Actividad individual big datacnino6
 
Aplicación de La ciencia de datos en una Organización
Aplicación de La ciencia de datos en una OrganizaciónAplicación de La ciencia de datos en una Organización
Aplicación de La ciencia de datos en una OrganizaciónFernando Aguada
 
Practica con evaluación entre pares. Ciencia de Datos.
Practica con evaluación entre pares. Ciencia de Datos.Practica con evaluación entre pares. Ciencia de Datos.
Practica con evaluación entre pares. Ciencia de Datos.LeonardoGutierrezDal
 
Utilizando la ciencia de datos en una organizacion
Utilizando la ciencia de datos en una organizacionUtilizando la ciencia de datos en una organizacion
Utilizando la ciencia de datos en una organizacionAlejandro Uribe Rodriguez
 
Caso ciencia de datos libreria iztaccihuatl mauricio figueroa
Caso ciencia de datos libreria iztaccihuatl mauricio figueroaCaso ciencia de datos libreria iztaccihuatl mauricio figueroa
Caso ciencia de datos libreria iztaccihuatl mauricio figueroaMauricio Figueroa Colarte
 
Utilizando la Ciencia de Datos en una organización
Utilizando la Ciencia de Datos en una organizaciónUtilizando la Ciencia de Datos en una organización
Utilizando la Ciencia de Datos en una organizaciónsram0s
 
Proyecto herramientas para el análisis de big data
Proyecto herramientas para el análisis de big dataProyecto herramientas para el análisis de big data
Proyecto herramientas para el análisis de big dataMarcoPoloSanchez1
 
Utilizando la ciencia de datos en una organización
Utilizando la ciencia de datos en una organizaciónUtilizando la ciencia de datos en una organización
Utilizando la ciencia de datos en una organizaciónDiego Farfan
 
Caso de estudio librería iztaccíhuatl
Caso de estudio librería iztaccíhuatlCaso de estudio librería iztaccíhuatl
Caso de estudio librería iztaccíhuatlFraniel Ricoveri
 
Bigdata Herramientas Caso Libreria Iztaccihuatl
Bigdata Herramientas Caso Libreria IztaccihuatlBigdata Herramientas Caso Libreria Iztaccihuatl
Bigdata Herramientas Caso Libreria IztaccihuatlPaola Quiroz Alvarez
 
Trabajo de ciencia de datos evaluado por pares
Trabajo de ciencia de datos evaluado por paresTrabajo de ciencia de datos evaluado por pares
Trabajo de ciencia de datos evaluado por paresFrancoGotuzzo
 
Utilizando la ciencia de datos en una organización
Utilizando la ciencia de datos en una organizaciónUtilizando la ciencia de datos en una organización
Utilizando la ciencia de datos en una organizaciónKozhaya Elias Sfeir
 
Práctica de evaluación entre pares
Práctica de evaluación entre paresPráctica de evaluación entre pares
Práctica de evaluación entre paresSofía Ardila
 

La actualidad más candente (20)

Trabajo intro a la ciencia de datos
Trabajo intro a la ciencia de datosTrabajo intro a la ciencia de datos
Trabajo intro a la ciencia de datos
 
Practica de metodologías para proyectos de ciencia de datos
Practica de metodologías para proyectos de ciencia de datosPractica de metodologías para proyectos de ciencia de datos
Practica de metodologías para proyectos de ciencia de datos
 
Big data Caso Libreria Iztaccihuatl
Big data Caso Libreria IztaccihuatlBig data Caso Libreria Iztaccihuatl
Big data Caso Libreria Iztaccihuatl
 
Actividad individual big data
Actividad individual big dataActividad individual big data
Actividad individual big data
 
Aplicación de La ciencia de datos en una Organización
Aplicación de La ciencia de datos en una OrganizaciónAplicación de La ciencia de datos en una Organización
Aplicación de La ciencia de datos en una Organización
 
Practica con evaluación entre pares. Ciencia de Datos.
Practica con evaluación entre pares. Ciencia de Datos.Practica con evaluación entre pares. Ciencia de Datos.
Practica con evaluación entre pares. Ciencia de Datos.
 
Utilizando la ciencia de datos en una organizacion
Utilizando la ciencia de datos en una organizacionUtilizando la ciencia de datos en una organizacion
Utilizando la ciencia de datos en una organizacion
 
Caso ciencia de datos libreria iztaccihuatl mauricio figueroa
Caso ciencia de datos libreria iztaccihuatl mauricio figueroaCaso ciencia de datos libreria iztaccihuatl mauricio figueroa
Caso ciencia de datos libreria iztaccihuatl mauricio figueroa
 
Utilizando la Ciencia de Datos en una organización
Utilizando la Ciencia de Datos en una organizaciónUtilizando la Ciencia de Datos en una organización
Utilizando la Ciencia de Datos en una organización
 
Proyecto herramientas para el análisis de big data
Proyecto herramientas para el análisis de big dataProyecto herramientas para el análisis de big data
Proyecto herramientas para el análisis de big data
 
Utilizando la ciencia de datos en una organización
Utilizando la ciencia de datos en una organizaciónUtilizando la ciencia de datos en una organización
Utilizando la ciencia de datos en una organización
 
Caso de estudio librería iztaccíhuatl
Caso de estudio librería iztaccíhuatlCaso de estudio librería iztaccíhuatl
Caso de estudio librería iztaccíhuatl
 
evaluacion por pares
evaluacion por paresevaluacion por pares
evaluacion por pares
 
Bigdata Herramientas Caso Libreria Iztaccihuatl
Bigdata Herramientas Caso Libreria IztaccihuatlBigdata Herramientas Caso Libreria Iztaccihuatl
Bigdata Herramientas Caso Libreria Iztaccihuatl
 
Big data ejercicio
Big data ejercicioBig data ejercicio
Big data ejercicio
 
Trabajo de ciencia de datos evaluado por pares
Trabajo de ciencia de datos evaluado por paresTrabajo de ciencia de datos evaluado por pares
Trabajo de ciencia de datos evaluado por pares
 
Utilizando la ciencia de datos en una organización
Utilizando la ciencia de datos en una organizaciónUtilizando la ciencia de datos en una organización
Utilizando la ciencia de datos en una organización
 
Trabajo big data
Trabajo big data Trabajo big data
Trabajo big data
 
Evaintro
EvaintroEvaintro
Evaintro
 
Práctica de evaluación entre pares
Práctica de evaluación entre paresPráctica de evaluación entre pares
Práctica de evaluación entre pares
 

Similar a Introduccion a la ciencia de datos

Desayuno Data science - Aplicaciones en métricas & Analytics
Desayuno Data science - Aplicaciones en métricas & AnalyticsDesayuno Data science - Aplicaciones en métricas & Analytics
Desayuno Data science - Aplicaciones en métricas & Analyticsamdia
 
Introducción al Business Intelligence y al Big Data
Introducción al Business Intelligence y al Big DataIntroducción al Business Intelligence y al Big Data
Introducción al Business Intelligence y al Big DataDavid Hurtado
 
inteligencia de negocios
inteligencia de negociosinteligencia de negocios
inteligencia de negociosliaslide2015
 
RESUMEN DEL MODELO BIG 6.pdf
RESUMEN DEL MODELO BIG 6.pdfRESUMEN DEL MODELO BIG 6.pdf
RESUMEN DEL MODELO BIG 6.pdfGloriaMelndez2
 
Proyecto big data
Proyecto big dataProyecto big data
Proyecto big dataASOziel
 
CURSO - Datathinking, gestión y monetización de los datos.pdf
CURSO - Datathinking, gestión y monetización de los datos.pdfCURSO - Datathinking, gestión y monetización de los datos.pdf
CURSO - Datathinking, gestión y monetización de los datos.pdfRAULOBREGONT
 
Data Science 2019: ¿Qué diablos es la Ciencia de Datos?
  Data Science 2019: ¿Qué diablos es la Ciencia de Datos?  Data Science 2019: ¿Qué diablos es la Ciencia de Datos?
Data Science 2019: ¿Qué diablos es la Ciencia de Datos?Multiplica
 
Gerencia Del Conocimiento Ss
Gerencia Del Conocimiento SsGerencia Del Conocimiento Ss
Gerencia Del Conocimiento SsIndiana19
 
Big data,inteligencia artificial, analisis predictivo
Big data,inteligencia artificial, analisis predictivoBig data,inteligencia artificial, analisis predictivo
Big data,inteligencia artificial, analisis predictivoRicardoOrozco44
 
Investigación de mercados, el proceso.
Investigación de mercados, el proceso. Investigación de mercados, el proceso.
Investigación de mercados, el proceso. Reynaldo Real
 
guia definitiva_inteligencia_empresarial
guia definitiva_inteligencia_empresarialguia definitiva_inteligencia_empresarial
guia definitiva_inteligencia_empresarialFelipe Zamora
 
Inteligencia de Negocios
Inteligencia de NegociosInteligencia de Negocios
Inteligencia de Negocioselsebir
 
Trabajo conceptos ayudantía
Trabajo conceptos ayudantíaTrabajo conceptos ayudantía
Trabajo conceptos ayudantíaSergio Yañez
 
Inteligencia de negocios
Inteligencia de negociosInteligencia de negocios
Inteligencia de negociosjeffersonjsk
 

Similar a Introduccion a la ciencia de datos (20)

MDM_Sesion_1_PPT.pptx
MDM_Sesion_1_PPT.pptxMDM_Sesion_1_PPT.pptx
MDM_Sesion_1_PPT.pptx
 
Desayuno Data science - Aplicaciones en métricas & Analytics
Desayuno Data science - Aplicaciones en métricas & AnalyticsDesayuno Data science - Aplicaciones en métricas & Analytics
Desayuno Data science - Aplicaciones en métricas & Analytics
 
Introducción al Business Intelligence y al Big Data
Introducción al Business Intelligence y al Big DataIntroducción al Business Intelligence y al Big Data
Introducción al Business Intelligence y al Big Data
 
Bigdata
BigdataBigdata
Bigdata
 
inteligencia de negocios
inteligencia de negociosinteligencia de negocios
inteligencia de negocios
 
RESUMEN DEL MODELO BIG 6.pdf
RESUMEN DEL MODELO BIG 6.pdfRESUMEN DEL MODELO BIG 6.pdf
RESUMEN DEL MODELO BIG 6.pdf
 
MODELO BIG 6.pdf
MODELO BIG 6.pdfMODELO BIG 6.pdf
MODELO BIG 6.pdf
 
Proyecto big data
Proyecto big dataProyecto big data
Proyecto big data
 
journaladm,+1440-4678-1-CE (3).pdf
journaladm,+1440-4678-1-CE (3).pdfjournaladm,+1440-4678-1-CE (3).pdf
journaladm,+1440-4678-1-CE (3).pdf
 
CURSO - Datathinking, gestión y monetización de los datos.pdf
CURSO - Datathinking, gestión y monetización de los datos.pdfCURSO - Datathinking, gestión y monetización de los datos.pdf
CURSO - Datathinking, gestión y monetización de los datos.pdf
 
Data Science 2019: ¿Qué diablos es la Ciencia de Datos?
  Data Science 2019: ¿Qué diablos es la Ciencia de Datos?  Data Science 2019: ¿Qué diablos es la Ciencia de Datos?
Data Science 2019: ¿Qué diablos es la Ciencia de Datos?
 
Big_Data
Big_DataBig_Data
Big_Data
 
Gerencia Del Conocimiento Ss
Gerencia Del Conocimiento SsGerencia Del Conocimiento Ss
Gerencia Del Conocimiento Ss
 
Power-BI-básico.pdf
Power-BI-básico.pdfPower-BI-básico.pdf
Power-BI-básico.pdf
 
Big data,inteligencia artificial, analisis predictivo
Big data,inteligencia artificial, analisis predictivoBig data,inteligencia artificial, analisis predictivo
Big data,inteligencia artificial, analisis predictivo
 
Investigación de mercados, el proceso.
Investigación de mercados, el proceso. Investigación de mercados, el proceso.
Investigación de mercados, el proceso.
 
guia definitiva_inteligencia_empresarial
guia definitiva_inteligencia_empresarialguia definitiva_inteligencia_empresarial
guia definitiva_inteligencia_empresarial
 
Inteligencia de Negocios
Inteligencia de NegociosInteligencia de Negocios
Inteligencia de Negocios
 
Trabajo conceptos ayudantía
Trabajo conceptos ayudantíaTrabajo conceptos ayudantía
Trabajo conceptos ayudantía
 
Inteligencia de negocios
Inteligencia de negociosInteligencia de negocios
Inteligencia de negocios
 

Último

Los artistas mexicanos con más ventas de discos en la historia (2024).pdf
Los artistas mexicanos con más ventas de discos en la historia (2024).pdfLos artistas mexicanos con más ventas de discos en la historia (2024).pdf
Los artistas mexicanos con más ventas de discos en la historia (2024).pdfJC Díaz Herrera
 
bases-cye-2024(2) una sola descarga en base de feria de
bases-cye-2024(2) una sola descarga en base de feria debases-cye-2024(2) una sola descarga en base de feria de
bases-cye-2024(2) una sola descarga en base de feria deCalet Cáceres Vergara
 
Cuáles son las características biológicas que están marcadas en tu individual...
Cuáles son las características biológicas que están marcadas en tu individual...Cuáles son las características biológicas que están marcadas en tu individual...
Cuáles son las características biológicas que están marcadas en tu individual...israel garcia
 
Las mujeres más ricas del mundo (2024).pdf
Las mujeres más ricas del mundo (2024).pdfLas mujeres más ricas del mundo (2024).pdf
Las mujeres más ricas del mundo (2024).pdfJC Díaz Herrera
 
PREGRADO-PRESENCIAL-FASE-C-202401 (1).pdf
PREGRADO-PRESENCIAL-FASE-C-202401 (1).pdfPREGRADO-PRESENCIAL-FASE-C-202401 (1).pdf
PREGRADO-PRESENCIAL-FASE-C-202401 (1).pdfluisccollana
 
Análisis de datos en acción: Optimizando el crecimiento de Cyclistic
Análisis de datos en acción: Optimizando el crecimiento de CyclisticAnálisis de datos en acción: Optimizando el crecimiento de Cyclistic
Análisis de datos en acción: Optimizando el crecimiento de CyclisticJamithGarcia1
 
El Teatro musical (qué es, cuál es su historia y trayectoria...)
El Teatro musical (qué es, cuál es su historia y trayectoria...)El Teatro musical (qué es, cuál es su historia y trayectoria...)
El Teatro musical (qué es, cuál es su historia y trayectoria...)estebancitoherrera
 
Qué es un Histograma estadístico teoria y problema
Qué es un Histograma estadístico teoria y problemaQué es un Histograma estadístico teoria y problema
Qué es un Histograma estadístico teoria y problemaJoellyAlejandraRodrg
 
2 PROCESO ESTADISTICO PARA LA INVESTIGACION.pdf
2 PROCESO ESTADISTICO PARA LA INVESTIGACION.pdf2 PROCESO ESTADISTICO PARA LA INVESTIGACION.pdf
2 PROCESO ESTADISTICO PARA LA INVESTIGACION.pdfAnaBelindaArmellonHi
 
obras-hidraulicas.docxfffffffffffffffffff
obras-hidraulicas.docxfffffffffffffffffffobras-hidraulicas.docxfffffffffffffffffff
obras-hidraulicas.docxfffffffffffffffffffJefersonBazalloCarri1
 
Unidad 3 Elementos y compuestos. Física y química
Unidad 3 Elementos y compuestos. Física y químicaUnidad 3 Elementos y compuestos. Física y química
Unidad 3 Elementos y compuestos. Física y químicaSilvia García
 
Critica 1 Grupo 10 RodrigoBenitez_GinaGadea_AlexisGonzález.pdf
Critica 1 Grupo 10 RodrigoBenitez_GinaGadea_AlexisGonzález.pdfCritica 1 Grupo 10 RodrigoBenitez_GinaGadea_AlexisGonzález.pdf
Critica 1 Grupo 10 RodrigoBenitez_GinaGadea_AlexisGonzález.pdfRodrigoBenitez38
 
SUNEDU - Superintendencia Nacional de Educación superior Universitaria
SUNEDU - Superintendencia Nacional de Educación superior UniversitariaSUNEDU - Superintendencia Nacional de Educación superior Universitaria
SUNEDU - Superintendencia Nacional de Educación superior Universitariachayananazcosimeon
 
Data Warehouse.gestion de bases de datos
Data Warehouse.gestion de bases de datosData Warehouse.gestion de bases de datos
Data Warehouse.gestion de bases de datosssuser948499
 
Ivu- taller de diseño arquitectonico l , adicion y sustraccion de cubos,
Ivu- taller de diseño arquitectonico l , adicion y sustraccion de cubos,Ivu- taller de diseño arquitectonico l , adicion y sustraccion de cubos,
Ivu- taller de diseño arquitectonico l , adicion y sustraccion de cubos,juberrodasflores
 
triptico-de-las-drogas en la adolescencia
triptico-de-las-drogas en la adolescenciatriptico-de-las-drogas en la adolescencia
triptico-de-las-drogas en la adolescenciaferg6120
 
REPORTE DE INCIDENCIA DELICTIVA MARZO 2024.pdf
REPORTE DE INCIDENCIA DELICTIVA MARZO 2024.pdfREPORTE DE INCIDENCIA DELICTIVA MARZO 2024.pdf
REPORTE DE INCIDENCIA DELICTIVA MARZO 2024.pdfIrapuatoCmovamos
 
LA LEY DE LAS XII TABLAS en el curso de derecho
LA LEY DE LAS XII TABLAS en el curso de derechoLA LEY DE LAS XII TABLAS en el curso de derecho
LA LEY DE LAS XII TABLAS en el curso de derechojuliosabino1
 
Técnica palatina baja, anestesiología dental
Técnica palatina baja, anestesiología dentalTécnica palatina baja, anestesiología dental
Técnica palatina baja, anestesiología dentalIngrid459352
 
La importancia de las pruebas de producto para tu empresa
La importancia de las pruebas de producto para tu empresaLa importancia de las pruebas de producto para tu empresa
La importancia de las pruebas de producto para tu empresamerca6
 

Último (20)

Los artistas mexicanos con más ventas de discos en la historia (2024).pdf
Los artistas mexicanos con más ventas de discos en la historia (2024).pdfLos artistas mexicanos con más ventas de discos en la historia (2024).pdf
Los artistas mexicanos con más ventas de discos en la historia (2024).pdf
 
bases-cye-2024(2) una sola descarga en base de feria de
bases-cye-2024(2) una sola descarga en base de feria debases-cye-2024(2) una sola descarga en base de feria de
bases-cye-2024(2) una sola descarga en base de feria de
 
Cuáles son las características biológicas que están marcadas en tu individual...
Cuáles son las características biológicas que están marcadas en tu individual...Cuáles son las características biológicas que están marcadas en tu individual...
Cuáles son las características biológicas que están marcadas en tu individual...
 
Las mujeres más ricas del mundo (2024).pdf
Las mujeres más ricas del mundo (2024).pdfLas mujeres más ricas del mundo (2024).pdf
Las mujeres más ricas del mundo (2024).pdf
 
PREGRADO-PRESENCIAL-FASE-C-202401 (1).pdf
PREGRADO-PRESENCIAL-FASE-C-202401 (1).pdfPREGRADO-PRESENCIAL-FASE-C-202401 (1).pdf
PREGRADO-PRESENCIAL-FASE-C-202401 (1).pdf
 
Análisis de datos en acción: Optimizando el crecimiento de Cyclistic
Análisis de datos en acción: Optimizando el crecimiento de CyclisticAnálisis de datos en acción: Optimizando el crecimiento de Cyclistic
Análisis de datos en acción: Optimizando el crecimiento de Cyclistic
 
El Teatro musical (qué es, cuál es su historia y trayectoria...)
El Teatro musical (qué es, cuál es su historia y trayectoria...)El Teatro musical (qué es, cuál es su historia y trayectoria...)
El Teatro musical (qué es, cuál es su historia y trayectoria...)
 
Qué es un Histograma estadístico teoria y problema
Qué es un Histograma estadístico teoria y problemaQué es un Histograma estadístico teoria y problema
Qué es un Histograma estadístico teoria y problema
 
2 PROCESO ESTADISTICO PARA LA INVESTIGACION.pdf
2 PROCESO ESTADISTICO PARA LA INVESTIGACION.pdf2 PROCESO ESTADISTICO PARA LA INVESTIGACION.pdf
2 PROCESO ESTADISTICO PARA LA INVESTIGACION.pdf
 
obras-hidraulicas.docxfffffffffffffffffff
obras-hidraulicas.docxfffffffffffffffffffobras-hidraulicas.docxfffffffffffffffffff
obras-hidraulicas.docxfffffffffffffffffff
 
Unidad 3 Elementos y compuestos. Física y química
Unidad 3 Elementos y compuestos. Física y químicaUnidad 3 Elementos y compuestos. Física y química
Unidad 3 Elementos y compuestos. Física y química
 
Critica 1 Grupo 10 RodrigoBenitez_GinaGadea_AlexisGonzález.pdf
Critica 1 Grupo 10 RodrigoBenitez_GinaGadea_AlexisGonzález.pdfCritica 1 Grupo 10 RodrigoBenitez_GinaGadea_AlexisGonzález.pdf
Critica 1 Grupo 10 RodrigoBenitez_GinaGadea_AlexisGonzález.pdf
 
SUNEDU - Superintendencia Nacional de Educación superior Universitaria
SUNEDU - Superintendencia Nacional de Educación superior UniversitariaSUNEDU - Superintendencia Nacional de Educación superior Universitaria
SUNEDU - Superintendencia Nacional de Educación superior Universitaria
 
Data Warehouse.gestion de bases de datos
Data Warehouse.gestion de bases de datosData Warehouse.gestion de bases de datos
Data Warehouse.gestion de bases de datos
 
Ivu- taller de diseño arquitectonico l , adicion y sustraccion de cubos,
Ivu- taller de diseño arquitectonico l , adicion y sustraccion de cubos,Ivu- taller de diseño arquitectonico l , adicion y sustraccion de cubos,
Ivu- taller de diseño arquitectonico l , adicion y sustraccion de cubos,
 
triptico-de-las-drogas en la adolescencia
triptico-de-las-drogas en la adolescenciatriptico-de-las-drogas en la adolescencia
triptico-de-las-drogas en la adolescencia
 
REPORTE DE INCIDENCIA DELICTIVA MARZO 2024.pdf
REPORTE DE INCIDENCIA DELICTIVA MARZO 2024.pdfREPORTE DE INCIDENCIA DELICTIVA MARZO 2024.pdf
REPORTE DE INCIDENCIA DELICTIVA MARZO 2024.pdf
 
LA LEY DE LAS XII TABLAS en el curso de derecho
LA LEY DE LAS XII TABLAS en el curso de derechoLA LEY DE LAS XII TABLAS en el curso de derecho
LA LEY DE LAS XII TABLAS en el curso de derecho
 
Técnica palatina baja, anestesiología dental
Técnica palatina baja, anestesiología dentalTécnica palatina baja, anestesiología dental
Técnica palatina baja, anestesiología dental
 
La importancia de las pruebas de producto para tu empresa
La importancia de las pruebas de producto para tu empresaLa importancia de las pruebas de producto para tu empresa
La importancia de las pruebas de producto para tu empresa
 

Introduccion a la ciencia de datos

  • 1. 1 Utilizando la Ciencia de Datos en una organización Anghelo Daniel Pérez Martínez Jalisco, México. Marzo de 2021 Curso: Introducción a la Ciencia de Datos y el Big Data
  • 2. 2 Índice Utilizando la Ciencia de Datos en una organización Objetivo Analizar fuentes de información externas e internas de una organización a través de herramientas computacionales para generar un modelo basado en Ciencia de Datos como apoyo a la toma de decisiones. Datos de la empresa Nombre:Librería Iztaccihuatl Giro:Ventade libros Domicilio:Monterrey,NuevoLeón,México Objetivo:Desarrollarunproyectobasadoencienciade datospara mejorarsus indicadoresde desempeño(KPI’s) yala vezdesarrollarunamejorestrategiaenlatomade decisiones. ¿Qué indicadoresserían losmás importantesa determinarde acuerdo a la informaciónpresentada? KPIs  Libromás vendido.Mantenersiempre enexistenciaypreverdemanda  Top 20 librosmásvendidos.Mantenersiempre enexistenciaypreverdemanda  Top 20 menosvendidos. Dejarde comprarunidadesparadescontinuarsuventa.  Libromejorpuntuado.Paraasignarle lamayor publicidad.  Top 20 librosmejorpuntuados.Paradarlespromociónextra.  Libropeor puntuado.Retirarlodel catálogo  Generomás vendido
  • 3. 3 ¿Qué tipo de análisissería el más adecuado y por qué? El Análisisdescriptivoesel másrecomendadoporel tipode informaciónconlaque se cuentay ya que no hayun antecedente de otroproyectode analíticaimplementadoparalaempresa.Posterioraeste proyecto,se recomendandoavanzaraun análisispredictivo. ¿Qué decisionesse podrían tomar basadas enlos descubrimientosoinferenciasde la información analizada?  En qué librosinvertirmásdineroparapublicidad.  Decisionesde cadenade suministro,cualeslibroshayque mantenersiempreenexistenciay cualesesmejordejarde comprarlos.  Qué géneroestáentendencia,paracrear campañasde mercadotecnia Estrategia de implementación Se utilizarálametodologíaCRISP-DM,se iniciaentendiendoel problemade negocioyposteriormente, losdesafíostécnicosde laimplementación.Lospasosa seguirsonlossiguientes:  Análisisdel problema.Entenderel problemaycumplirconel objetivodel proyecto.  Análisisde losdatos.Analizarsi se disponede losdatosadecuados.  Preparaciónde datos.Los datosse procesar para podersertratados mediante lastécnicasde modeladoseleccionadas.Incluye actividadescomolimpiezade datos,generaciónde variables adicionalese integraciónde variasfuentesde datos.  Modelado. Se seleccionanlastécnicasde modeladomásapropiadasparael proyectode acuerdocon sus objetivos.  Evaluación.Se evalúael modelonodesdeel puntode vistade losdatos,sinodel cumplimiento de loscriteriosde éxitodel problema.  Explotación.Mantenimiento,visualizaciónydifusiónde lasolución. Justificación Se elige la metodología CRISP-DMpor su enfoque en el problema empresarial antes que, en el aspecto técnico, ya que en este caso se pretende generar un beneficio a un negocio, posterior al entendimiento del problemade negocio,se realizaelanálisistécnicodel problema.De este modolagestióndelproyecto será más completa pudiendo obtener tareas tanto administrativas como técnicas. Buenas prácticas recomendadas
  • 4. 4 Seguirlospasosde la ampliamentemetodologíaaceptadaenlaindustriaCRIPS-DM No definirprimerolascuestionestécnicassinoel problemaylosobjetivosbuscados El modelose validade acuerdoconel cumplimientode los criteriosde éxitodel problema,node los datos. Evaluación Antes de proceder al despliegue final del modelo, es importante evaluarlo a fondo y revisar los pasos ejecutadosparacrearlo,comparar el modeloobtenidoconlosobjetivosde negocio.Unobjetivoclave es determinarsi hayalgunacuestiónimportantede negocioque nohayasidoconsideradasuficientemente. Conclusiones El proyectoapropiadoparala empresaesunanálisisdescriptivo,yaque nose cuentacon ningún proyectoimplementadopreviamente,primerohayque saberel estadoactual de laempresapara posteriormente pensarenmejoras.Se elije lametodologíaCRISP-DMlacual toma encuentael problemade negocioantesque lasolucióntécnica,algofundamentalparalograrel éxitoal alcanzarlos objetivosque sonmejorarKPIsydesarrollarunaestrategiade tomade decisiones.ConlosKPIs definidos,seráposible cumplirsatisfactoriamenteconel proyecto.