Este documento presenta un análisis de predicción de ventas aplicando un modelo de minería de datos para la tienda de motos KANDA. El objetivo es identificar patrones de comportamiento de clientes para mejorar las ventas y la toma de decisiones. Se utiliza la metodología CRISP-DM y algoritmos como Naive Bayes, árboles de decisión y agrupamiento para analizar los datos. Los resultados muestran que los clientes hombres son los que más compran y se recomienda mantener buena comunicación con clientes y ofrecer entregas conf

1. ANÁLISIS DE LA PREDICCIÓN
DE VENTAS APLICANDO UN
MODELO DE MINERÍA DE
DATOS SOBRE UN
CONJUNTO DE DATOS PARA
LA TIENDA DE MOTOS
KANDA
GRUPO 4
YUCRA MIRANDA
YENNY YANETH
PEREZ FIERRO
DANIEL
SALAS QUISPE
FRANKLIN
GODOY CACERES
JORGE JHONNY
DOCENTE: ING. DAVID MENDOZA GUTIERREZ

2. INTRODUCCIÓN
La minería de datos (data mining), es un proceso para detectar
información de conjuntos grandes de datos, de la manera más
automáticamente posible. Su objetivo es encontrar patrones,
tendencias o reglas que expliquen el comportamiento de los datos
en un contexto específico.
La empresa kanda está dentro de la categoría empresa
unipersonal dentro del rubro de venta de vehículo de dos ruedas

3. IDENTIFICACIÓN DEL PROBLEMA
La tienda de motos KANDA en los últimos días se ha
visto en la necesidad de obtener predicciones de sus
ventas basados en sus clientes, de manera que pueda
mejorar sus canales de ventas de sus motocicletas y
accesorios y de la misma manera la toma de
decisiones, motivo por el cual se desea implementar un
análisis para la predicción de ventas aplicando el
proceso de minería de datos.

4. OBJETIVOS
Objetivo General
Analizar la predicción de ventas
aplicando un modelo de minería
de datos sobre un conjunto de
datos para la tienda de motos
KANDA.

5. OBJETIVOS
Objetivo Específico
● Identificar el modelo de negocio que se
quiere analizar
● Selección de conjuntos de datos de la
base de datos
● Análisis y procesamiento a la propiedad
de los datos
● Transformación del conjunto de datos
● Selección y aplicación de la técnica de
minería de datos que permita descubrir
las ventas
● Extracción y validación del conocimiento
seleccionado
● Interpretación y evaluación de los datos

6. SOFTWARE UTILIZADOS PARA DATA MINING

7. METODOLOGÍA A UTILIZAR (CRISP -DM)
CRISP –DM (Cross-Industry Standard Professor
Data Mining), la metodología CRISP es una de
las principales metodologías por seguir por los
analistas en la inteligencia de negocio, donde se
pueden rescatar primordialmente Data
Warehouse y Data Mining.

8. ALGORITMOS APLICADOS AL CASO DE ESTUDIO
● Algoritmo Naive Bayes de Microsoft
● Algoritmo de árboles de decisión de Microsoft
● Algoritmo de agrupación en clústeres de Microsoft

9. DESARROLLO E IMPLEMENTACIÓN DEL PROYECTO
1. Comprensión de los Datos
2. Preparación de los Datos
3. Modelos
4. Evaluación
5. Implementación

10. Comprensión de los Datos

11. Preparación de los Datos

12. Modelos

13. Implementación

14. Evaluación

15. CONCLUSIÓN
● Mediante el análisis realizado y con la ayuda de las técnicas de Data Mining se ha logrado
identificar algunos patrones de los usuarios que a simple vista pasan desapercibido por la
cantidad de información.
● Se logró identificar información relevante para el mejor funcionamiento en la venta de motos.
● Descubrimos que los clientes hombre son los que más frecuentan en la tienda de motos,para la
compra de algún producto.
● Se utilizó la metodología crisp - DM para elaboración correcta del proyecto para las venta de
moto.
● Se realizó el análisis de los requerimientos definidos, con el propósito de entender el problema.

16. RECOMENDACIONES
● Mantener una constante comunicación con el cliente para tener una buena
retroalimentación.
● Asegurar la fiabilidad del cliente para registrarlo como vendedor y ofrezca
productos garantizados.
● Tener el servicio de entrega de pedidos con una buena puntuación de parte
del cliente.

17. THANK YOU
Grupo 4