Hacer una propuesta para un modelo basado en ciencia de datos como apoyo a la toma de decisiones a la administración y gerencia de la Liberia Iztaccíhuatl a través de herramientas computacionales como la minería de datos (DM) y el Machine Learning (ML) analizando las fuentes de información internas (bases de datos de la organización, entre otras) y externas como el sitio oficial y social media.
2. Contenido
Introducción...........................................................................................................................3
Contexto o problema. ......................................................................................................4
Desarrollo ..............................................................................................................................5
Indicadores o KPI’s..........................................................................................................5
Tipo de análisis y justificación........................................................................................5
Estrategia de implementación........................................................................................6
Tipo decisiones a tomar e inferencias ..........................................................................7
Conclusiones ........................................................................................................................7
3. Introducción
Hacer una propuesta para un modelo basado en ciencia de datos como apoyo a la
toma de decisiones a la administración y gerencia de la Liberia Iztaccíhuatl a través
de herramientas computacionales como la minería de datos (DM) y el Machine
Learning (ML) analizando las fuentes de información internas (bases de datos de la
organización, entre otras) y externas como el sitio oficial y social media.
En el primer ítem se expondrá un contexto o situación, el segundo ítem identificará
al menos 3 indicadores o KPI’s (Key Performance Indicator) por sus siglas en inglés
. En el ítem 3 se identificará el tipo de análisis más adecuado con base en la
información previamente proporcionada y finalmente en ítem 4 se identificará las
decisiones que se podría tomar con base en los descubrimiento o inferencias
analizadas.
4. Contexto o problema.
La Librería Iztaccihuatl ubicada en la ciudad de Monterrey, Nuevo León, México
ha decidido desarrollar un proyecto basada en ciencia de datos para mejorar sus
indicadores de desempeño (KPI’s) y a la vez desarrollar una mejor estrategia en la
toma de decisiones.
Así mismo, la librería proporciona 5 archivos en Excel con la siguiente información.
El archivo “books” contiene los datos generales de cada libro existente en la librería
y además menciona el promedio de clasificación de cada libro de acuerdo a las
votaciones y compras del cliente.
El archivo “top_books” contiene el top 20 de los libros más vendidos de acuerdo a
una clasificación general.
El archivo “ratings” contiene los datos de los libros más votados por los clientes
dentro del sitio web de la librería.
El archivo “to_read” contiene las recomendaciones que cada cliente o usuario
realiza en el sitio web sobre libros para leer.
La gerencia se enfrenta el siguiente problema ¿cuál es la causa por la cual los
ingresos operacionales en los últimos años no son los esperados por los
accionistas? ¿Cómo se podría aprovechar los cientos de comentarios y opiniones
de la librería en sus redes sociales y sitio web?
5. Desarrollo
Indicadores o KPI’s
Se requieren al menos 3 indicadores de desempeño (kpi's); por cada indicador de
desempeño al menos una decisión debería tomar la librería.
De acuerdo con la información presentada en las bases de datos se tiene:
1. # segmentos de clientes: La Liberia podría tomar la decisión de enfocar su
propuesta de valor a los clientes más rentables.
2. # subgrupos o categorías de acuerdo con la clasificación general: La librería
debería prescindir de las categorías con la pésima clasificación.
3. # recomendaciones positivas o negativas / categorías o subgrupos: La
librería deberá con base en estas recomendaciones gestionar de manera
más eficaz el ciclo de vida de los mejores clientes.
4. # ventas realizadas/ ratings (por los libros más votados o menos votados):
La librería debería enfocar su esfuerzo en marketing con los mejores libros.
5. # categoría de libros que más permanecen inventario/mes o año (#
categoría de libros que menos rotación tienen): Deberá invertir menos en
los libros con la rotación más baja.
6. # ventas totales/recomendaciones (positivas o negativas): debería publicar
en sus redes sociales y sitio oficial las recomendaciones más votadas o
contratar influencers.
Tipo de análisis y justificación
De acuerdo con la información presentada simplemente se podría desarrollar un
análisis descriptivo, este tipo de análisis permite comprender lo que ha pasado
en el negocio y a su vez es útil dado que permite categorizar varios segmentos de
cliente para encontrar patrones, relaciones entre uno o más variables que
conduzcan a un modelo de toma de decisiones a manera de uso.
Así mismo, en aras de robustecer el modelo, considerando los comentarios o
recomendaciones que se generan en el día a día de la página web del negocio y
sus redes sociales, otro tipo de análisis conveniente sería el predictivo para
predecir tendencias con base en estos eventos.
6. Como descripción detallada de la estrategia de implantación antes de convertir el
modelo en API o programa computacional es importante considerar algunas fases
esenciales.
Estrategia de implementación
Finalmente, la estrategia de implantación se divide en 5 fases y en alguna de estas
se incluye la metodología CRISP-DM. Esta estrategia puede ser la beneficiosa
dado que es iterativa, en cada fase hay uno o más entregables y los plazos se
asignan con el equipo de trabajo en aras de no coartar la creatividad.
Fase 1
• Comprensión del negocio
• Exploración de la literaratura (Investigaciones en Google Scholar)
• Socialización de lecciones aprendidas
• Creación de la Estructura de Desglose de Trabajo (EDT) para el desarrollo.
Fase 2
• Comprensión y preparación de los datos
• Desarrollo de los algoritmos
• Mineria de datos
• Machine learning
Fase 3
• Revisión y evaluación de los algoritmos
• Detectar fallas
• Análisis de resultados con dase en los KPI's
Fase 4
• Implantación: Transformación de los algoritmos en un programa
computacional .
• Pruba final
Fase 5
• Entrega del producto terminado al cliente..
7. Tipo decisiones a tomar e inferencias
Las decisiones que se podrían tomar basadas en los descubrimientos o inferencias
de la información analizada podrían ser de índole no estructurada o
semiestructuradas
1. Al sementar los diferentes grupos lectores en base a sus preferencias es
posible mejorar la propuesta de valor, incrementar la eficacia del departamento
de compras que se traduce en ahorros, mayores ventas y utilidades.
2. Al reconocer las recomendaciones o reseña /positivas o negativas por
categoría es posible identificar no solamente las preferencias de los clientes
actuales, sino que también se podría incluso hacer predicciones de ventas. Y
en base a esto optimizar el inventario con las categorías más rentables.
3. La librería podría prescindir de las categorías menos rentables e invertir en
libros cuyas categorías sean rentable para enfocarse en las que representen
el Pareto.
4. Al identificar cuantas ventas adicionales se generaron por recomendaciones,
es posible adoptar una nueva métrica para el departamento de mercadeo y
ventas o inclusive rediseñar algunos de los procesos de marketing digital.
5. Al contar con un conocimiento de las ventas/por rating, es posible identificar
mejores recomendaciones para nuevos clientes y mejorar el discurso de
ventas.
Conclusiones
Por último, esta propuesta de ciencia de datos no solo va a permitir tener un mejor
conocimiento de la librería, sino que, con la segmentación, se va a mejorar o
inclusive rediseñar la propuesta de valor, así mismo, se van a generar ahorros con
la gestión de compras que va a favorecer reducir el # de días de inventario de
algunas categorías. No menos importante la librería podría prescindir de las
categorías menos rentables, adoptar nuevas métricas de gestión para el depto. de
marketing y ganar más prospectos. Todo esto será gracias al análisis descriptivo o
predictivo a través de DM y ML aprovechando la información tanto de fuentes
internas como externas de la organización.