Proyecto elaborado para ser evaluado dentro de la plataforma educativa edX

1. INTRODUCCIÓN A LA
CIENCIA DE DATOS Y EL
BIG DATA
TÍTULO DEL PROYECTO:
Utilizando la Ciencia de
Datos en una organización
PROYECTO INDIVIDUAL EVALUADO POR PARES
Elaborado por: Juan Alfonso Cruz Vázquez

2. 2
Índice
Título. .....................................................3
Objetivo. .................................................3
Datos de identificación. ..........................3
Planteamiento del problema...................3
Análisis de la información.......................3
Preguntas clave......................................6
Conclusiones..........................................7

3. 3
Título.
• 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 identificación.
Nombre de la empresa: Librería Iztaccihuatl.
Dirección: Monterrey, Nuevo León, México.
Planteamiento del 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.
En la carpeta denominada “datasets_books” se encuentran los
siguientes archivos: books; top_books; raitings; to_read.
Análisis de la información.
El archivo “books” contiene los siguientes datos:

4. 4
• Id - Identificador del registro
• Book Id - Identificador del libro
• Number Editions - Número de ediciones
• ISBN - Clave estándar internacional del libro
• ISBN13 - Clave estándar extendida internacional del libro
• Authors - Autor del libro
• Original Publication - Fecha de publicación
• Original Title - Título original del libro
• Title - Título del libro
• Language Code - Clave de idioma del libro
• Average Rating - Promedio de la clasificación del libro
• Image - Enlace a la imagen de la portada del libro
• Small Image - Enlace a la imagen en versión optimizada de la
portada del libro.
El archivo “top_books” contiene los siguientes datos:
• Position - Posición del libro en la clasificación del libro
• ISBN - Clave estándar extendida internacional del libro
• Title - Título del libro
• Author - Autor del libro
• Imprint - Editorial
• Publisher Group - Grupo Editorial
• Volume - Volumen de ventas hasta el 2010
• Value - Ventas determinadas por el volumen
• RRP - Precio recomendado para minoristas
• ASP - Precio promedio para venta

5. 5
• Binding - Tipo de encuadernación
• Publ Date - Fecha de publicación
• Product Class - Clasificación del libro
• Classification - Clasificación General del libro
El archivo “ratings” contiene los siguientes datos:
• Book Id - Identificador del libro
• User Id - Identificador del cliente/usuario que clasifico un libro
• Rating - Nivel de clasificación del libro.
El archivo “to_read” contiene los siguientes datos:
• User Id - Identificador del cliente/usuario que clasifico un libro
• Book Id - Identificador del libro
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.

6. 6
Estrategia a implementar.
Para los propósitos de este proyecto, se elige la opción de la estrategia
incremental, ya que no sólo consiste en fases secuenciales, sino que
también se caracteriza por una solución de objetivos y requisitos
claramente definidos, pero cada fase del proyecto libera una solución
parcial. En esta estrategia, el valor debe entregarse antes de la fase
final.
Preguntas clave.
Una vez analizada la información de la carpeta “datasets_books”, se
procede a responder las siguientes preguntas:
1. ¿Qué indicadores serían los más importantes a determinar de
acuerdo a la información presentada?
De acuerdo con el análisis de los diferentes componentes de cada archivo,
se considera que los indicadores clave de desempeño (KPI’s) son: 1) Book
ID, para identificar el número intransferible del libro; 2) Volume, para
establecer el volumen de ventas hasta 2010; 3) Value, con el objetivo de
identificar las ventas determinadas por el volumen; 3) Rating, para conocer el
nivel de clasificación del libro; 4) ASP, para conocer el precio promedio
sugerido para venta; y 5) RRP, para identificar el precio recomendado a
minoristas.
2. ¿Qué tipo de análisis sería el más adecuado y por qué?
Con base en los resultados precedentes, el tipo de análisis que se
recomienda para este caso es de tipo descriptivo, debido a que con los

7. 7
indicadores de desempeño que se han destacado en este informe, pueden
analizarse datos con la finalidad de encontrar patrones y relaciones entre
variables, además de precisar si existen diferencias o elementos significativos
entre los indicadores.
3. ¿Qué decisiones se podrían tomar basadas en los
descubrimientos o inferencias de la información analizada?
Al establecer el cruce de variables e indicadores de desempeño claves,
pueden establecerse patrones sobre el tipo de libro que más se venden, así
como la cantidad en que se efectúan las ventas y cuáles son los dividendos
que genera cada libro por el precio de venta. Además, pueden encontrarse
patrones que determinen el tipo de lector que más se acerca a consumir
determinados contenidos y libros. Finalmente, con la comparación entre
precios promedios de venta y precios recomendados para minoristas puede
obtenerse datos que permitan inferir formas para maximizar ganancias en las
ventas, así como la aplicación de descuentos o tarifas especiales para
incrementar las ventas de determinados libros.
Conclusiones.
• El análisis de datos representa un paradigma contemporáneo
para comprender las necesidades y potenciales nichos de
mercado que pueden explotarse en diferentes ámbitos
empresariales. Recordando que la optimización de procesos y
definición de indicadores clave de desempeño son aspectos
vitales para construir marcos de datos más confiables y certeros,
la ciencia de datos se vuelve imprescindible para maximizar las
opciones disponibles y con base en ellas, poder implementar
estrategias y acciones que mejoren la toma de decisiones.