3. Introducción
La Librería Iztaccihuatl ubicada en la ciudad de Monterrey, Nuevo León, México ha decidido
desarrollar un proyecto basado 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.
El presente trabajo tiene los siguientes objetivos:
1. Identificar las herramientas y servicios necesarios.
2. Predicciones a las que se puede llegar.
3. Conclusiones
Con el fin de desarrollar un modelo basado en Ciencia de Datos para el apoyo a la toma de
decisiones para una organización.
3
4. Herramientas y Servicios
Como lenguaje de programación optamos por Python, aunque R goza de muy buenos paquetes
para fines estadísticos y análisis de datos, a nuestro criterio, Python es una mejor alternativa,
porque es un lenguaje que posee capacidades similares, si bien no tan buena gama de
librerías/paquetes con fines estadísticos, pero cuenta con un par de ventajas adicionales:
• Es un lenguaje de propósito general
• Tiene una curva de aprendizaje no demasiado empinada y ademas existe gran cantidad de
recursos gratuitos y de fácil acceso.
• Sus paquetes para graficas y matemáticas son casi tan buenos como los del lenguaje R.
Como base de datos, nuestra elección recae en una de tipo relacional, mas especificamente
Postgresql, porque contamos con esquema muy detallado de la información a almacenar.
Dentro de la amplia oferta de servicios en la nube que se encuentran, la elección recae en AWS, por
varios motivos:
• Funciona bajo el esquema SaS (Software como servicio) y los costos varian de acuerdo al
grado de uso.
• Brinda la posibilidad de implementar las bases de datos relacionales mas populares del
mercado (Postgresql, MySql, SQLServer), asi como de bases de datos no relacionales
(MongoDB)
• Cuenta con una amplia y muy buena documentación.
5. Adecuaciones de los datos
Del estudio de los archivos, considero que es necesario agregar la siguiente información:
Al archivo ratings, la fecha en que el usuario/cliente realizo la valoración, de esta manera se puede
tener una perspectiva mas certera de como evoluciona mes a mes, semana a semana, año tras año,
esta valoración.
Al archivo to_read, también agregar la fecha en que el usuario/cliente hizo el comentario, al igual
que en el archivo ratings, para lograr una apreciación mas exacta.
Crear un nuevo archivo, book_vendidos, que posea la siguiente estructura:
• Book_id - Identificador del libro
• Fecha - Fecha de la Factura en que se concreto la operación.
• Cantidad – Cantidad vendida
• Precio
Contar con el archivo correspondiente a las ventas de los libros, nos permite elaborar mas y
mejores predicciones.
5
6. Predicciones
A partir del estudio de los datos concluyo que se pueden hacer las siguientes predicciones:
1. Predecir los libros mas vendidos a partir de los libros mas recomendados: estimando el
coeficiente de correlación que existe entre las variables correspondientes a los libros mas
recomendados y los libros mas vendidos ,se puede obtener como resultado la “fuerza” y el
“sentido” de la relación entre estas variables y a partir de alli podemos predecir cuales serán
los libros mas vendidos y cuales no, en función de las recomendaciones que realizan los
usuarios/clientes.
2. Predecir los libros mas vendidos a partir de los libros mas votados: calculando el grado
de correlación entre las variables, libros mas votados y libros mas vendidos podemos
determinar la fuerza y sentido de la relación entre estas dos y luego podemos predecir los
libros mas vendidos de acuerdo a los votos que los clientes/usuarios hacen de los libros.
3. Predecir el volumen de ventas de un libro por año y/o por mes:
Estimando el grado de correlación que existe entre los libros vendidos (book_vendidos) y los
libros votados y recomendados, es posible predecir el volumen de ventas de cada libro,
mes por mes, año por año con mayor exactitud.
7. Conclusiones
Una vez hechos los cambios en las tablas, agregada la fecha en que cada cliente/usuario, realiza un
comentario y/o votación y creada la tabla book_vendidos, no sera posible determinar el grado de
correlación que existe entre las votaciones, comentarios y las ventas de libros por mes y por año y
no caer en falsas conclusiones, y esto debido a que las votaciones y/o comentarios, pueden estar
influenciados por información demasiado antigua y que no refleje lo que sucede en el momento
actual.
También a partir de la información de la venta de cada libro, podremos predecir el volumen de las
ventas de los mismos, a partir de estimar el grado de correlación existente entre los libros mas
votados, libros mas recomendados y las ventas efectivas.
Contar con esta información, hara posible realizar de manera mucho mas eficiente u optima el
proceso y el volumen de adquisición de los libros, evitando comprar aquellos que sabremos que
tendrán una demanda muy escasa.
Como todo modelo de datos, necesita del seguimiento, para validar los resultados y las
expectativas y hacer las correcciones que surjan de tal análisis.
7
