1) La librería Iztaccíhuatl busca desarrollar un proyecto de ciencia de datos para mejorar sus indicadores clave de desempeño y estrategia de toma de decisiones. 2) Se identificaron tres indicadores clave: libros recomendados, porcentaje de libros con buena calificación total, y porcentaje de libros con buena calificación en los más vendidos. 3) Se propone un análisis descriptivo inicial de los datos proporcionados para comprender la información, seguido de posibles proyecciones y recomendaciones
La importancia de las pruebas de producto para tu empresa
Ciencia de datos
1. Utilizando la Ciencia de Datos en una Organización
Librería Iztaccíhuatl
Curso de Introducción a la Ciencia de Datos y el Big Data
Autor:
Ing. Alejandro Hinojosa Medina
alexhim4@gmail.com
2. INDICE
1.-Introduccion…………………………………………………………………………………………………………………………………………………………….1
1.1 Justificacióndeltipode análisis……………………………………………………………………………………………………………………………..1
2.-Comprensiondelnegocio………………………………………………………………………………………………………………………………………..2
2.1.- Identificaciónde Indicadores……………………………………………………………………………………………………………………………….2
2.1.1 KPI………………………………………………………………………………………………………………………………………………………………………2
2.1.2 KPI………………………………………………………………………………………………………………………………………………………………………2
2.1.3 KPI………………………………………………………………………………………………………………………………………………………………………2
2.2 Situaciónpresente…………………………………………………………………………………………………………………………………………………2
3.- Adquisiciónde datos……………………………………………………………………………………………………………………………………...........2
4.- Preparaciónde datos……………………………………………………………………………………………………………………………………………..4
4.1 ¿Qué indicadores serían los más importantes a determinar de acuerdo a la información presentada?...4
4.2 ¿Qué tipo de análisis sería el más adecuado y por qué?............................................................................4
4.3 ¿Qué decisiones se podrían tomar basadas en los descubrimientos o inferencias de la información
analizada?..................................................................................................................................................5
5.- Modelación……………………………………………………………………………………………………………………………………………………………5
6.- Evaluacióne Interpretación…………………………………………………………………………………………………………………………………..6
7.- Despliegue del Modelo………………………………………………………………………………………………………………………………………….6
7.1 Propuestade para laempresa……………………………………………………………………………………………………………………………..6
8.- Operaciones………………………………………………………………………………………………………………………………………………………….6
8.1 ConclusionesyResumende propuestaspresentadasenlaempresa……………………………………………………………………6
3. 1. Introducción
La librería Iztaccíhuatl se ubica en la ciudad de Monterrey, Nuevo León, México. La empresa tiene como objetivo
desarrollar un proyecto de ciencia de datos para de esa forma poder mejorar sus indicadores clave de desempeño
(KPIs) y de ese modo desarrollar una estrategia en la toma de decisiones que sea efectiva y que contribuya al
crecimiento tanto del ingreso económico como también del desempeño y desarrollo integral de todos sus
colaboradores.
Figura 1. Ubicación de Librería Iztaccíhuatl
1.1 Justificacióndeltipodeanálisis
En base a los datos presentados se determinó el tipo de análisis a realizar. Mediante un modelo de análisis
descriptivo se tomara la información histórica de la empresa ha recolectado y de esa manera de limpiar, ordenara
y se trasformara de manera que la empresa pueda realizar una toma de decisiones con claridad.
Se tomara como base de apoyo la metodología CRISP-DM (Cross Industry Standard Process) utilizada en data
mining se presenta con las siguientes fases:
Figura 2. Fases de CRISP-DM
1
4. 1.2 Objetivo
Desarrollar un proyecto basado en la ciencia de datos para mejorar sus indicadores de desempeño KPI y de ese
modo desarrollar una estrategia eficiente para la toma de decisiones.
2. Comprensión del negocio
En esta fase se identifican los objetivos a conseguir después de un estudio pormenorizado del negocio, exigencias
y necesidades del cliente. Crea un plan estratégico para alcanzar dichos objetivos con unos requerimientos de
fiabilidad y calidad mínimos. Se debe tener en cuenta la regularización y normativas de ciberseguridad y
privacidad de datos y sistemas informáticos.
En general y como base para comprender la naturaleza de la empresa, la librería pertenece a un conglomerado
de librerías EDIMISA con sus raíces principalmente en Monterrey, Nuevo León, pero con sucursales en varios
estados de la República Mexicana como lo son por ejemplo Quintana Roo y Tamaulipas.
2.1 Identificación deindicadores
Particularmente existen datos que muestran los principales KPI actuales que se utilizan los cuales una vez
estructurados y analizados correctamente van a permitir lograr el objetivo planteado. Para la identificación de los
indicadores de desempeño, se analizaron los archivos presentados, los cuales arrojaron los siguientes datos:
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.
Tomando como base esa valiosa información por si misma se pueden determinar varios indicadores de
desempeño que aportan valor.
2.1.1 KPI. To Read.
Muestra la cantidad de libros recomendados para lectura y evalúa mensualmente a partir de los datos del archivo
“to_read”.
2.1.2 KPI. Books.
Porcentaje de libros con buena calificación con respecto al total de libros: evaluado mensualmente, a partir del
total de los datos los archivos “books” y la clasificación dada.
2.1.3 KPI. Top Books. 2
5. Porcentaje de libros con buena calificación con respecto al top 20 de los libros más vendidos: evaluado
quincenalmente a partir del total de datos del archivo “top_books” y la clasificación dada a los mismos.
3. Adquisiciónde datos
Los datos fueron proporcionados por la misma empresa que solicito el análisis; la información nos provee de la
información necesaria para realizar el estudio, a continuación se muestra dividida en 3 grupos:
1.- Muestra la cantidad de libros recomendados para lectura y evalúa mensualmente a partir de los datos del
archivo proporcionado.
2.- Porcentaje de libros con buena calificación con respecto al total de libros: evaluado mensualmente.
3.- Porcentaje de libros con buena calificación con respecto al top 20 de los libros más vendidos: evaluado
quincenalmente a partir del total de datos.
A continuación se muestra en general la información proporcionada:
El archivo “books” contiene los siguientes datos:
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 3
6. 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
4. Preparaciónde datos
Se consideran los datos integrados y que serán clava para obtener buenos resultados del pronóstico, se va a
proceder a limpiar y ordenar la información para posteriormente filtrar la información a utilizar.
4.1 ¿Quéindicadores seríanlosmás importantesa determinardeacuerdoa la información
presentada?
Como se mencionó anteriormente de acuerdo a la información presentada los indicadores más relevantes son:
1.-To read. Muestra la cantidad de libros recomendados para lectura y evalúa mensualmente a partir de los datos
del archivo “to_read”.
2.-Books. Porcentaje de libros con buena calificación con respecto al total de libros: evaluado mensualmente, a
partir del total de los datos los archivos “books” y la clasificación dada.
3.-Top Books. Porcentaje de libros con buena calificación con respecto al top 20 de los libros más vendidos:
evaluado quincenalmente a partir del total de datos del archivo “top_books” y la clasificación dada a los mismos.
4.2 ¿Quétipo deanálisis sería elmásadecuado y por qué?
Un análisis descriptivo en primera instancia y para ayudar a sentar las bases de una toma de decisiones efectiva.
Este análisis tiene la finalidad de ayudar a comprender la información estructurada a través de pasos como lo son:
limpieza, orden y transformación para visualizarla de forma sencilla y amigable.
4
7. En una segunda instancia sería recomendable hacer proyecciones a futuro en base a los mismos datos, pero es
este caso al ser un proyecto nuevo para la empresa lo ideal es empezar con un análisis descriptivo y sobre este
hacer algunas sugerencias que ayuden como estrategia en la toma de decisiones para el negocio a futuro.
Se pueden hacer las siguientes predicciones con los datos proporcionados:
1.- Previsión de la demanda: Se realizaran estimaciones en base a datos históricos ya proporcionados por la
librería, por ejemplo con la siguiente formula: Previsión de la demanda=demanda media(Es decir, el periodo
actual)* Factor estacional
4.3 ¿Quédecisionesse podrían tomarbasadasen los descubrimientos o inferenciasdela
información analizada?
Propuesta de decisiones:
1. To read. En este indicador va a permitir identificar los elementos con tendencia de compra más
marcada que existen en la librería. Dicho indicador es de esperarse que se mantenga o aumente,
facilitando identificar los libros que los compradores o usuarios desean leer en un futuro próximo y
se esa forma tomar estrategias de venta, por ejemplo impulsándolos en redes sociales, eventos de
tardes de lectura, promociones, descuentos, 2x1, etc. En elcasoque elindicador disminuya se deben
reforzar las acciones antes mencionada para de esa manera atraer más compradores.
2. Books. Con estos datos va a permitir realizar una medición en el porcentaje de libros con una
calificación buena en cuanto a la venta. Es de esperar que este indicador aumente lo cual indica
que los elementos vendidos fueron satisfactorios para los compradores y de esa manera se puedes
definir estrategias para incrementar el consumo como por ejemplo: colocarlos en la entrada de la
librería. En el caso de que la venta disminuya o se estanque es necesario aplicar estrategias de
marketing para fortalecer ese elemento.
3. Top Books. Con este dato vamos a poder priorizar la estrategia de ventas a seguir para mejorar
aún más el flujo de ventas. Si el indicador disminuye será necesario implementar estrategias como
rotación de libros, adquisición de nuevos o por ejemplo la creación de círculos de lectura, se debe
buscar que mediante dinámicas se refuerce en caso de disminuir este dato.
5
8. 5. Modelación
Determinar qué modelo o técnica es el más apropiado para la resolución del problema a tratar y que técnicas a
aplicar de forma consistente atendiendo a los datos que tenemos, los recursos y necesidades. Por lo general, se
puede volver a la fase anterior para trabajar con los datos y tener una entrada de los mismos, acorde a las
necesidades del modelo. En esta fase se debe crear los test de evaluación y desempeño del sistema para estudiar
la calidad y fiabilidad de los resultados obtenidos con el modelo seleccionado y los objetivos marcados .
Se propone el uso de técnicas machine learning sobre los datos proporcionados, el diseño y la construcción através
de análisis de datos y experimentos.
6. Evaluacióne Interpretación
En estasecciónse busca hacer una visualizaciónyanálisisde losdatosobtenidosysucorrespondenciasobre losobjetivos,
la fiabilidadycalidaddeseada. El modelodescriptivoseleccionadoasícomolas propuestaspredictivasrealizadas
7. Despliegue del modelo
En este apartadose visualizael conocimientoylosresultadosobtenidosyse muestranal cliente. Eneste puntodel proyecto
este modelo deberá ponerse en marcha siempre y cuando los ejecutivostengan la certeza de que les agregara el valor que
estábuscandoconel gradoeficaciaque buscan.Unavezesteseaaprobadose debende evaluarel impactorealenlosingresos
de la empresa;unavezevaluadoslosresultadosse determinasi esnecesariomejorarel modeloobiencomplementarlocon
otros indicadores o en el peor de los casos llevar a cabo otro proyecto de ciencia de datos.
8. Conclusiones
En estapráctica se realizóel análisisde un conjuntode datos estructuradosenuna organización específicaparagenerarun
modelo basado en una metodología de análisis de datos denominada CRISP-DM(Cross Industry Standard Process) el cual
mantiene un proceso estándar en seisfases que fue concebido para el desarrollo de proyectos de Data Mining (Minería de
datos),lacual busca la recolecciónyanálisisde grandesvolúmenesde datos;dichametodologíase centraenla necesidades
de compresión del negocio, también se enfatiza en la fase de identificación de fuentes de datos y la preparación y
procesamiento de los mismos, así como la necesidad de evaluar el algoritmo de extracción de conocimiento acorde a los
datos que manejamos y los objetivos marcados.
La metodología utilizada se basa en un modelo de análisis descriptivo y que se fundamenta en la limpieza, ordenamiento,
transformación, visualización de la data para transformarla en información de valor para la empresa y que le ayude con el
proceso de toma de decisiones enel futuro. Finalmente debemosrecordar que el la metodología CRISP-DMes iterativo, es
decir, que se repite por lo cual toda aquella retroalimentaciónque tengamos en la producción de esta deberá ser utilizado
como insumo para mejorar continuamente dicho modelo.
6
9. Referencias
Eboch, M., n.d. Data mining.
Wang, W., Pauleen, D. and Carayannis, E., n.d. Does Big Data Mean Big Knowledge? Knowledge Management
Perspectives on Big Data and Analytics.
7