SlideShare una empresa de Scribd logo
1 de 33
PROGRAMA DE BIG DATA Y
BUSINESS INTELLIGENCE
Modelos de propensión
Alex Rayón Jerez
alex.rayon@deusto.es
@alrayon
Febrero, 2016. Madrid.
2
Review here
3
Modelos de propensión
Introducción
Fuente: http://www.sas.com/offices/latinamerica/argentina/resources/asset/CI_Banca2012.pdf
4
Fuente: http://www.sas.com/offices/latinamerica/argentina/resources/asset/CI_Banca2012.pdf
Modelos de propensión
Introducción (II)
5
Fuente: http://www.sas.com/offices/latinamerica/argentina/resources/asset/CI_Banca2012.pdf
Modelos de propensión
Introducción (III)
6
Modelos de propensión
Introducción (IV)
●Máxima efectividad ya que atacamos a clientes
concretos con la antelación suficiente como para
retenerlos
●Construcción de modelos que predicen la
propensión a compra o abandono en base a
características actuales del cliente
●Los modelos tienen más profundidad en el uso
de variables (continuamente actualizadas) e
identifican con mayor anticipación posibles
desviaciones en las propensiones del cliente
7
Modelos de propensión
¿Qué son?
●Pueden ser:
o Compra (cross-sell y up-sell)
o Fuga (si pudiera dejar de ser nuestro cliente)
o Riesgo de impago (que no pague lo que adeuda)
o Fraude
o Sensibilidad al precio (descuentos)
o etc.
●Son modelos que estiman la probabilidad de
que se produzca esa conducta (compra, fuga,
etc.) para cada uno de nuestros clientes
o Permite generar modelos predictivos para poder tomar
decisiones de negocio en tiempo real
8
Modelos de propensión
¿Por qué?
● Construir relaciones duraderas y sostenibles en
el tiempo entre las empresas y sus clientes,
permiten:
o Incrementar el índice de satisfacción
o La involucración y la optimización del marketing de
compromiso
● Por lo tanto, contactar a los más propensos a
fugarse da buenos resultados a una empresa
● Buscamos clientes prescriptores
9
Modelos de propensión
¿Por qué? (II)
Fuente: http://www.sas.com/offices/latinamerica/argentina/resources/asset/CI_Banca2012.pdf
10
Modelos de propensión
¿Por qué? (III)
● Uno de los fundamentos básicos de la
experiencia humana es que el futuro próximo es
parecido al pasado reciente
o Esto se ha demostrado empíricamente tanto a nivel
individual como social
● Por lo tanto, cabe concluir que el
comportamiento futuro de un individuo será
parecido a su comportamiento pasado
o Y así, podemos extrapolar esta visión a que los sucesos
futuros en un negocio, serán parecidos a los sucesos del
pasado reciente
11
Modelos de propensión
¿Por qué? (IV)
Fuente: http://www.sas.com/offices/latinamerica/argentina/resources/asset/CI_Banca2012.pdf
12
Modelos de propensión
¿Por qué? (V)
● Este asunto es particularmente interesante a la
hora de hablar de los clientes
● Ceteris paribus (permaneciendo las condiciones
constantes), podemos esperar que en nuestro
negocio las ventas pudieran ser parecidas, salvo
que hiciéramos una campaña o similares
● La tasa de nuevos clientes puede ser similar a la
del pasado año, y la tasa de abandonos será
similar igualmente a la del año anterior
13
Modelos de propensión
La Experiencia de Cliente
Fuente: http://www.melmarketing.es/wp-content/uploads/2014/01/Resultado-ecuacio%CC%81n-ECEL.png
14
Modelos de propensión
La Experiencia de Cliente (II)
●Una experiencia bien diseñada empieza antes de
la compra, se intensifica durante la misma y se
mantiene hasta la siguiente
o ¿Qué métricas utilizar para saber que mis clientes están
disfrutando y por lo tanto me podrán prescribir?
o Hay que tener como objetivo retener a los mejores/más
rentables clientes, e identificar los factores clave que
influyen en el attrition (fuga de clientes)
o Identificando a través de modelos predictivos los clientes
con más alta propensión a la fuga
o Para ello, se utilizan scores para priorizar los clientes
objetivo para acciones de retención.
15
Modelos de propensión
Score de clientes
Fuente: http://www.sas.com/offices/latinamerica/argentina/resources/asset/CI_Banca2012.pdf
16
Modelos de propensión
Score de clientes (II)
●El score de los modelos está correlacionado con
la probabilidad de que suceda un evento
o Esto impacta en el resultado de las acciones
●La mayor parte del esfuerzo se concentra en
identificar, crear y transformar las variables
para el análisis
17
Modelos de propensión
Técnicas: Variables con capacidad predictiva
18
Modelos de propensión
Técnicas: Árboles de decisión
Fuente: https://bigml.com/user/czuriaga/gallery/model/53a071d4c8db6379930014f6
Fuente: http://www.vladislav.lazarov.pro/files/research/papers/churn-prediction.pdf
19
Modelos de propensión
Técnicas: Árboles de decisión (II)
●Son la alternativa idónea cuando el modelo debe
seguir una lógica de negocio para ser explicado
●Consiste en clasificar a los individuos en grupos
de comportamiento diferente discriminando por
las variables de entrada
●Es una técnica de modelización supervisada
●Se utilizan cuando el sentido de negocio es un
factor de peso en la estructura del modelo
20
Modelos de propensión
Técnicas: Árboles de decisión (III)
●Ventajas
o Su principal virtud es que son entendibles y explicables
o Buena capacidad predictiva con variables categóricas
§ Es necesario trabajar las variables de entrada
definiendo los cortes adecuados
o Alta flexibilidad en cuanto a los tipos de variables de
entrada y tratamiento de missings
§ Además no se ven muy afectados por los outliers
o Muy fáciles de implementar, mantener y revisar
o Se debe controlar el sobre ajuste del modelo evaluando
el modelo con una muestra de test para asegurar la
precisión
21
Modelos de propensión
Técnicas: Redes neuronales
●Son una buena alternativa pero requiere más
trabajo de exploración que otras técnicas
●Combinan los atributos de una observación para
tomar una decisión
●El proceso de modelización consiste en entrenar
a la red neuronal para que aprenda a combinar
los atributos con la estructura y pesos más
adecuados.
22
Modelos de propensión
Técnicas: Redes neuronales (II)
●Ventajas
o Siguen un proceso heurístico de entrenamiento que le
permite ir ajustando los pesos para los atributos de
entrada (p.e: back propagation)
o Las variables de entrada deben normalizarse en rangos
de 0 a 1 para facilitar la convergencia del algoritmo
o Cuantas más capas intermedias más ajustará el resultado
y más riesgo de sobreajuste
§ Es importante tener una muestra de entrenamiento y
una muestra de test
o Uno de los argumentos para no usar las redes neuronales
suele ser que es una caja negra difícil de interpreta
23
Modelos de propensión
Técnicas: Modelos de regresión logística
●Una de las técnicas más utilizadas porque son
modelos eficientes y de alta capacidad
predictiva
●La regresión logística es una técnica de
modelización paramétrica
●Se supone que la relación entre las variables
explicativas y la variable target transformada
(logit) es lineal
24
Modelos de propensión
Técnicas: Modelos de regresión logística (II)
●Ventajas
o No hay limitaciones en cuanto a las variables
independientes o explicativas, pueden ser continuas o
categóricas
o Definida la variable dependiente como la ocurrencia o no
de un acontecimiento, el modelo de regresión logística la
expresa en términos de probabilidad
o Requieren menos esfuerzo que las redes neuronales
§ No es necesario explorar diferentes estructuras e ir
comprobando diferentes sobreajustes
o En caso de tener que hacer múltiples modelos resultan la
mejor opción
25
Modelos de propensión
Estrategia
●Localizar público objetivo
●A ese público, aplicarles alguna acción:
o Descuentos a los más propensos a irse
o Promociones adhoc a un conjunto de clientes que si bien
no son los más propensos a irse ya no tienen la mejor
experiencia de cliente
o etc
●Seleccionar bien el momento ideal para las
acciones de retención dependerá del equilibrio a
conseguir entre dos variables
o Coste de prevención de fuga
o Tasa de éxito en prevención de fuga
26
Modelos de propensión
Casos: Churn o Fuga
Fuente: http://www.retentionscience.com/the-top-4-reasons-customers-churn-and-how-to-prevent-it
Fuente: http://www.forentrepreneurs.com/customer-success/
27
Modelos de propensión
Casos: Gasto futuro
● Para predecir el
consumo que tendrá
el Cliente el próximo
año
● A partir de ese gasto
futuro estimado, se
calcula el valor
esperado del cliente
pudiendo determinar
si éste será rentable o
no
Fuente: http://mod-keynesiano.blogspot.com.es/p/modelo-keynesiano.html
28
Modelos de propensión
Casos: Sensibilidad al precio
● Se realiza un análisis de sensibilidad al precio de
los clientes, identificando aquellos grupos de
usuarios más sensibles a un cambio en el precio
Fuente. http://planuba.orientaronline.com.ar/tag/costos/
29
Modelos de propensión
Business case: Sector asegurador
● Objetivos
o Desarrollar los modelos predictivos de gasto futuro y
fuga de los diferentes ramos (auto, hogar, accidentes y
decesos), para todos los clientes particulares y empresas.
o Determinar la sensibilidad al precio por cada uno de los
productos .
o Realizar una segmentación por fuga y valor de cada
producto.
o Desarrollar el modelo de propensión de compra de todos
los productos.
30
Modelos de propensión
Business case: Sector asegurador (II)
● Objetivos (cont.)
o Crear un sistema de recomendación de acciones de
marketing para cada cliente.
o Identificar hogares y determinar el estadio de vida
dentro de la compañía.
o Crear una segmentación estratégica global basada en
hogares que tuvieran en cuenta todos los miembros del
hogar y sus productos.
o Desarrollar una estrategia de relación para cada uno de
los segmentos
31
Modelos de propensión
Business case: Sector asegurador (III)
● Fases del proyecto
o Fase I: Se realiza el análisis y segmentación de usuarios
de productos de Salud según tipología de hogares, y se
trabajan los modelos de fuga y valor de los clientes.
o Fase II: Se sigue complementando y enriqueciendo el
proceso de segmentación de clientes y se trabajan
modelos de fuga, valor y sensibilidad al precio del resto
de ramos.
o Fase III: Se desarrolla el sistema recomendador que
permita ofrecer los productos más óptimos a los clientes
adecuados.
Copyright (c) 2016 University of Deusto
This work (but the quoted images, whose rights are reserved to their owners*) is licensed under the Creative
Commons “Attribution-ShareAlike” License. To view a copy of this license, visit
http://creativecommons.org/licenses/by-sa/3.0/
Alex Rayón Jerez
Febrero 2016
PROGRAMA DE BIG DATA Y
BUSINESS INTELLIGENCE
Modelos de propensión
Alex Rayón Jerez
alex.rayon@deusto.es
@alrayon
Febrero, 2016. Madrid.

Más contenido relacionado

La actualidad más candente

Introducción a la Investigación de Mercados (IDM)
Introducción a la Investigación de Mercados (IDM)Introducción a la Investigación de Mercados (IDM)
Introducción a la Investigación de Mercados (IDM)flordliz
 
Investigación y recogida de información de Mercados: La entrevista
Investigación y recogida de información de Mercados: La entrevista Investigación y recogida de información de Mercados: La entrevista
Investigación y recogida de información de Mercados: La entrevista Alberto Rodríguez
 
Presentación sobre Estrategia de empresa orientada al cliente - CRM
Presentación sobre Estrategia de empresa orientada al cliente - CRMPresentación sobre Estrategia de empresa orientada al cliente - CRM
Presentación sobre Estrategia de empresa orientada al cliente - CRMIEBS Business School
 
Diferencia entre Mercados, Segmentos, Nichos y Subnichos.
Diferencia entre Mercados, Segmentos, Nichos y Subnichos.Diferencia entre Mercados, Segmentos, Nichos y Subnichos.
Diferencia entre Mercados, Segmentos, Nichos y Subnichos.SacadadeMestre.com
 
El sistema de información de mercados SIM
El sistema de información de mercados SIMEl sistema de información de mercados SIM
El sistema de información de mercados SIMAlberto Rodríguez
 
Seminario Venta Consultiva
Seminario Venta ConsultivaSeminario Venta Consultiva
Seminario Venta ConsultivaMind de Colombia
 
Desempeño del Vendedor
Desempeño del VendedorDesempeño del Vendedor
Desempeño del VendedorOmar Sánchez
 
Unidad didactica 1 El Sistema de Información de Mercados (S.I.M.)
Unidad didactica 1 El Sistema de Información de Mercados (S.I.M.)Unidad didactica 1 El Sistema de Información de Mercados (S.I.M.)
Unidad didactica 1 El Sistema de Información de Mercados (S.I.M.)Juan Adsuara
 
Proceso de investigacion de mercados
Proceso de investigacion de mercadosProceso de investigacion de mercados
Proceso de investigacion de mercadosjoannafrak
 
Administración de la demanda de servicios
Administración de la demanda de serviciosAdministración de la demanda de servicios
Administración de la demanda de serviciosDenise Mazmanian
 
Arte 05 el analisis externo e interno
Arte 05 el analisis externo e internoArte 05 el analisis externo e interno
Arte 05 el analisis externo e internoSalomon Aquino
 
DISEÑO DE CANALES DE DISTRIBUCIÓN
DISEÑO DE CANALES DE DISTRIBUCIÓNDISEÑO DE CANALES DE DISTRIBUCIÓN
DISEÑO DE CANALES DE DISTRIBUCIÓNAyerim Segura
 
Taller de Tecnicas de venta
Taller de Tecnicas de venta Taller de Tecnicas de venta
Taller de Tecnicas de venta Proyectus
 
Ventaja competitiva Diferenciaciòn Porter
Ventaja competitiva Diferenciaciòn PorterVentaja competitiva Diferenciaciòn Porter
Ventaja competitiva Diferenciaciòn Portermalenars
 
Cuadro de análisis de modelo de negocios tradicional y modelo de negocios dig...
Cuadro de análisis de modelo de negocios tradicional y modelo de negocios dig...Cuadro de análisis de modelo de negocios tradicional y modelo de negocios dig...
Cuadro de análisis de modelo de negocios tradicional y modelo de negocios dig...Julio Diaz
 

La actualidad más candente (20)

Introducción a la Investigación de Mercados (IDM)
Introducción a la Investigación de Mercados (IDM)Introducción a la Investigación de Mercados (IDM)
Introducción a la Investigación de Mercados (IDM)
 
Investigación y recogida de información de Mercados: La entrevista
Investigación y recogida de información de Mercados: La entrevista Investigación y recogida de información de Mercados: La entrevista
Investigación y recogida de información de Mercados: La entrevista
 
DeterminacióN De Demanda
DeterminacióN De DemandaDeterminacióN De Demanda
DeterminacióN De Demanda
 
Presentación sobre Estrategia de empresa orientada al cliente - CRM
Presentación sobre Estrategia de empresa orientada al cliente - CRMPresentación sobre Estrategia de empresa orientada al cliente - CRM
Presentación sobre Estrategia de empresa orientada al cliente - CRM
 
Diferencia entre Mercados, Segmentos, Nichos y Subnichos.
Diferencia entre Mercados, Segmentos, Nichos y Subnichos.Diferencia entre Mercados, Segmentos, Nichos y Subnichos.
Diferencia entre Mercados, Segmentos, Nichos y Subnichos.
 
El sistema de información de mercados SIM
El sistema de información de mercados SIMEl sistema de información de mercados SIM
El sistema de información de mercados SIM
 
Seminario Venta Consultiva
Seminario Venta ConsultivaSeminario Venta Consultiva
Seminario Venta Consultiva
 
Desempeño del Vendedor
Desempeño del VendedorDesempeño del Vendedor
Desempeño del Vendedor
 
Unidad didactica 1 El Sistema de Información de Mercados (S.I.M.)
Unidad didactica 1 El Sistema de Información de Mercados (S.I.M.)Unidad didactica 1 El Sistema de Información de Mercados (S.I.M.)
Unidad didactica 1 El Sistema de Información de Mercados (S.I.M.)
 
Proceso de investigacion de mercados
Proceso de investigacion de mercadosProceso de investigacion de mercados
Proceso de investigacion de mercados
 
Administración de la demanda de servicios
Administración de la demanda de serviciosAdministración de la demanda de servicios
Administración de la demanda de servicios
 
Arte 05 el analisis externo e interno
Arte 05 el analisis externo e internoArte 05 el analisis externo e interno
Arte 05 el analisis externo e interno
 
Tu cliente es multicanal, ¿lo es tu empresa?
Tu cliente es multicanal, ¿lo es tu empresa?Tu cliente es multicanal, ¿lo es tu empresa?
Tu cliente es multicanal, ¿lo es tu empresa?
 
DISEÑO DE CANALES DE DISTRIBUCIÓN
DISEÑO DE CANALES DE DISTRIBUCIÓNDISEÑO DE CANALES DE DISTRIBUCIÓN
DISEÑO DE CANALES DE DISTRIBUCIÓN
 
Fundamentos del proceso estrategico
Fundamentos del proceso estrategicoFundamentos del proceso estrategico
Fundamentos del proceso estrategico
 
Taller de Tecnicas de venta
Taller de Tecnicas de venta Taller de Tecnicas de venta
Taller de Tecnicas de venta
 
Ventaja competitiva Diferenciaciòn Porter
Ventaja competitiva Diferenciaciòn PorterVentaja competitiva Diferenciaciòn Porter
Ventaja competitiva Diferenciaciòn Porter
 
Cuadro de análisis de modelo de negocios tradicional y modelo de negocios dig...
Cuadro de análisis de modelo de negocios tradicional y modelo de negocios dig...Cuadro de análisis de modelo de negocios tradicional y modelo de negocios dig...
Cuadro de análisis de modelo de negocios tradicional y modelo de negocios dig...
 
Proceso De Investigacion De Mercados
Proceso De Investigacion De MercadosProceso De Investigacion De Mercados
Proceso De Investigacion De Mercados
 
APROXIMACION AL CLIENTE
APROXIMACION AL CLIENTEAPROXIMACION AL CLIENTE
APROXIMACION AL CLIENTE
 

Destacado

El Dashboard Perfecto
El Dashboard PerfectoEl Dashboard Perfecto
El Dashboard Perfectointellignos
 
Balotario 2 simulacro examen mtc peru www.blucero.c.la
Balotario 2 simulacro examen mtc peru www.blucero.c.laBalotario 2 simulacro examen mtc peru www.blucero.c.la
Balotario 2 simulacro examen mtc peru www.blucero.c.lablucero
 
Optimización de procesos con el Big Data
Optimización de procesos con el Big DataOptimización de procesos con el Big Data
Optimización de procesos con el Big DataAlex Rayón Jerez
 
Aplicación del Big Data a la mejora de la competitividad de la empresa
Aplicación del Big Data a la mejora de la competitividad de la empresaAplicación del Big Data a la mejora de la competitividad de la empresa
Aplicación del Big Data a la mejora de la competitividad de la empresaAlex Rayón Jerez
 
Las competencias digitales como método de observación de competencias genéricas
Las competencias digitales como método de observación de competencias genéricasLas competencias digitales como método de observación de competencias genéricas
Las competencias digitales como método de observación de competencias genéricasAlex Rayón Jerez
 
El Big Data en la dirección comercial: market(ing) intelligence
El Big Data en la dirección comercial: market(ing) intelligenceEl Big Data en la dirección comercial: market(ing) intelligence
El Big Data en la dirección comercial: market(ing) intelligenceAlex Rayón Jerez
 
Marketing intelligence con estrategia omnicanal y Customer Journey
Marketing intelligence con estrategia omnicanal y Customer JourneyMarketing intelligence con estrategia omnicanal y Customer Journey
Marketing intelligence con estrategia omnicanal y Customer JourneyAlex Rayón Jerez
 
El Big Data en mi empresa ¿de qué me sirve?
El Big Data en mi empresa  ¿de qué me sirve?El Big Data en mi empresa  ¿de qué me sirve?
El Big Data en mi empresa ¿de qué me sirve?Alex Rayón Jerez
 
Búsqueda, organización y presentación de recursos de aprendizaje
Búsqueda, organización y presentación de recursos de aprendizajeBúsqueda, organización y presentación de recursos de aprendizaje
Búsqueda, organización y presentación de recursos de aprendizajeAlex Rayón Jerez
 
Advanced Reporting and ETL for MongoDB: Easily Build a 360-Degree View of You...
Advanced Reporting and ETL for MongoDB: Easily Build a 360-Degree View of You...Advanced Reporting and ETL for MongoDB: Easily Build a 360-Degree View of You...
Advanced Reporting and ETL for MongoDB: Easily Build a 360-Degree View of You...MongoDB
 
Análisis de Redes Sociales (Social Network Analysis) y Text Mining
Análisis de Redes Sociales (Social Network Analysis) y Text MiningAnálisis de Redes Sociales (Social Network Analysis) y Text Mining
Análisis de Redes Sociales (Social Network Analysis) y Text MiningAlex Rayón Jerez
 
Big Data: the Management Revolution
Big Data: the Management RevolutionBig Data: the Management Revolution
Big Data: the Management RevolutionAlex Rayón Jerez
 
Cómo crecer, ser más eficiente y competitivo a través del Big Data
Cómo crecer, ser más eficiente y competitivo a través del Big DataCómo crecer, ser más eficiente y competitivo a través del Big Data
Cómo crecer, ser más eficiente y competitivo a través del Big DataAlex Rayón Jerez
 
Customer Lifetime Value Management con Big Data
Customer Lifetime Value Management con Big DataCustomer Lifetime Value Management con Big Data
Customer Lifetime Value Management con Big DataAlex Rayón Jerez
 
Procesamiento y visualización de datos para generar nuevo conocimiento
Procesamiento y visualización de datos para generar nuevo conocimientoProcesamiento y visualización de datos para generar nuevo conocimiento
Procesamiento y visualización de datos para generar nuevo conocimientoAlex Rayón Jerez
 
Utilizando Google Drive y Google Docs en el aula para trabajar con mis estudi...
Utilizando Google Drive y Google Docs en el aula para trabajar con mis estudi...Utilizando Google Drive y Google Docs en el aula para trabajar con mis estudi...
Utilizando Google Drive y Google Docs en el aula para trabajar con mis estudi...Alex Rayón Jerez
 
Fomentando la colaboración en el aula a través de herramientas sociales
Fomentando la colaboración en el aula a través de herramientas socialesFomentando la colaboración en el aula a través de herramientas sociales
Fomentando la colaboración en el aula a través de herramientas socialesAlex Rayón Jerez
 
Enterprise Reporting with MongoDB and JasperSoft
Enterprise Reporting with MongoDB and JasperSoftEnterprise Reporting with MongoDB and JasperSoft
Enterprise Reporting with MongoDB and JasperSoftMongoDB
 

Destacado (20)

El Dashboard Perfecto
El Dashboard PerfectoEl Dashboard Perfecto
El Dashboard Perfecto
 
Balotario 2 simulacro examen mtc peru www.blucero.c.la
Balotario 2 simulacro examen mtc peru www.blucero.c.laBalotario 2 simulacro examen mtc peru www.blucero.c.la
Balotario 2 simulacro examen mtc peru www.blucero.c.la
 
Indicadores del Control de Gestión
Indicadores del Control de GestiónIndicadores del Control de Gestión
Indicadores del Control de Gestión
 
Optimización de procesos con el Big Data
Optimización de procesos con el Big DataOptimización de procesos con el Big Data
Optimización de procesos con el Big Data
 
Aplicación del Big Data a la mejora de la competitividad de la empresa
Aplicación del Big Data a la mejora de la competitividad de la empresaAplicación del Big Data a la mejora de la competitividad de la empresa
Aplicación del Big Data a la mejora de la competitividad de la empresa
 
Las competencias digitales como método de observación de competencias genéricas
Las competencias digitales como método de observación de competencias genéricasLas competencias digitales como método de observación de competencias genéricas
Las competencias digitales como método de observación de competencias genéricas
 
El Big Data en la dirección comercial: market(ing) intelligence
El Big Data en la dirección comercial: market(ing) intelligenceEl Big Data en la dirección comercial: market(ing) intelligence
El Big Data en la dirección comercial: market(ing) intelligence
 
Marketing intelligence con estrategia omnicanal y Customer Journey
Marketing intelligence con estrategia omnicanal y Customer JourneyMarketing intelligence con estrategia omnicanal y Customer Journey
Marketing intelligence con estrategia omnicanal y Customer Journey
 
El Big Data en mi empresa ¿de qué me sirve?
El Big Data en mi empresa  ¿de qué me sirve?El Big Data en mi empresa  ¿de qué me sirve?
El Big Data en mi empresa ¿de qué me sirve?
 
Búsqueda, organización y presentación de recursos de aprendizaje
Búsqueda, organización y presentación de recursos de aprendizajeBúsqueda, organización y presentación de recursos de aprendizaje
Búsqueda, organización y presentación de recursos de aprendizaje
 
Advanced Reporting and ETL for MongoDB: Easily Build a 360-Degree View of You...
Advanced Reporting and ETL for MongoDB: Easily Build a 360-Degree View of You...Advanced Reporting and ETL for MongoDB: Easily Build a 360-Degree View of You...
Advanced Reporting and ETL for MongoDB: Easily Build a 360-Degree View of You...
 
Análisis de Redes Sociales (Social Network Analysis) y Text Mining
Análisis de Redes Sociales (Social Network Analysis) y Text MiningAnálisis de Redes Sociales (Social Network Analysis) y Text Mining
Análisis de Redes Sociales (Social Network Analysis) y Text Mining
 
Big Data: the Management Revolution
Big Data: the Management RevolutionBig Data: the Management Revolution
Big Data: the Management Revolution
 
Cómo crecer, ser más eficiente y competitivo a través del Big Data
Cómo crecer, ser más eficiente y competitivo a través del Big DataCómo crecer, ser más eficiente y competitivo a través del Big Data
Cómo crecer, ser más eficiente y competitivo a través del Big Data
 
Customer Lifetime Value Management con Big Data
Customer Lifetime Value Management con Big DataCustomer Lifetime Value Management con Big Data
Customer Lifetime Value Management con Big Data
 
Procesamiento y visualización de datos para generar nuevo conocimiento
Procesamiento y visualización de datos para generar nuevo conocimientoProcesamiento y visualización de datos para generar nuevo conocimiento
Procesamiento y visualización de datos para generar nuevo conocimiento
 
Utilizando Google Drive y Google Docs en el aula para trabajar con mis estudi...
Utilizando Google Drive y Google Docs en el aula para trabajar con mis estudi...Utilizando Google Drive y Google Docs en el aula para trabajar con mis estudi...
Utilizando Google Drive y Google Docs en el aula para trabajar con mis estudi...
 
Introducción al software libre y open source
Introducción al software libre y open sourceIntroducción al software libre y open source
Introducción al software libre y open source
 
Fomentando la colaboración en el aula a través de herramientas sociales
Fomentando la colaboración en el aula a través de herramientas socialesFomentando la colaboración en el aula a través de herramientas sociales
Fomentando la colaboración en el aula a través de herramientas sociales
 
Enterprise Reporting with MongoDB and JasperSoft
Enterprise Reporting with MongoDB and JasperSoftEnterprise Reporting with MongoDB and JasperSoft
Enterprise Reporting with MongoDB and JasperSoft
 

Similar a Modelos de propensión en la era del Big Data

Mejorando la experiencia de cliente a través del Big Data
Mejorando la experiencia de cliente a través del Big DataMejorando la experiencia de cliente a través del Big Data
Mejorando la experiencia de cliente a través del Big DataAlex Rayón Jerez
 
Consultoría y asesoría en tiendas de conveniencia cercanía y ahorro 2017
Consultoría  y asesoría en tiendas de conveniencia   cercanía y ahorro 2017Consultoría  y asesoría en tiendas de conveniencia   cercanía y ahorro 2017
Consultoría y asesoría en tiendas de conveniencia cercanía y ahorro 2017Perú Retail
 
Inteligencia de clientes y geomarketing banca
Inteligencia de clientes y geomarketing bancaInteligencia de clientes y geomarketing banca
Inteligencia de clientes y geomarketing bancaGuillermo Córdoba
 
Seminarios de Analítica Predictiva con Rapid Miner
Seminarios de Analítica Predictiva con Rapid MinerSeminarios de Analítica Predictiva con Rapid Miner
Seminarios de Analítica Predictiva con Rapid MinerLPI ONG
 
Modelos de Venta y Distribución, S&OP Integración de ventas y operaciones P...
Modelos de Venta y Distribución, S&OP Integración de ventas y operaciones P...Modelos de Venta y Distribución, S&OP Integración de ventas y operaciones P...
Modelos de Venta y Distribución, S&OP Integración de ventas y operaciones P...JuliaSilva635352
 
Desarrollo y Análisis Económico para Proyectos
Desarrollo y Análisis Económico para ProyectosDesarrollo y Análisis Económico para Proyectos
Desarrollo y Análisis Económico para ProyectosAndre Marques Valio
 
Ventaja competitiva y creación de valor.pptx
Ventaja competitiva y creación de valor.pptxVentaja competitiva y creación de valor.pptx
Ventaja competitiva y creación de valor.pptxRafaelHerrera509055
 
Técnicas de proyección de mercado (Equipo Chile)
Técnicas de proyección de mercado (Equipo Chile)Técnicas de proyección de mercado (Equipo Chile)
Técnicas de proyección de mercado (Equipo Chile)BASEK
 
Presentación Jose Gabriel Carrasco​ - eCommerceForum Moda Santiago 2015
Presentación Jose Gabriel Carrasco​ - eCommerceForum Moda Santiago 2015Presentación Jose Gabriel Carrasco​ - eCommerceForum Moda Santiago 2015
Presentación Jose Gabriel Carrasco​ - eCommerceForum Moda Santiago 2015eCommerce Institute
 
Gestión efectiva de inventarios, crucial para la logística
Gestión efectiva de inventarios, crucial para la logística Gestión efectiva de inventarios, crucial para la logística
Gestión efectiva de inventarios, crucial para la logística Decisiones Logísticas
 
Curso formulacion y evaluacion de proyectos tecnologia alinentos fcv (1)
Curso formulacion y evaluacion de proyectos  tecnologia alinentos fcv (1)Curso formulacion y evaluacion de proyectos  tecnologia alinentos fcv (1)
Curso formulacion y evaluacion de proyectos tecnologia alinentos fcv (1)200815707612
 
Cuadro compartivo sobre modelos de gestion del conocimiento
Cuadro compartivo sobre modelos de gestion del conocimientoCuadro compartivo sobre modelos de gestion del conocimiento
Cuadro compartivo sobre modelos de gestion del conocimientolygd
 
Presentacion_Mordezki_PTICOMEX
Presentacion_Mordezki_PTICOMEXPresentacion_Mordezki_PTICOMEX
Presentacion_Mordezki_PTICOMEXClusterCba
 
Modelos de Negocios en empresas tecnológicas y su impacto en la internacional...
Modelos de Negocios en empresas tecnológicas y su impacto en la internacional...Modelos de Negocios en empresas tecnológicas y su impacto en la internacional...
Modelos de Negocios en empresas tecnológicas y su impacto en la internacional...Marcel Mordezki
 

Similar a Modelos de propensión en la era del Big Data (20)

Juan gallardo cervantes modelsim evidencia4.docx
Juan gallardo cervantes modelsim evidencia4.docxJuan gallardo cervantes modelsim evidencia4.docx
Juan gallardo cervantes modelsim evidencia4.docx
 
Mejorando la experiencia de cliente a través del Big Data
Mejorando la experiencia de cliente a través del Big DataMejorando la experiencia de cliente a través del Big Data
Mejorando la experiencia de cliente a través del Big Data
 
Consultoría y asesoría en tiendas de conveniencia cercanía y ahorro 2017
Consultoría  y asesoría en tiendas de conveniencia   cercanía y ahorro 2017Consultoría  y asesoría en tiendas de conveniencia   cercanía y ahorro 2017
Consultoría y asesoría en tiendas de conveniencia cercanía y ahorro 2017
 
Inteligencia de clientes y geomarketing banca
Inteligencia de clientes y geomarketing bancaInteligencia de clientes y geomarketing banca
Inteligencia de clientes y geomarketing banca
 
Seminarios de Analítica Predictiva con Rapid Miner
Seminarios de Analítica Predictiva con Rapid MinerSeminarios de Analítica Predictiva con Rapid Miner
Seminarios de Analítica Predictiva con Rapid Miner
 
Modelos de Venta y Distribución, S&OP Integración de ventas y operaciones P...
Modelos de Venta y Distribución, S&OP Integración de ventas y operaciones P...Modelos de Venta y Distribución, S&OP Integración de ventas y operaciones P...
Modelos de Venta y Distribución, S&OP Integración de ventas y operaciones P...
 
Proyecto informatico
Proyecto informaticoProyecto informatico
Proyecto informatico
 
Desarrollo y Análisis Económico para Proyectos
Desarrollo y Análisis Económico para ProyectosDesarrollo y Análisis Económico para Proyectos
Desarrollo y Análisis Económico para Proyectos
 
Caso de Estudio - Banca
Caso de Estudio - BancaCaso de Estudio - Banca
Caso de Estudio - Banca
 
Product manager (r)
Product manager (r)Product manager (r)
Product manager (r)
 
28 demanda
28 demanda28 demanda
28 demanda
 
Ventaja competitiva y creación de valor.pptx
Ventaja competitiva y creación de valor.pptxVentaja competitiva y creación de valor.pptx
Ventaja competitiva y creación de valor.pptx
 
Técnicas de proyección de mercado (Equipo Chile)
Técnicas de proyección de mercado (Equipo Chile)Técnicas de proyección de mercado (Equipo Chile)
Técnicas de proyección de mercado (Equipo Chile)
 
Presentación Jose Gabriel Carrasco​ - eCommerceForum Moda Santiago 2015
Presentación Jose Gabriel Carrasco​ - eCommerceForum Moda Santiago 2015Presentación Jose Gabriel Carrasco​ - eCommerceForum Moda Santiago 2015
Presentación Jose Gabriel Carrasco​ - eCommerceForum Moda Santiago 2015
 
Gestión efectiva de inventarios, crucial para la logística
Gestión efectiva de inventarios, crucial para la logística Gestión efectiva de inventarios, crucial para la logística
Gestión efectiva de inventarios, crucial para la logística
 
Curso formulacion y evaluacion de proyectos tecnologia alinentos fcv (1)
Curso formulacion y evaluacion de proyectos  tecnologia alinentos fcv (1)Curso formulacion y evaluacion de proyectos  tecnologia alinentos fcv (1)
Curso formulacion y evaluacion de proyectos tecnologia alinentos fcv (1)
 
Cuadro compartivo sobre modelos de gestion del conocimiento
Cuadro compartivo sobre modelos de gestion del conocimientoCuadro compartivo sobre modelos de gestion del conocimiento
Cuadro compartivo sobre modelos de gestion del conocimiento
 
Presentacion_Mordezki_PTICOMEX
Presentacion_Mordezki_PTICOMEXPresentacion_Mordezki_PTICOMEX
Presentacion_Mordezki_PTICOMEX
 
Modelos de Negocios en empresas tecnológicas y su impacto en la internacional...
Modelos de Negocios en empresas tecnológicas y su impacto en la internacional...Modelos de Negocios en empresas tecnológicas y su impacto en la internacional...
Modelos de Negocios en empresas tecnológicas y su impacto en la internacional...
 
Vender en tiempos de incertidumbre
Vender en tiempos de incertidumbreVender en tiempos de incertidumbre
Vender en tiempos de incertidumbre
 

Más de Alex Rayón Jerez

Herramientas y metodologías Big Data para acceder a datos no estructurados
Herramientas y metodologías Big Data para acceder a datos no estructuradosHerramientas y metodologías Big Data para acceder a datos no estructurados
Herramientas y metodologías Big Data para acceder a datos no estructuradosAlex Rayón Jerez
 
La economía del dato: transformando sectores, generando oportunidades
La economía del dato: transformando sectores, generando oportunidadesLa economía del dato: transformando sectores, generando oportunidades
La economía del dato: transformando sectores, generando oportunidadesAlex Rayón Jerez
 
El poder de los datos: hacia una sociedad inteligente, pero ética
El poder de los datos: hacia una sociedad inteligente, pero éticaEl poder de los datos: hacia una sociedad inteligente, pero ética
El poder de los datos: hacia una sociedad inteligente, pero éticaAlex Rayón Jerez
 
Deusto Knowledge Hub como herramienta de publicación y descubrimiento de cono...
Deusto Knowledge Hub como herramienta de publicación y descubrimiento de cono...Deusto Knowledge Hub como herramienta de publicación y descubrimiento de cono...
Deusto Knowledge Hub como herramienta de publicación y descubrimiento de cono...Alex Rayón Jerez
 
El Big Data y Business Intelligence en mi empresa: ¿de qué me sirve?
El Big Data y Business Intelligence en mi empresa: ¿de qué me sirve?El Big Data y Business Intelligence en mi empresa: ¿de qué me sirve?
El Big Data y Business Intelligence en mi empresa: ¿de qué me sirve?Alex Rayón Jerez
 
Marketing intelligence: Optimizando la estrategia a través del Big Data
Marketing intelligence: Optimizando la estrategia a través del Big DataMarketing intelligence: Optimizando la estrategia a través del Big Data
Marketing intelligence: Optimizando la estrategia a través del Big DataAlex Rayón Jerez
 
Profesiones de mañana para trabajar hoy
Profesiones de mañana para trabajar hoyProfesiones de mañana para trabajar hoy
Profesiones de mañana para trabajar hoyAlex Rayón Jerez
 
Pentaho Data Integration: Extrayendo, integrando, normalizando y preparando m...
Pentaho Data Integration: Extrayendo, integrando, normalizando y preparando m...Pentaho Data Integration: Extrayendo, integrando, normalizando y preparando m...
Pentaho Data Integration: Extrayendo, integrando, normalizando y preparando m...Alex Rayón Jerez
 
Métricas de marketing intelligence: midiendo y evaluando para mejorar el mark...
Métricas de marketing intelligence: midiendo y evaluando para mejorar el mark...Métricas de marketing intelligence: midiendo y evaluando para mejorar el mark...
Métricas de marketing intelligence: midiendo y evaluando para mejorar el mark...Alex Rayón Jerez
 
Visual analytics: poniendo en valor el dato a través de la visualización
Visual analytics: poniendo en valor el dato a través de la visualizaciónVisual analytics: poniendo en valor el dato a través de la visualización
Visual analytics: poniendo en valor el dato a través de la visualizaciónAlex Rayón Jerez
 
Yo como persona emprendedora
Yo como persona emprendedoraYo como persona emprendedora
Yo como persona emprendedoraAlex Rayón Jerez
 
Smart Data para la mejora de la educación y sus procesos de enseñanza aprendi...
Smart Data para la mejora de la educación y sus procesos de enseñanza aprendi...Smart Data para la mejora de la educación y sus procesos de enseñanza aprendi...
Smart Data para la mejora de la educación y sus procesos de enseñanza aprendi...Alex Rayón Jerez
 
La transformación digital del sector financiero
La transformación digital del sector financieroLa transformación digital del sector financiero
La transformación digital del sector financieroAlex Rayón Jerez
 
Marketing digital para la captación de más clientes
Marketing digital para la captación de más clientesMarketing digital para la captación de más clientes
Marketing digital para la captación de más clientesAlex Rayón Jerez
 
Las competencias digitales en mi empresa: ¿en qué me pueden ayudar?
Las competencias digitales en mi empresa: ¿en qué me pueden ayudar?Las competencias digitales en mi empresa: ¿en qué me pueden ayudar?
Las competencias digitales en mi empresa: ¿en qué me pueden ayudar?Alex Rayón Jerez
 

Más de Alex Rayón Jerez (15)

Herramientas y metodologías Big Data para acceder a datos no estructurados
Herramientas y metodologías Big Data para acceder a datos no estructuradosHerramientas y metodologías Big Data para acceder a datos no estructurados
Herramientas y metodologías Big Data para acceder a datos no estructurados
 
La economía del dato: transformando sectores, generando oportunidades
La economía del dato: transformando sectores, generando oportunidadesLa economía del dato: transformando sectores, generando oportunidades
La economía del dato: transformando sectores, generando oportunidades
 
El poder de los datos: hacia una sociedad inteligente, pero ética
El poder de los datos: hacia una sociedad inteligente, pero éticaEl poder de los datos: hacia una sociedad inteligente, pero ética
El poder de los datos: hacia una sociedad inteligente, pero ética
 
Deusto Knowledge Hub como herramienta de publicación y descubrimiento de cono...
Deusto Knowledge Hub como herramienta de publicación y descubrimiento de cono...Deusto Knowledge Hub como herramienta de publicación y descubrimiento de cono...
Deusto Knowledge Hub como herramienta de publicación y descubrimiento de cono...
 
El Big Data y Business Intelligence en mi empresa: ¿de qué me sirve?
El Big Data y Business Intelligence en mi empresa: ¿de qué me sirve?El Big Data y Business Intelligence en mi empresa: ¿de qué me sirve?
El Big Data y Business Intelligence en mi empresa: ¿de qué me sirve?
 
Marketing intelligence: Optimizando la estrategia a través del Big Data
Marketing intelligence: Optimizando la estrategia a través del Big DataMarketing intelligence: Optimizando la estrategia a través del Big Data
Marketing intelligence: Optimizando la estrategia a través del Big Data
 
Profesiones de mañana para trabajar hoy
Profesiones de mañana para trabajar hoyProfesiones de mañana para trabajar hoy
Profesiones de mañana para trabajar hoy
 
Pentaho Data Integration: Extrayendo, integrando, normalizando y preparando m...
Pentaho Data Integration: Extrayendo, integrando, normalizando y preparando m...Pentaho Data Integration: Extrayendo, integrando, normalizando y preparando m...
Pentaho Data Integration: Extrayendo, integrando, normalizando y preparando m...
 
Métricas de marketing intelligence: midiendo y evaluando para mejorar el mark...
Métricas de marketing intelligence: midiendo y evaluando para mejorar el mark...Métricas de marketing intelligence: midiendo y evaluando para mejorar el mark...
Métricas de marketing intelligence: midiendo y evaluando para mejorar el mark...
 
Visual analytics: poniendo en valor el dato a través de la visualización
Visual analytics: poniendo en valor el dato a través de la visualizaciónVisual analytics: poniendo en valor el dato a través de la visualización
Visual analytics: poniendo en valor el dato a través de la visualización
 
Yo como persona emprendedora
Yo como persona emprendedoraYo como persona emprendedora
Yo como persona emprendedora
 
Smart Data para la mejora de la educación y sus procesos de enseñanza aprendi...
Smart Data para la mejora de la educación y sus procesos de enseñanza aprendi...Smart Data para la mejora de la educación y sus procesos de enseñanza aprendi...
Smart Data para la mejora de la educación y sus procesos de enseñanza aprendi...
 
La transformación digital del sector financiero
La transformación digital del sector financieroLa transformación digital del sector financiero
La transformación digital del sector financiero
 
Marketing digital para la captación de más clientes
Marketing digital para la captación de más clientesMarketing digital para la captación de más clientes
Marketing digital para la captación de más clientes
 
Las competencias digitales en mi empresa: ¿en qué me pueden ayudar?
Las competencias digitales en mi empresa: ¿en qué me pueden ayudar?Las competencias digitales en mi empresa: ¿en qué me pueden ayudar?
Las competencias digitales en mi empresa: ¿en qué me pueden ayudar?
 

Último

PROPIEDADES DE LA LUZ. TIPLER. FÍSICA. PROBLEMAS
PROPIEDADES DE LA LUZ. TIPLER. FÍSICA. PROBLEMASPROPIEDADES DE LA LUZ. TIPLER. FÍSICA. PROBLEMAS
PROPIEDADES DE LA LUZ. TIPLER. FÍSICA. PROBLEMASjolopezpla1
 
BIENESTAR TOTAL - LA EXPERIENCIA DEL CLIENTE CON ATR
BIENESTAR TOTAL - LA EXPERIENCIA DEL CLIENTE CON ATRBIENESTAR TOTAL - LA EXPERIENCIA DEL CLIENTE CON ATR
BIENESTAR TOTAL - LA EXPERIENCIA DEL CLIENTE CON ATRDanielGrajeda7
 
1 CARTILLA DE CATEQUESIS año biblico 2023-2024.pdf
1 CARTILLA DE CATEQUESIS año biblico 2023-2024.pdf1 CARTILLA DE CATEQUESIS año biblico 2023-2024.pdf
1 CARTILLA DE CATEQUESIS año biblico 2023-2024.pdffaustozurita
 
IMPLICACIONES BIOÉTICAS ANTE EL TRANSHUMANISMO A PARTIR DEL PENSAMIENTO FILOS...
IMPLICACIONES BIOÉTICAS ANTE EL TRANSHUMANISMO A PARTIR DEL PENSAMIENTO FILOS...IMPLICACIONES BIOÉTICAS ANTE EL TRANSHUMANISMO A PARTIR DEL PENSAMIENTO FILOS...
IMPLICACIONES BIOÉTICAS ANTE EL TRANSHUMANISMO A PARTIR DEL PENSAMIENTO FILOS...Andrés Canale
 
Análisis de la situación actual .La Matriz de Perfil Competitivo (MPC)
Análisis de la situación actual .La Matriz de Perfil Competitivo (MPC)Análisis de la situación actual .La Matriz de Perfil Competitivo (MPC)
Análisis de la situación actual .La Matriz de Perfil Competitivo (MPC)JonathanCovena1
 
Vínculo afectivo (labor expositivo de grupo )
Vínculo afectivo (labor expositivo de grupo )Vínculo afectivo (labor expositivo de grupo )
Vínculo afectivo (labor expositivo de grupo )portafoliodigitalyos
 
Tipologías de vínculos afectivos (grupo)
Tipologías de vínculos afectivos (grupo)Tipologías de vínculos afectivos (grupo)
Tipologías de vínculos afectivos (grupo)portafoliodigitalyos
 
ESTEREOTIPOS DE GÉNERO A LAS PERSONAS? (Grupo)
ESTEREOTIPOS DE GÉNERO A LAS PERSONAS? (Grupo)ESTEREOTIPOS DE GÉNERO A LAS PERSONAS? (Grupo)
ESTEREOTIPOS DE GÉNERO A LAS PERSONAS? (Grupo)portafoliodigitalyos
 
ACERTIJO SOPA DE LETRAS OLÍMPICA. Por JAVIER SOLIS NOYOLA
ACERTIJO SOPA DE LETRAS OLÍMPICA. Por JAVIER SOLIS NOYOLAACERTIJO SOPA DE LETRAS OLÍMPICA. Por JAVIER SOLIS NOYOLA
ACERTIJO SOPA DE LETRAS OLÍMPICA. Por JAVIER SOLIS NOYOLAJAVIER SOLIS NOYOLA
 
Como construir los vínculos afectivos (Grupal)
Como construir los vínculos afectivos (Grupal)Como construir los vínculos afectivos (Grupal)
Como construir los vínculos afectivos (Grupal)portafoliodigitalyos
 
ESTEREOTIPOS Y ROLES DE GÉNERO (labor de grupo)
ESTEREOTIPOS  Y ROLES DE GÉNERO (labor de grupo)ESTEREOTIPOS  Y ROLES DE GÉNERO (labor de grupo)
ESTEREOTIPOS Y ROLES DE GÉNERO (labor de grupo)portafoliodigitalyos
 
PROBLEMAS DE GENÉTICA CON ÁRBOLES GENEALÓGICOS.pdf
PROBLEMAS DE GENÉTICA  CON ÁRBOLES GENEALÓGICOS.pdfPROBLEMAS DE GENÉTICA  CON ÁRBOLES GENEALÓGICOS.pdf
PROBLEMAS DE GENÉTICA CON ÁRBOLES GENEALÓGICOS.pdfmihayedo
 
Lección 1: Los complementos del Verbo ...
Lección 1: Los complementos del Verbo ...Lección 1: Los complementos del Verbo ...
Lección 1: Los complementos del Verbo ...odalisvelezg
 
Profecia 2300 dias explicada, Daniel 8:14
Profecia 2300 dias explicada, Daniel 8:14Profecia 2300 dias explicada, Daniel 8:14
Profecia 2300 dias explicada, Daniel 8:14KevinBuenrostro4
 
Diagnostico del corregimiento de Junin del municipio de Barbacoas
Diagnostico del corregimiento de Junin del municipio de BarbacoasDiagnostico del corregimiento de Junin del municipio de Barbacoas
Diagnostico del corregimiento de Junin del municipio de Barbacoasadvavillacorte123
 
ENUNCIADOS CUESTIONARIO S9 GEOLOGIA Y MINERALOGIA - GENERAL.docx
ENUNCIADOS CUESTIONARIO S9 GEOLOGIA Y MINERALOGIA - GENERAL.docxENUNCIADOS CUESTIONARIO S9 GEOLOGIA Y MINERALOGIA - GENERAL.docx
ENUNCIADOS CUESTIONARIO S9 GEOLOGIA Y MINERALOGIA - GENERAL.docxmatepura
 

Último (20)

PROPIEDADES DE LA LUZ. TIPLER. FÍSICA. PROBLEMAS
PROPIEDADES DE LA LUZ. TIPLER. FÍSICA. PROBLEMASPROPIEDADES DE LA LUZ. TIPLER. FÍSICA. PROBLEMAS
PROPIEDADES DE LA LUZ. TIPLER. FÍSICA. PROBLEMAS
 
La historia de la vida estudiantil a 102 años de la fundación de las Normales...
La historia de la vida estudiantil a 102 años de la fundación de las Normales...La historia de la vida estudiantil a 102 años de la fundación de las Normales...
La historia de la vida estudiantil a 102 años de la fundación de las Normales...
 
BIENESTAR TOTAL - LA EXPERIENCIA DEL CLIENTE CON ATR
BIENESTAR TOTAL - LA EXPERIENCIA DEL CLIENTE CON ATRBIENESTAR TOTAL - LA EXPERIENCIA DEL CLIENTE CON ATR
BIENESTAR TOTAL - LA EXPERIENCIA DEL CLIENTE CON ATR
 
1 CARTILLA DE CATEQUESIS año biblico 2023-2024.pdf
1 CARTILLA DE CATEQUESIS año biblico 2023-2024.pdf1 CARTILLA DE CATEQUESIS año biblico 2023-2024.pdf
1 CARTILLA DE CATEQUESIS año biblico 2023-2024.pdf
 
IMPLICACIONES BIOÉTICAS ANTE EL TRANSHUMANISMO A PARTIR DEL PENSAMIENTO FILOS...
IMPLICACIONES BIOÉTICAS ANTE EL TRANSHUMANISMO A PARTIR DEL PENSAMIENTO FILOS...IMPLICACIONES BIOÉTICAS ANTE EL TRANSHUMANISMO A PARTIR DEL PENSAMIENTO FILOS...
IMPLICACIONES BIOÉTICAS ANTE EL TRANSHUMANISMO A PARTIR DEL PENSAMIENTO FILOS...
 
Análisis de la situación actual .La Matriz de Perfil Competitivo (MPC)
Análisis de la situación actual .La Matriz de Perfil Competitivo (MPC)Análisis de la situación actual .La Matriz de Perfil Competitivo (MPC)
Análisis de la situación actual .La Matriz de Perfil Competitivo (MPC)
 
Vínculo afectivo (labor expositivo de grupo )
Vínculo afectivo (labor expositivo de grupo )Vínculo afectivo (labor expositivo de grupo )
Vínculo afectivo (labor expositivo de grupo )
 
Tipologías de vínculos afectivos (grupo)
Tipologías de vínculos afectivos (grupo)Tipologías de vínculos afectivos (grupo)
Tipologías de vínculos afectivos (grupo)
 
ESTEREOTIPOS DE GÉNERO A LAS PERSONAS? (Grupo)
ESTEREOTIPOS DE GÉNERO A LAS PERSONAS? (Grupo)ESTEREOTIPOS DE GÉNERO A LAS PERSONAS? (Grupo)
ESTEREOTIPOS DE GÉNERO A LAS PERSONAS? (Grupo)
 
Power Point: Luz desde el santuario.pptx
Power Point: Luz desde el santuario.pptxPower Point: Luz desde el santuario.pptx
Power Point: Luz desde el santuario.pptx
 
ACERTIJO SOPA DE LETRAS OLÍMPICA. Por JAVIER SOLIS NOYOLA
ACERTIJO SOPA DE LETRAS OLÍMPICA. Por JAVIER SOLIS NOYOLAACERTIJO SOPA DE LETRAS OLÍMPICA. Por JAVIER SOLIS NOYOLA
ACERTIJO SOPA DE LETRAS OLÍMPICA. Por JAVIER SOLIS NOYOLA
 
Como construir los vínculos afectivos (Grupal)
Como construir los vínculos afectivos (Grupal)Como construir los vínculos afectivos (Grupal)
Como construir los vínculos afectivos (Grupal)
 
Sesión de clase: Luz desde el santuario.pdf
Sesión de clase: Luz desde el santuario.pdfSesión de clase: Luz desde el santuario.pdf
Sesión de clase: Luz desde el santuario.pdf
 
ESTEREOTIPOS Y ROLES DE GÉNERO (labor de grupo)
ESTEREOTIPOS  Y ROLES DE GÉNERO (labor de grupo)ESTEREOTIPOS  Y ROLES DE GÉNERO (labor de grupo)
ESTEREOTIPOS Y ROLES DE GÉNERO (labor de grupo)
 
PROBLEMAS DE GENÉTICA CON ÁRBOLES GENEALÓGICOS.pdf
PROBLEMAS DE GENÉTICA  CON ÁRBOLES GENEALÓGICOS.pdfPROBLEMAS DE GENÉTICA  CON ÁRBOLES GENEALÓGICOS.pdf
PROBLEMAS DE GENÉTICA CON ÁRBOLES GENEALÓGICOS.pdf
 
Lección 1: Los complementos del Verbo ...
Lección 1: Los complementos del Verbo ...Lección 1: Los complementos del Verbo ...
Lección 1: Los complementos del Verbo ...
 
Profecia 2300 dias explicada, Daniel 8:14
Profecia 2300 dias explicada, Daniel 8:14Profecia 2300 dias explicada, Daniel 8:14
Profecia 2300 dias explicada, Daniel 8:14
 
Revista Faro Normalista 6, 18 de mayo 2024
Revista Faro Normalista 6, 18 de mayo 2024Revista Faro Normalista 6, 18 de mayo 2024
Revista Faro Normalista 6, 18 de mayo 2024
 
Diagnostico del corregimiento de Junin del municipio de Barbacoas
Diagnostico del corregimiento de Junin del municipio de BarbacoasDiagnostico del corregimiento de Junin del municipio de Barbacoas
Diagnostico del corregimiento de Junin del municipio de Barbacoas
 
ENUNCIADOS CUESTIONARIO S9 GEOLOGIA Y MINERALOGIA - GENERAL.docx
ENUNCIADOS CUESTIONARIO S9 GEOLOGIA Y MINERALOGIA - GENERAL.docxENUNCIADOS CUESTIONARIO S9 GEOLOGIA Y MINERALOGIA - GENERAL.docx
ENUNCIADOS CUESTIONARIO S9 GEOLOGIA Y MINERALOGIA - GENERAL.docx
 

Modelos de propensión en la era del Big Data

  • 1. PROGRAMA DE BIG DATA Y BUSINESS INTELLIGENCE Modelos de propensión Alex Rayón Jerez alex.rayon@deusto.es @alrayon Febrero, 2016. Madrid.
  • 3. 3 Modelos de propensión Introducción Fuente: http://www.sas.com/offices/latinamerica/argentina/resources/asset/CI_Banca2012.pdf
  • 6. 6 Modelos de propensión Introducción (IV) ●Máxima efectividad ya que atacamos a clientes concretos con la antelación suficiente como para retenerlos ●Construcción de modelos que predicen la propensión a compra o abandono en base a características actuales del cliente ●Los modelos tienen más profundidad en el uso de variables (continuamente actualizadas) e identifican con mayor anticipación posibles desviaciones en las propensiones del cliente
  • 7. 7 Modelos de propensión ¿Qué son? ●Pueden ser: o Compra (cross-sell y up-sell) o Fuga (si pudiera dejar de ser nuestro cliente) o Riesgo de impago (que no pague lo que adeuda) o Fraude o Sensibilidad al precio (descuentos) o etc. ●Son modelos que estiman la probabilidad de que se produzca esa conducta (compra, fuga, etc.) para cada uno de nuestros clientes o Permite generar modelos predictivos para poder tomar decisiones de negocio en tiempo real
  • 8. 8 Modelos de propensión ¿Por qué? ● Construir relaciones duraderas y sostenibles en el tiempo entre las empresas y sus clientes, permiten: o Incrementar el índice de satisfacción o La involucración y la optimización del marketing de compromiso ● Por lo tanto, contactar a los más propensos a fugarse da buenos resultados a una empresa ● Buscamos clientes prescriptores
  • 9. 9 Modelos de propensión ¿Por qué? (II) Fuente: http://www.sas.com/offices/latinamerica/argentina/resources/asset/CI_Banca2012.pdf
  • 10. 10 Modelos de propensión ¿Por qué? (III) ● Uno de los fundamentos básicos de la experiencia humana es que el futuro próximo es parecido al pasado reciente o Esto se ha demostrado empíricamente tanto a nivel individual como social ● Por lo tanto, cabe concluir que el comportamiento futuro de un individuo será parecido a su comportamiento pasado o Y así, podemos extrapolar esta visión a que los sucesos futuros en un negocio, serán parecidos a los sucesos del pasado reciente
  • 11. 11 Modelos de propensión ¿Por qué? (IV) Fuente: http://www.sas.com/offices/latinamerica/argentina/resources/asset/CI_Banca2012.pdf
  • 12. 12 Modelos de propensión ¿Por qué? (V) ● Este asunto es particularmente interesante a la hora de hablar de los clientes ● Ceteris paribus (permaneciendo las condiciones constantes), podemos esperar que en nuestro negocio las ventas pudieran ser parecidas, salvo que hiciéramos una campaña o similares ● La tasa de nuevos clientes puede ser similar a la del pasado año, y la tasa de abandonos será similar igualmente a la del año anterior
  • 13. 13 Modelos de propensión La Experiencia de Cliente Fuente: http://www.melmarketing.es/wp-content/uploads/2014/01/Resultado-ecuacio%CC%81n-ECEL.png
  • 14. 14 Modelos de propensión La Experiencia de Cliente (II) ●Una experiencia bien diseñada empieza antes de la compra, se intensifica durante la misma y se mantiene hasta la siguiente o ¿Qué métricas utilizar para saber que mis clientes están disfrutando y por lo tanto me podrán prescribir? o Hay que tener como objetivo retener a los mejores/más rentables clientes, e identificar los factores clave que influyen en el attrition (fuga de clientes) o Identificando a través de modelos predictivos los clientes con más alta propensión a la fuga o Para ello, se utilizan scores para priorizar los clientes objetivo para acciones de retención.
  • 15. 15 Modelos de propensión Score de clientes Fuente: http://www.sas.com/offices/latinamerica/argentina/resources/asset/CI_Banca2012.pdf
  • 16. 16 Modelos de propensión Score de clientes (II) ●El score de los modelos está correlacionado con la probabilidad de que suceda un evento o Esto impacta en el resultado de las acciones ●La mayor parte del esfuerzo se concentra en identificar, crear y transformar las variables para el análisis
  • 17. 17 Modelos de propensión Técnicas: Variables con capacidad predictiva
  • 18. 18 Modelos de propensión Técnicas: Árboles de decisión Fuente: https://bigml.com/user/czuriaga/gallery/model/53a071d4c8db6379930014f6 Fuente: http://www.vladislav.lazarov.pro/files/research/papers/churn-prediction.pdf
  • 19. 19 Modelos de propensión Técnicas: Árboles de decisión (II) ●Son la alternativa idónea cuando el modelo debe seguir una lógica de negocio para ser explicado ●Consiste en clasificar a los individuos en grupos de comportamiento diferente discriminando por las variables de entrada ●Es una técnica de modelización supervisada ●Se utilizan cuando el sentido de negocio es un factor de peso en la estructura del modelo
  • 20. 20 Modelos de propensión Técnicas: Árboles de decisión (III) ●Ventajas o Su principal virtud es que son entendibles y explicables o Buena capacidad predictiva con variables categóricas § Es necesario trabajar las variables de entrada definiendo los cortes adecuados o Alta flexibilidad en cuanto a los tipos de variables de entrada y tratamiento de missings § Además no se ven muy afectados por los outliers o Muy fáciles de implementar, mantener y revisar o Se debe controlar el sobre ajuste del modelo evaluando el modelo con una muestra de test para asegurar la precisión
  • 21. 21 Modelos de propensión Técnicas: Redes neuronales ●Son una buena alternativa pero requiere más trabajo de exploración que otras técnicas ●Combinan los atributos de una observación para tomar una decisión ●El proceso de modelización consiste en entrenar a la red neuronal para que aprenda a combinar los atributos con la estructura y pesos más adecuados.
  • 22. 22 Modelos de propensión Técnicas: Redes neuronales (II) ●Ventajas o Siguen un proceso heurístico de entrenamiento que le permite ir ajustando los pesos para los atributos de entrada (p.e: back propagation) o Las variables de entrada deben normalizarse en rangos de 0 a 1 para facilitar la convergencia del algoritmo o Cuantas más capas intermedias más ajustará el resultado y más riesgo de sobreajuste § Es importante tener una muestra de entrenamiento y una muestra de test o Uno de los argumentos para no usar las redes neuronales suele ser que es una caja negra difícil de interpreta
  • 23. 23 Modelos de propensión Técnicas: Modelos de regresión logística ●Una de las técnicas más utilizadas porque son modelos eficientes y de alta capacidad predictiva ●La regresión logística es una técnica de modelización paramétrica ●Se supone que la relación entre las variables explicativas y la variable target transformada (logit) es lineal
  • 24. 24 Modelos de propensión Técnicas: Modelos de regresión logística (II) ●Ventajas o No hay limitaciones en cuanto a las variables independientes o explicativas, pueden ser continuas o categóricas o Definida la variable dependiente como la ocurrencia o no de un acontecimiento, el modelo de regresión logística la expresa en términos de probabilidad o Requieren menos esfuerzo que las redes neuronales § No es necesario explorar diferentes estructuras e ir comprobando diferentes sobreajustes o En caso de tener que hacer múltiples modelos resultan la mejor opción
  • 25. 25 Modelos de propensión Estrategia ●Localizar público objetivo ●A ese público, aplicarles alguna acción: o Descuentos a los más propensos a irse o Promociones adhoc a un conjunto de clientes que si bien no son los más propensos a irse ya no tienen la mejor experiencia de cliente o etc ●Seleccionar bien el momento ideal para las acciones de retención dependerá del equilibrio a conseguir entre dos variables o Coste de prevención de fuga o Tasa de éxito en prevención de fuga
  • 26. 26 Modelos de propensión Casos: Churn o Fuga Fuente: http://www.retentionscience.com/the-top-4-reasons-customers-churn-and-how-to-prevent-it Fuente: http://www.forentrepreneurs.com/customer-success/
  • 27. 27 Modelos de propensión Casos: Gasto futuro ● Para predecir el consumo que tendrá el Cliente el próximo año ● A partir de ese gasto futuro estimado, se calcula el valor esperado del cliente pudiendo determinar si éste será rentable o no Fuente: http://mod-keynesiano.blogspot.com.es/p/modelo-keynesiano.html
  • 28. 28 Modelos de propensión Casos: Sensibilidad al precio ● Se realiza un análisis de sensibilidad al precio de los clientes, identificando aquellos grupos de usuarios más sensibles a un cambio en el precio Fuente. http://planuba.orientaronline.com.ar/tag/costos/
  • 29. 29 Modelos de propensión Business case: Sector asegurador ● Objetivos o Desarrollar los modelos predictivos de gasto futuro y fuga de los diferentes ramos (auto, hogar, accidentes y decesos), para todos los clientes particulares y empresas. o Determinar la sensibilidad al precio por cada uno de los productos . o Realizar una segmentación por fuga y valor de cada producto. o Desarrollar el modelo de propensión de compra de todos los productos.
  • 30. 30 Modelos de propensión Business case: Sector asegurador (II) ● Objetivos (cont.) o Crear un sistema de recomendación de acciones de marketing para cada cliente. o Identificar hogares y determinar el estadio de vida dentro de la compañía. o Crear una segmentación estratégica global basada en hogares que tuvieran en cuenta todos los miembros del hogar y sus productos. o Desarrollar una estrategia de relación para cada uno de los segmentos
  • 31. 31 Modelos de propensión Business case: Sector asegurador (III) ● Fases del proyecto o Fase I: Se realiza el análisis y segmentación de usuarios de productos de Salud según tipología de hogares, y se trabajan los modelos de fuga y valor de los clientes. o Fase II: Se sigue complementando y enriqueciendo el proceso de segmentación de clientes y se trabajan modelos de fuga, valor y sensibilidad al precio del resto de ramos. o Fase III: Se desarrolla el sistema recomendador que permita ofrecer los productos más óptimos a los clientes adecuados.
  • 32. Copyright (c) 2016 University of Deusto This work (but the quoted images, whose rights are reserved to their owners*) is licensed under the Creative Commons “Attribution-ShareAlike” License. To view a copy of this license, visit http://creativecommons.org/licenses/by-sa/3.0/ Alex Rayón Jerez Febrero 2016
  • 33. PROGRAMA DE BIG DATA Y BUSINESS INTELLIGENCE Modelos de propensión Alex Rayón Jerez alex.rayon@deusto.es @alrayon Febrero, 2016. Madrid.