A partir de la base de datos de clientes y compras de Adventure Works, y utilizando métodos estadísticos tanto supervisados como no supervisados, realizaremos inicialmente un análisis preliminar o EDA de nuestros datos para posteriormente, realizar también un estudio de regresión simple y un análisis multivariante y stepwise utilizando árboles de decisión para ver qué variables tienen mayor influencia en las ventas.

1. Universidad Internacional de La Rioja
Silvia Antón Lara
Entendiendo la cuenta de P&G mediante técnicas cuantitativas y
de aprendizaje automático.
Máster Universitario en Inteligencia de Negocio

2. Índice & Contenido
1. Planteamiento general: descripción y justificación del proyecto.
2. Objetivos del TFM.
3. Qué es la inteligencia de negocio.
4. Arquitectura del proyecto.
Proyecto A: EDA Análisis.
Proyecto B: Aprendizaje supervisado, regresión.
Proyecto C: Análisis multivariante y árboles de decisión.
5. Conclusiones
6. Limitaciones y prospectiva
7. Cierre
2

3. 3
1) Planteamiento general: descripción y
justificación del proyecto.
• Existen multitud de
factores que influyen en el
comportamiento de los
consumidores.
• Tanto Kahneman y
Gigerenzer están de
acuerdo en la centralidad
de la heurística en la toma
de decisiones.

4. 2) Objetivos del TFM
Objetivo General
 Estudiar la base de datos
de AdventureWorks 17,
prestando especial atención
a las ventas y clientes de la
compañía.
Objetivos específicos
 Definir qué es la IN
 Realizar una comparativa
de las distintas técnicas de
aprendizaje supervisado y
no supervisado.
 Presentar los resultados de
una manera “amigable” al
lector, siguiendo técnicas
específicas de BI y de
storytelling.
4

5. 3) ¿Qué es la Inteligencia de Negocio?
5
INTELIGENCIA DE
NEGOCIO
ANALISIS DE DATOS
ESTRATEGIA Y
GESTION
EMPRESARIAL
FUNDAMENTOS
TECNOLOGICOS
INTELIGENCIA DE
CLIENTE_CRM
VISUALIZACIÓN DE
DATOS
GESTIÓN DE
PROYECTOS DE IN
INTELIGENCIA DE
NEGOCIO APLICADA

6. HISTORIA DE LA I.N.
6

7. HISTORIA DE LA I.N.
7
Rafi,Q 2012 2014 Debortolli 2015 Sangari, Razmi
2018 Schmarzo 2019 Ratia & others

8. 4) PROYECTO A: ANÁLISIS CLIENTES I

9. • 4) PROYECTO A: ANÁLISIS CLIENTES II

10. • PROYECTO : ANÁLISIS PRODUCTOS

11. PROYECTO A: EDAANALYSIS
11

12. PROYECTO C) APRENDIZAJE NO SUPERVISADO
12
PCA.
Análisis de componentes
principales.
K-MEANS
Cada grupo está
representado por el centro o
los medios de los puntos de
datos pertenecientes al
grupo.
HIERARCHICAL
CLUSTERING
.

13. PROYECTO B) APRENDIZAJE SUPERVISADO
13
Regresión lineal.
Su expresión general se basa en
la ecuación de la recta y = mx +
b.
Fórmulas de mínimos
Árboles de decisión
Datos contiene una gran lista de
predictores
Máquinas de vectores soporte
o SVM
Utilizado sobre todo para
temas de clasificación.

14. ANÁLISIS MULTIVARIANTE Y ÁRBOLES DE DECISIÓN.
14

15. LIMITACIONES Y
PROSPECTIVA. DAFO
15
OPORTUNIDADES
•Gráficos de fácil comprensión por usuarios finales.
•Informes fácilmente customizables.
•Facilidad para la comprensión y visión de grandes cantidades de datos.
•Establecer un criterio científico riguroso para el análisis de datos e hipótesis y complementarlo con el análisis visual.
AMENAZAS
•Usuarios finales no muy versados con el análisis de datos riguroso.
•Exceso de datos que pueden amenazar el debate.
•Facilidad de manipulación de los datos.
•Complejidad para explicar modelos econométricos y distribuciones de probabilidad. ¿Qué
entendemos por media, varianza, desviación típica?
•Facilidad para desechar valores extremos u outliers que pueden ser de interés para nuestro estudio.
•Lo que puede ser correcto para un modelo de machine learning, en el que los datos tienen que estar
equilibrados o "balanced", puede no serlo para el estudio cuantitativo y de distribuciones analíticas.
FORTALEZAS
• Se trata de análisis tanto visual como cuantitativo.
• Conectar directamente la fuente de datos, o una consulta, permite posteriores modificaciones.
• Útil para hacer predicciones si entendemos el modelo.
•Muy útil para hacernos una imagen holística del funcionamiento de una empresa.
DEBILIDADES
•Debilidades de programación y conocimiento más profundo de R Studio y Phyton.

16. ENLACES
16
Título URL
TOWARDS DATA SCIENCE https://www.linkedin.com/company/toward
s-data-science/
GITHUB (github.com)https://github.com/SANTONL
A?tab=repositories
LINKEDIN http://www.linkedin.com/in/tecnicodecompr
assantonla
DATA SCIENCE DOJO https://www.linkedin.com/company/data-
science-dojo/
DATA SCIENCE CENTRAL https://www.linkedin.com/company/data-
science-central/
GITMIND https://github.com/SANTONLA?tab=reposi
tories
COMUNITY RSTUDIO https://community.rstudio.com/u/santonla/s
ummary
GRAPHEXT https://app.graphext.com/teams/VGVhbS01
MzU2/projects
STACKOVERFLOW https://stackoverflow.com/

17. www.unir.net
GRACIAS POR SU ATENCIÓN