Minería de datos para conocer el comportamiento de los clientes

Para llegar a conocer y comprender la dinámica interna de la cartera de clientes es necesario, en primer lugar, determinar cuales son los objetivos de negocios que van a guiar el estudio y por otro lado, contar una herramienta de minería de datos, implementada en base a los parámetros de cada negocio.


En un artículo de la siempre muy educativa revista Harvard Deusto Marketing & Ventas , de hace algunos meses atrás, titulado; “Predecir el comportamiento de los clientes”, explica algunos casos en los que un análisis más profundo de los clientes es imprescindible. Los ejemplos expuestos resultan útiles para los que aun están valorando la utilización de alguna aplicación de minería de datos. Deseo compartir un resumen e interpretación de este interesante artículo, con el permiso/disculpas al autor (José Luis Ibáñez Medrano) y a la editorial, por el uso y promoción que realizamos de sus contenidos.

Los clientes de muchas empresas presentan características y comportamientos muy diversos, que se ven reflejados en cambios en la frecuencia, cantidad y tipos de productos que consumen.  Todos estos cambios, que se producen en una cartera de clientes, constituyen la “dinámica interna” de la cartera.

No resulta fácil detectar estos cambios o predecir las consecuencias que podrían generar; pero es necesario tenerlos en cuenta por la importancia de su repercusión en la economía de las empresas.

Los ratios clásicos, tales como el número de clientes en cartera, índice de bajas o la penetración por producto; están basados en hechos históricos, los que no resultan suficientes para gestionar los cambios de coyunturas.

Lo recomendable, es realizar un análisis de la dinámica interna de la cartera de clientes, de sus comportamientos actuales para ayudar a solucionar probables problemas futuros.

Cuando se deberia estudiar la dinamica interna de la cartera de clientes

Casos en que es recomendable realizar un análisis de la dinámica interna

1. Los nuevos clientes se comportan diferente a los clientes actuales

Generalmente los nuevos clientes presentan un comportamiento “peor” que el de los clientes actuales. Esto se debe porque inicialmente se dirige a un segmento específico con alto potencial y luego a segmentos de menor rentabilidad.

Se ve reflejado en una menor facturación y ratios de baja, mayores. Su efecto en los resultados, en el tiempo, es cada vez mayor.

Una detección oportuna de estas tendencias podría permitir tomar medidas como aumentar los objetivos de captación o emprender acciones para disminuir los ratios de baja.

2. Cuando su tendencia a la compra es proporcional a la frecuencia de compra/uso en los últimos meses

La frecuencia de la compra actual determina la frecuencia de compra futura.

La probabilidad que un cliente realice una compra en un establecimiento comercial se incrementa si las últimas adquisiciones las realizó en ese punto de venta.

Muy aplicable a la navegación por Internet y al control de objetivos por conversiones (visitas, compras, inscripciones, etc.)

3. Cuando la estimación del valor futuro de un cliente es un parámetro crítico en el diseño de la estrategia

El “valor futuro” de un cliente considera su “valor actual” (contribución en términos de facturación, margen o beneficio) y la evolución de su comportamiento, incluida la probabilidad de darse de baja en los próximos años.

En consecuencia, las acciones de marketing deberían ser distintas para cada cliente en función de su valor futuro. Si hay un ratio de baja elevado, quizás sea necesario acciones agresivas que resuelvan las posibles razones de abandono.

4. Cuando es necesario medir la efectividad estratégica de una acción de marketing

Una acción estratégica es aquella cuyos resultados se mantiene a mediano o largo plazo (p.e.: posicionamiento de una marca) y las acciones tácticas están dirigidas a atender problemas puntuales (p.e.: promociones para hacer frente a una guerra de precios).

Para una empresa, las acciones que tienen más valor, es cuando tienen un componente estratégico (algún cambio se ha producido en el mercado).

Una reducción de precios es más importante si consigue captar clientes de la competencia, además de un aumento de las ventas durante el período de la promoción.

Si después de la acción, la dinámica interna de la cartera de clientes, permanece igual, el componente estratégico de la acción habrá sido muy bajo.

Para llegar a conocer y comprender la dinámica interna de la cartera de clientes es necesario, en primer lugar, determinar cuales son los objetivos de negocios que van a guiar el estudio y por otro lado, contar una herramienta de minería de datos, implementada en base a los parámetros de cada negocio.

La inversión para saber que medidas de deben tomar oportunamente, se justifica ampliamente en contraposición por las consecuencias de no nacer nada, actuar en base a la intuición o contar con escasa información.

anibal goicochea

CRISP-DM, Una metodología para proyectos de Minería de Datos

Una metodología para proyectos de minería de datos no es la “más actual” o “la mejor”, pero es muy útil para comprender esta tecnología o extraer ideas para diseñar o revisar métodos de trabajo para proyectos de similares características


Para implementar una tecnología en un negocio, se requiere de una metodología.  La mayoría de las consultoras especializadas en alguna tecnología cuentan, con por lo menos, una metodología, según los tipos de proyectos que aborden.  Estos métodos son definidos a partir de sus experiencias y tomando lo mejor de los procedimientos más exitosos o populares.  Contar con una metodología, se ha convertido tan importante y necesario como la carta de presentación de las empresas.

Para los diferentes tipos de tecnologías, hay varias metodologías, algunas están publicadas en Internet.  Para el caso de proyectos de implementación de minería de datos, hay una en particular; CRISP-DM, en sus primeros años de divulgación tenía apoyos de empresas privadas y organismos públicos, pero poco a poco ha ido perdiendo uno que otro “Project Partner”.  Desconocemos el motivo de esta aparente perdida de apoyo, pero estamos seguros que no corresponde a la falta de calidad o efectividad del método, porque ha sido adoptado por otros organismos y empresas.

 Metodologia para Mineria de Datos - CRISP-DM

El estándar incluye un modelo y una guía, estructurados en seis fases, algunas de estas fases son bidireccionales, lo que significa que algunas fases permitirán revisar parcial o totalmente las fases anteriores.

Comprensión del negocio (Objetivos y requerimientos desde una perspectiva no técnica)

  • Establecimiento de los objetivos del negocio (Contexto inicial, objetivos, criterios de éxito)
  • Evaluación de la situación (Inventario de recursos, requerimientos, supuestos, terminologías propias del negocio,…)
  • Establecimiento de los objetivos de la minería de datos (objetivos y criterios de éxito)
  • Generación del plan del proyecto (plan, herramientas, equipo y técnicas)

Comprensión de los datos (Familiarizarse con los datos teniendo presente los objetivos del negocio)

  • Recopilación inicial de datos
  • Descripción de los datos
  • Exploración de los datos
  • Verificación de calidad de datos

Preparación de los datos (Obtener la vista minable o dataset)

  • Selección de los datos
  • Limpieza de datos
  • Construcción de datos
  • Integración de datos
  • Formateo de datos

Modelado (Aplicar las técnicas de minería de datos a los dataset)

  • Selección de la técnica de modelado
  • Diseño de la evaluación
  • Construcción del modelo
  • Evaluación del modelo

Evaluación (De los modelos de la fase anteriores para determinar si son útiles a las necesidades del negocio)

  • Evaluación de resultados
  • Revisar el proceso
  • Establecimiento de los siguientes pasos o acciones

Despliegue (Explotar utilidad de los modelos, integrándolos en las tareas de toma de decisiones de la organización)

  • Planificación de despliegue
  • Planificación de la monitorización y del mantenimiento
  • Generación de informe final
  • Revisión del proyecto

 

Esta metodología para proyectos de minería de datos no es la “más actual” o “la mejor”, pero es muy útil para comprender esta tecnología o extraer ideas para diseñar o revisar métodos de trabajo para proyectos de similares características.

aníbal goicochea

Minería de Datos, ¿Lo necesito?

Sugerencia para evaluar la posibilidad de poner en marcha un proyecto de minería de datos


Pasado el temporal, se analiza y se concluye, que si se hubiera hecho un mejor uso de la información, muchas organizaciones hubieran podido gestionar mejor la situación.  En este sentido, el Business Intelligence y un poco más, la minería de datos (data mining), han tomado más protagonismo en los últimos meses, hay más personas que indagan sobre estas dos tecnologías y la Web aumenta en definiciones y conceptos.  Si nos tuviéramos que quedar con una definición de minería de datos, optaríamos por la que dice lo siguiente: “Proceso para extraer conocimiento útil y comprensible, previamente desconocido, desde grandes cantidades de datos, almacenados en distintos formatos”.

Minería de datos = Extraer conocimiento de grandes cantidades de datos

Implementar ¿si?, ¿no?,… me lo estoy pensando…

La pregunta que algunos se estarán formulando es si deberían contemplar el desarrollo de un proyecto de minería de datos en su empresa.  Los beneficios que se describen son muy interesantes y atractivos, pero como en toda tecnología, si existen beneficios para implementarla, también habrá inconvenientes y costes.  Al final, se trata de identificar si la suma de beneficios será superior al total de costes.

¿Implementar? = Necesidades del negocio + Beneficios Esperados – Coste personal – Coste materiales

¿Por donde comenzamos?

Un buen inicio para evaluar la utilidad de contar con una solución de minería de datos es identificando la serie de necesidades del negocio que podrían ser cubiertas.  Viene bien recordar una expresión relacionada a este asunto: “la necesidad debe crear el programa y no el programa debe crear la necesidad”.  Ejemplos de necesidades de negocio:

  • Identificar razones de subidas de consumo
  • Señalar motivos bajadas de las ventas
  • Adecuar producción a ventas futuras
  • Determinar tendencias del mercado
  • Evaluar tendencias de comportamiento de la competencia
  • Reducir listas de espera

Objetivos del negocio vs. Objetivos de la aplicación

La identificación de las necesidades del negocio permitirá identificar los objetivos del negocio, las que no necesariamente serán las funciones de la aplicación a implementar.  Por ejemplo, identificar las probabilidades de compra de un segmento de cliente bajo ciertas variables, es una tarea de la aplicación de minería de datos a desarrollar.  Lograr una respuesta del 10% en un determinado segmento corresponde a un objetivo de negocio, que se logrará, según las acciones que se tomen y quizás la información que brinde la aplicación sea determinante.

Minería de datos dirigida y no dirigida

Tener los objetivos de negocio presente en el desarrollo del proyecto, permitirá desglosarlo e identificar las tareas de minería de datos necesarias para contribuir a su logro.  Saber a priori lo que se va a realizar y que modelos se van obtener se denomina minería de datos dirigida (model-driven).

El modelo no dirigido, partiendo sólo de los datos (data-driven) consiste en obtener patrones, que a medida que se van “descubriendo” se estime si pueden ser útiles para resolver algunas necesidades del negocio.  Este método es más abierto y arriesgado, porque en muchos casos, algunos modelos encontrados serán descartados porque no solventarán ninguna necesidad del negocio.

Para una fase inicial de un proyecto de minería de datos, se recomienda el modelo dirigido, en una fase posterior, cuando se cuente con una mayor maduración tanto de la aplicación implementada como del equipo de colaboradores a cargo, se podría probar el modelo no dirigido.

Resumiendo, la sugerencia para evaluar la posibilidad de poner en marcha un proyecto de minería de datos sería: Identificar necesidades, sopesar beneficios vs. costos, señalar objetivos del negocio y determinar las tareas de la minería de datos que se desarrollarían (model – driven).

aníbal goicochea

Nuevo nicho en la Consultoría, Búsquedas empresariales y la Web 2.0

Nueva tendencia en las TI: Buscadores Corporativos, Empresariales o el Buscador Único


Se esta produciendo en la empresa el cambio de paradigma que ya se ha producido en Internet, no es tan importante como se guardan los datos, sino como se acceden a ellos en el menor tiempo posible, no importando si son datos estructurados o no estructurados.  Se estima que más del 70% de la información que se gestiona en las empresas es no estructurada.

La necesidad ahora, esta en la empresa de acceder y compartir, con rapidez, seguridad y sencillez la información disponible.  Es crucial disminuir el tiempo que se invierte en buscar información, se calcula que hasta el 30% del tiempo de los trabajadores se dedica a estas tareas.

Es en este panorama que esta tomando mayor fuerza los denominados Buscadores Empresariales (Corporativos o únicos).  Las consultoras más especializadas en analizar las tendencias del sector de las Tecnologías de la Información (TI); Gartner e IDC, prevén tasas de crecimiento de dos dígitos en este, relativamente, nuevo segmento.

Estas herramientas integran e indexan cualquier fuente de datos, sea estructurada o no estructurada, en tiempo real, siendo capaz de acceder a distintas plataformas, diferentes bases de datos o cualquier formato utilizado en la denominada Web 2.0.

La mayoría de fabricantes que ofrecen una plataforma de Business Intelligence (BI) ofrecen una solución de estas características.  Algunos de estos buscadores utilizan sus motores de búsqueda con algoritmos propios, otros utilizan las herramientas que ofrece Google para este fin (Google Search Appliance).  Obtenida la información que se esta buscando, estos productos facilitan el análisis de los datos con los productos de BI que ya disponen.

Principales propuestas de buscadores empresariales:

(Más información)

aníbal goicochea


SAS Social Network Analysis (Análisis de Redes Sociales)

SAS Social Network Analysis, software para Análisis de Redes Sociales


SAS, desde ya hace un tiempo, ofrece un marco de trabajo para el análisis y prevención del fraude, esta suite denominada SAS Fraud Framework, a través de una serie de reglas y alertas, ayuda a prevenir, detectar e investigar el fraude utilizando modelos predictivos y analizando las redes sociales.

Gracias a su componente SAS Social Network Analysis (Análisis de Redes Sociales) es posible ver, para un individuo en particular, sus redes sociales, conexiones y relaciones que previamente estaban ocultas. Su uso no circunscribe a la detección oportuna del delito, también podría tener otros usos, dado que la herramienta de una manera altamente intuitiva, permite identificar a los denominados influyentes y seguidores.

http://www.sas.com/solutions/fraud/social-network/index.html

http://tinyurl.com/qmc6kz

Ag.