Ir a contenido

INNOVACIÓN

Patrocina:

¿Cómo conseguir nuevos clientes con 'datamining' o minería de datos?

Esta técnica consiste en 'escavar' entre la gran masa de datos que se generan en el mundo digital

Así se logra extaer información para optimizar las actividades de una empresa o servicio público

Julio Márquez

¿Cómo conseguir nuevos clientes con 'datamining' o minería de datos?

Históricamente, por minas nos referíamos a una masa mineral que rellena la grieta de una formación rocosa y que puede ser objeto de explotación. Gracias a la minería clásica contamos con todo tipo de elementos materiales, indispensables para nuestro día a día, entre los que destaca la generación de energía. Sin embargo, con la digitalización apareció otro tipo de minería, en este caso virtual, donde la masa mineral se substituye por una gran masa de datos de la que obtener información para mejorar el mundo en el que vivimos. Es lo que se conoce como 'datamining'. 

Cabe destacar que, aunque parezca un descubrimiento reciente, el termino fue acuñado en los años 60 y empezó a consolidarse en los 80. Según el profesor de minería de datos de la Universitat Oberta de Catalunya (UOC), Luis Carlos Molina Félix, el 'datamining 'es “un proceso no trivial de identificación válida, novedosa, potencialmente útil y entendible de patrones comprensibles que se encuentran ocultos en los datos". Dicho de otra forma, la minería de datos no es otra cosa que el proceso de analizar datos desde diferentes perspectivas para convertirlos en información útil con la que descubrir patrones interesantes y desconocidos anteriormente, y que estos, puedan ser utilizados para extraer conclusiones con las que contribuir a la mejora de las decisiones futuras. Por ejemplo, en el mundo empresarial la minería de datos ayudará a mejorar las ventas, así como la fidelización de clientes, al conocer los comportamientos habituales de estos mediante la lectura y comprensión de los datos.

Análisis del 'big data'

Por este motivo, se puede decir que los datos son la materia prima bruta. El dato está ahí, cuando el usuario le da algún significado, el dato se convierte en información. Es en ese momento cuando los especialistas encuentran un modelo, haciendo que la interpretación que surge entre la información y ese modelo represente un valor agregado. Entonces nos referimos al conocimiento. Es importante señalar que cuando hablamos de 'datamining' nos referimos al análisis del popular 'big data', para buscar y obtener una información concreta, y así, poder ofrecer resultados que sirvan como solución para optimizar las actividades de una empresa.

Según palabras del propio Luis Carlos Molina "en datamining cada caso es un caso. Sin embargo, en términos generales, el proceso se compone de cuatro etapas principales”:

→ Determinación de los objetivos. Trata de la delimitación de los objetivos que el cliente desea bajo la orientación del especialista en datamining.

→ Preprocesamiento de los datos. Se refiere a la selección, la limpieza, el enriquecimiento, la reducción y la transformación de las bases de datos. Esta etapa consume generalmente alrededor del 70% del tiempo total de un proyecto de datamining.

→ Determinación del modelo. Se comienza realizando unos análisis estadísticos de los datos, y después se lleva a cabo una visualización gráfica de los mismos para tener una primera aproximación. Según los objetivos planteados y la tarea que debe llevarse a cabo, pueden utilizarse algoritmos desarrollados en diferentes áreas de la Inteligencia Artificial.

→ Análisis de los resultados. Verifica si los resultados obtenidos son coherentes y los coteja con los obtenidos por los análisis estadísticos y de visualización gráfica. El cliente determina si son novedosos y si le aportan un nuevo conocimiento que le permita considerar sus decisiones.

Usos prácticos

Desde la aparición del 'datamining', todo tipo de organizaciones están aprovechándose de su uso, convirtiendo los datos, en una de fuente de riqueza y conocimiento. Es por eso que la interpretación de datos es una de las profesiones del futuro. Empresas del ámbito de la seguridad de datos, pero también de las finanzas, la salud, el márketing, el fraude, búsquedas ‘on line’, lingüística, de ingeniería de coches, clubs de fútbol, viajes, transportes, y todo tipo de sectores, están estudiando los datos que se producen día a día para ofrecer un mejor servicio al cliente y al ciudadano. Las organizaciones encuentran y seleccionan la información más importante y relevante y, a partir de ahí, crean modelos con los que hacer predicciones sobre cómo las personas o sistemas se van a comportar, y de este modo anticiparse. Estos son algunos ejemplos de aplicaciones del 'datamining':

→ Entidades como Banco Santander usan la minería de datos de forma recurrente para mejorar la experiencia del usuario. La entidad bancaria empezó a utilizar la minería de datos en el año 2008, construyendo modelos de crédito para anticipar riesgos de no cumplimiento de las obligaciones, evitando, de este modo, riesgos futuros para el cliente.

→ Ha permitido la aparición del Falcon Fraud Manager, un sistema inteligente que ahorró más de 600 millones de dolares a las entidades financieras americanas, al detectar y paliar el número de acciones fraudulentas.

→ La BBC fue pionera en el análisis de datos, con el que pudo ver el comportamiento de los telespectadores en función del programa y la hora. De este modo, ha diseñado su parrilla en función de los gustos de los telespectadores.

Walmart observó que los viernes por la tarde los hombres compraban cerveza y pañales. Gracias al análisis de datos, situó ambos productos en la misma estantería, aumentando el número de ventas.

Ventajas del 'datamining'

En base a todo ello, algunas de las principales ventajas de la minería de datos.

•  El funcionamiento que tienen los algoritmos, con múltiples combinaciones, hace que tengamos la oportunidad de descubrir información inesperada.

•  Actualmente, es posible analizar bases de datos con una enorme cantidad de datos.

•  Sin conocimientos en ingeniería informática, las empresas pueden interpretar los resultados, gracias a su sencillez.

•  Permite encontrar, atraer y retener clientes.

•  Gracias a la información que se obtiene de los datos, la empresa puede mejorar la atención al cliente.

•  Otorga a las empresas la posibilidad de ofrecer a los clientes los productos o servicios que necesitan.

•  Antes de usar los modelos se comprueban mediante estadísticas para verificar que las predicciones obtenidas son válidas.

•  Ahorra costes a la empresa y abre nuevas oportunidades de negocio.

•  Es un buen punto de encuentro entre los investigadores y las personas de negocios.

•  Además, no hay duda de que trabajar con esta tecnología implica cuidar numerosos detalles debido a que el producto final involucra la toma de decisiones.

En definitiva, la realización de base de datos se ha vuelto una acción fundamental para las empresas, ya que les permiten crear estrategias para conseguir nuevos clientes o fidelizar a los habituales.

Temas: Big data