3 CASOS PRÁCTICOS DE MINERÍA DE

DATOS
Inicio 3 Casos prácticos de Minería de Datos

13 ENERO, 2014 FRANCISCO PÁEZ BUSINESS INTELLIGENCE

La Minería de Datos es una de las aplicaciones englobadas en las herramientas de

Business Intelligence que resulta más desconocida en los entornos empresariales.
Cada vez hay más empresas que cuentan con cuadros de mando y herramientas de
inteligencia de negocios, pero las soluciones de “Data Mining” son más difíciles
de encontrar.

Sin embargo, una de sus principales virtudes es la deidentificar patrones de

conducta en determinados procesos, lo que permite su optimización, aumentando
la eficacia y reduciendo los costes.

En nuestra vida diaria se usa la Minería de Datos más a menudo de lo que

podríamos pensar, principalmente en los procesos de compra. Sin ir más lejos, en
los grandes supermercados se emplean los patrones de compra conjunta para
identificar asociaciones de productos y definir el modo en como se sitúan en los
diferentes pasillos y estanterías de los lineales.
Los ejemplos que traigo hoy son casos prácticos llevados a cabo por el equipo
del Kodos-Lab y fueron presentados por Alejandro Rabasa en el 1er Encuentro
de Informática Industrial de Alicante, organizado por Clave-i y el COIICV el
pasado mes de diciembre. Se pueden ver o descargar más fotos y el video en
Youtube de la jornada completa.

Hospital Universitario de San

Juan de Alicante
Objetivo: Reducción de costes al permitir
un óptimo consumo de recursos.

Problema planteado: Las pruebas preparatorias que se llevan a cabo antes

de cualquier intervención suelen ser excesivas, invasivas, caras y generan
listas de espera para la intervención.

Solución: Analizando los datos del histórico de operaciones y aplicando

técnicas de Minería de Datos se descubren aquellos casos en que dichas
pruebas son prescindibles. El sistema de calidad proporciona información
detallada del resultado de la operación, de forma que aquellos casos en los
que no se han realizado las pruebas y sí hubiesen sido necesarias permiten
al sistema seguir aprendiendo y mejorar la identificación de los patrones
adecuados.

Portal B2B Neumáticos Soledad

Objetivo: Aumentar las ventas a través del portal.

Problema planteado: Cómo modificar el portal de compra online que

usan los talleres asociados para aumentar las ventas por este canal.

Solución: Extraer patrones de comportamiento de los usuarios sobre el

motor de búsquedas del portal, analizando aquellas búsquedas que
terminan en pedido y las que no.
 Goldcar
Objetivo: Reducción de gastos anticipándose a problemas
derivados de la demanda.

Problema planteado: Las reservas a través de su portal online que no

terminan en alquiler generan grandes gastos. Como no se requiere pago
previo para realizar una reserva, muchos usuarios no se presentar a recoger
el coche reservado. Esto genera grandes gastos por los coches que quedan
esperando a esos usuarios que nunca llegan.

Solución: Por medio del análisis de los datos de las reservan se identifican
perfiles concretos que terminan en casos de reservas canceladas o clientes
no presentados, en función de la la procedencia, la temporada, antelación y
otros factores clave.

Todos los casos tienen en común la dificultad de la toma de decisiones por el

exceso de información disponible. Sin embargo, a través de las herramientas de
“Big data” y la Minería de Datos se pueden identificar aquellos patrones que
permiten mejorar la rentabilidad y la aumentar la competitividad.