Estudio y análisis de entornos comerciales mediante la evaluación, comparación y experimentación de algoritmos de minería de datos

Abstract

En la actualidad el campo de la minería de datos tiene una gran importancia en el entorno comercial y empresarial altamente competitivo. Aplicaciones de minería de datos son amplia y frecuentemente utilizadas en marketing o comercialización directa, comercio electrónico, gestión de relaciones con los clientes (Customer Relationship Managment CRM), telecomunicaciones y en el sector financiero. Muchas empresas de hoy, al no tener pleno conocimiento del gran potencial que significa el utilizar técnicas de minería de datos, les suena como el típico tipo de actividad monótona que requiere de un gran equipo, una gran cantidad de información y poca supervisión humana; la minería de datos, sin embargo, es un proceso crucial para cualquier organización que requiere una gran cantidad de tiempo y paciencia. Por otro lado, también existe una gran cantidad de empresas que año tras año recolectan grandes cantidades de información que simplemente son almacenadas; y decisiones de gran importancia para el devenir de la empresa son tomadas meramente en suposiciones y corazonadas, algo que hoy en día, especialmente en el sector comercial de cualquier país, representa una gran desventaja competitiva. El objetivo principal de la investigación es identificar los algoritmos de minería de datos más eficientes para el análisis de entornos comerciales, sin embargo, también se busca comprobar que el uso de dichas herramientas es de vital importancia para la toma de decisiones de cualquier institución comercial. Para llevar a cabo la presente investigación se enfocó principalmente en dos etapas, una primera etapa investigativa y de análisis que permitió identificar en primera instancia aquellos algoritmos que cumplirían con procesar y analizar eficientemente repositorios o bases de datos asociados a entornos comerciales, respaldados a su vez por trabajos y artículos científicos; y una segunda etapa experimental en la que los algoritmos identificados en la primera etapa fueron puestos a prueba a través del software WEKA y utilizando repositorios de datos diseñados para la experimentación, es gracias a esta etapa que se corroboró los resultados obtenidos en la etapa de análisis. Se identificó científica y experimentalmente aquellos algoritmos de minería de datos que trabajan de manera más efectiva, es decir, aquellos generan la mejor calidad de conocimiento y brindan los mejores resultados respecto a las características tomadas en consideración dependiendo del tipo de algoritmo (clasificación, clusterización o asociación); tomando en cuenta su aplicación, específicamente, a entornos asociados al sector comercial. A su vez se demostrará el gran potencial que tienen estos en su aplicación a grandes y pequeños conjuntos de datos, y lo crucial que es el conocimiento que se puede extraer para cualquier empresa, compañía u organización. Los resultados obtenidos reflejan lo variante que pueden ser los resultados, ya sean modelos, conjuntos o reglas, dependiendo de las características particulares de cada repositorio, así mismo se demostró la importancia del conocimiento obtenido a partir de su procesamiento. Las conclusiones finales del trabajo se enfocaron en resolver los objetivos planteados así como los hallazgos realizados durante su realización.