TEMA: MINERIA DE DATOS Y LA TOMA DE DECISIONES EN LOS SUPERMERCADOS EL BARATON

AUTOR:

BABAHOYO ECUADOR 2009

I. TEMA: MINERIA DE DATOS Y LA TOMA DE DECISIONES EN LOS SUPERMERCADOS EL BARATON

II.

EL PROBLEMA.

2.1) PLANTEAMIENTO DEL PROBLEMA.

La Minera de Datos (DM) por las siglas en ingls Data Mining es el proceso de extraer conocimiento til y comprensible, previamente desconocido, desde grandes cantidades de datos almacenados en distintos formatos. Las herramientas de Data Mining predicen futuras tendencias y comportamientos, permitiendo en los negocios la toma de decisiones.

Existen trminos que se utilizan frecuentemente como sinnimos de la minera de datos. Uno de ellos se conoce como "anlisis (inteligente) de datos", que suele hacer un mayor hincapi en las tcnicas de anlisis estadstico. Otro trmino muy utilizado, y el ms relacionado con la minera de datos, es la extraccin o "descubrirniento de conocimiento en bases de datos" (Knowledge Discovery in Databases o KDD, segn sus siglas en ingls).

Aunque algunos autores usan los trminos Minera de Datos y KDD indistintamente, como sinnimos, existen claras diferencias entre los dos. As la mayora de los autores coinciden en referirse al KDD como un proceso que consta de un conjunto de fases, una de las cuales es la minera de datos. De acuerdo con esto, el proceso de minera de datos 2

consiste nicamente en la aplicacin de un algoritmo para extraer patrones de datos y se llamar KDD al proceso completo que incluye pre procesamiento, minera y post pre-procesamiento, postprocesamiento de los datos.

El KDDes la extraccin automatizada de conocimiento o patrones interesantes, no es triviales, implcitos, previamente desconocidos, potencialmente tiles y predictivos de desconocidos, la informacin de grandes Bases de Datos.

Las investigaciones en temas de KDD incluyen anlisis estadstico, tcnicas de representacin del conocimiento y visualizacin de datos, entre otras. Algunas de las tareas ms frecuentes en procesos de KDD son la clasificacin y clustering, el reconocimiento de patrones, las predicciones y la deteccin de dependencias o relaciones entre los datos.

En la ciudad de Babahoyo se encuentra la cadena de supermercados El Baraton , mercados dedicada a la comercializacin de artculos de primera necesidad combinados con varios otros, se tienen actualmente a disposicin del pblico ms de 500 productos de diferentes marcas y tamaos. Por otro lado la empresa dispone de s sistemas de sus facturacin e inventarios en los cuales se registran las diferentes transacciones que se llevan a cabo durante toda la gestin comercializadora de la empresa. 3

Como es de suponerse el departamento comercial que incluye esencialmente las ventas, bodegas y el marketing se ven avocados frecuentemente a tomar decisiones en cuanto a compras y promociones. Lo que esencialmente se hace es, en base al sistema de informacin se saca un listado de los productos que estn por debajo del stock mnimo y luego se realiza el pedido de los mismos. Para planificar la promocin de un producto realmente solo se espera del criterio del jefe de marketing basado en la orientacin recibida del jefe de ventas quien ha realizado los pedidos de dicho producto. Es decir la promocin se orienta al que ms o menos pedidos se han realizado

De lo emitido anteriormente se saca una conclusin, la misma que es que : Las decisiones ms importantes del rea comercial estn siendo tomadas sin un

fundamento veras del movimiento comercial de uno o varios productos, es decir solo se lo hace en base al buen ojo del jefe de ventas o del jefe de bodegas. Es decir no se tienen patrones del movimiento de cada producto ni las tendencias del mismo en cuanto a ventas. De forma similar las promociones no se orientan a los productos que realmente lo necesitan.

Todo esto lleva a concluir que las decisiones gerenciales estn siendo tomadas sin un apoyo real, es decir sin la informacin adecuada, a pesar de que dicha informacin est inmersa en los sistemas transaccionales de la empresa solamente que no existen algoritmos o procesos inteligentes de anlisis para extraer dicha informacin

2.1.1

Delimitacin del Problema.

Objeto de Estudio: Ingeniera en Sistemas.

Campo de Accin: El campo de accin esta definido directamente en la minera de datos

2.1.2

Formulacin del problema.

Cmo mejorar la toma de decisiones en el departamento comercial del los Supermercados El Baratn?

III.

OBJETIVOS:

3.1 Objetivo General

Desarrollar un proceso sistematizado de minera de datos para mejorar la toma de decisiones que se realizan en el departamento comercial de los supermercados El Baratn.

3.2 Objetivos Especficos

Realizar una investigacin bibliogrfica sobre la minera de datos y la toma de decisiones. 5

Diagnosticar la toma de decisiones que se realiza actualmente en la empresa de supermercados El Baraton

Desarrollar el proceso de minera de datos.

IV. ESQUEMA DE CONTENIDOS.

SISTEMAS DE INFORMACIN

Introduccin Componentes de un Sistema de Informacin Tipos y Usos de los Sistemas de Informacin Caractersticas de los Sistemas Transaccionales Caractersticas de los Sistemas de Apoyo de las Decisiones.

BASE DE DATOS SQL

Sistemas gestores de bases de datos Componentes Modelos de sistemas gestores de bases de datos El lenguaje SQL Server 2005 Caractersticas de Microsoft SQL Server 2005 Requerimientos Tareas de Usuario y Administrador Tareas del administrador Lenguajes que maneja el SQL Server.

MINERIA DE DATOS. Introduccin Los datos o Las bases de datos multidimensionales. OLAP o Dataware house (DWH) y Datamarts

o El diseo del DWH. Las tablas de hechos y las asociaciones con las tablas de las dimensiones. Las dimensiones y los valores calculados. Los datos transaccionales. o Afectacin al proceso operativo. El proceso de extraccin, transformacin y carga. o Otras formas de consolidar los datos. Uso de buses de mensajes o Anlisis de datos histricos y anlisis de datos en lnea o Consolidacin de los datos para obtener mtricas de negocio. Indicadores de negocio o Formacin de tableros de control. Umbrales y bandas de valores. Semforos y o reportes ejecutivos. Drill down Las tcnicas o La estadstica como herramienta de exploracin de los hechos representados por los datos. o Creacin de modelos. Variables objetivo y variables explicativas o Estadstica descriptiva. Estimadores estadsticos principales. Inferencia estadstica o Distribuciones de probabilidad, teoremas y supuestos. Variables continuas y o variables discretas. Variables categricas o Anlisis multidimensional. La correlacin y la covarianza. Relaciones lineales y o relaciones no-lineales. Componentes principales. Anlisis de factores o Formacin de conglomerados. Alternativas para formacin de conglomerados o Reglas de asociaciones y tcnicas de canasta o Las tcnicas KDD. Modelos de clasificacin. Modelos predictivos o La minera de datos. Mtodo general de trabajo. Separacin en datos de prueba y datos de entrenamiento para el caso de modelos con aplicacin a futuro o rboles de clasificacin, CART o Redes neuronales o Regresin lineal. Regresin logstica o Series de tiempo, autorregresin, estacionalidad y ventas o Relaciones explicadas por modelos ARMA y por modelos ARIMA o Cadenas de Markov o Patrones de comportamiento. Aplicacin de los modelos o Exportacin de los modelos. Insercin en aplicaciones transaccionales para la toma de automatizacin de las decisiones Aplicaciones clsicas o Anlisis exploratorio de los datos o Establecimiento de conjeturas o Establecimiento de los modelos o Entrenamiento, prueba y validacin o Validacin estadstica de los resultados o Aplicaciones establecidas 7

Anlisis de potenciales acreditados Valuacin de bienes Anlisis y pronstico de ventas Eficiencia de campaas publicitarias Prospeccin de venta cruzada

Introduccin a la explotacin de datos inteligentes Introduccin Concepto de Data Warehousing Anlisis de la definicin de Bill Inmon Usos y aplicaciones de un Data Warehousing Las bases para el desarrollo de un data warehouse Arquitectura del data warehouse Diferencias entre OLTP y OLAP Construccin de un data warehouse Metodologa para construir un data warehouse Costos del data warehouse Impactos de implementacin del data warehouse El data mining y su relacin con el data warehouse El Data Warehouse dota a las organizaciones de memoria, y el data mining de inteligencia Minera de datos Descubrimiento de conocimientos Tareas realizadas por un sistema de Minera de Datos Aprendizaje Automtico Ejemplos de sistemas de aprendizaje automtico Aprendizaje supervisado y no supervisado

V. IDEA A DEFENDER Y VARIABLES

Idea a defender: Con la implementacin de una minera de datos se mejorar la toma de decisiones en la empresa de supermercados El Baratn

Variable Independiente:

Minera de Datos

Variable Dependiente:

Toma de decisiones

VI BIBLIOGRAFIA.

HERNANDEZ Jos, RAMIREZ Jos, Introduccin a la minera de datos, Editorial Pearson, Madrid-Espaa, 2004.

SANTN Daniel, PREZ Csar, Minera de datos, tcnicas y herramientas, Editorial Paraninfo, Madrid-Espaa, 2004.

GIRALDEZ Raul, RIQUELME Jos, Tendencias de la minera de datos en Espaa, CEDI, 2006

BRITOS Paola, GARCIA Vernica, Minera de datos: Basada en sistemas inteligentes. Editorial Nueva librera, Buenos Aires-Argentina, 2005

BORRUEL

Fernando,

Data

Warehouse

con

Business

Objects

WebIntelligence, Anaya Multimedia, Madrid-Espaa, 2007. PEREZ Eduardo, Data Warehouse, Modelo, Conceptos e Implementacin orientada a SQL Server , Editorial LUZ, Madrid-Espaa, 2007 PETROUTSOS Evangelos, Visual Basic .NET , Anaya Editorial, Madrid, 2007. PRESSMAN Roge, Ingeniera de Software Un enfoque Prctico, MacGraw Hill, Madrid, 2005. RAMREZ Eduardo, Aplicando SQL Server 2005, Editorial Macro, Colombia, 2007 PRESSMAN William (2000). Sistemas de Informacin, Editorial PrenticeHall, Madrid-Espaa. LAUDON Kennet Sistemas de Informacin Gerencial, Prentice Hall, 2004 TANENBAU Edwar Redes, Prentice Hall, 2003, Madrid Espaa.