6 Pasos para Conocer a Tu Cliente

A fines de los ’90s, el concepto de minería de datos, que había empezado a hacer ruido en la década anterior, aún no estaba del todo definido. Por iniciativa de algunas empresas líderes en distintos rubros, un grupo de programadores desarrolló un modelo estándar capaz de extraer conociendo a partir de múltiples bases de datos.

En 1999, la automotriz Daimler-Benz, la desarrolladora de software estadístico SPSS, la aseguradora OHRA y la fabricante de hardware NCR, cada una con un interés particular, aunaron esfuerzos para aprender a sacar provecho a sus diversas bases de datos. Buscaban un modelo conceptual, que les permitiera obtener inferencias útiles. El resultado de esa aventura se conoció con el acrónimo CRISP-DM (CRoss Industry Standard Process for Data Mining, proceso estándar inter-industrial para la minería de datos).

Sigue leyendo

Minería de datos optimizaría indicadores de procesos

La minería de datos se convierte en factor de competitividad

Con base en un sistema de números inteligentes, capaces de hacer mediciones constantes en bases de datos y en lugares que almacenen información, las empresas tendrán todo el material necesario para evaluar rendimientos y procesos.

Así lo explica el estudiante Juan Camilo Giraldo, del doctorado en Sistemas de la Universidad Nacional de Colombia en Medellín, quien resalta que el término minería de datos se refiere a la analogía que se hace con los mineros cuando ingresan a lo más profundo de la mina para extraer el material, de la misma manera que lo hace su programa.

La minería de datos se convierte en factor de competitividad

De esta forma, el software es capaz de evidenciar falencias e inconsistencias en los procesos, para posteriormente hacer la corrección de los mismos.

Las variaciones identificadas son almacenadas en una base de datos como KPI (en inglés Key Performance Indicators, o Indicadores Clave de Desempeño) que miden el nivel del desempeño de un proceso, con el fin de retroalimentar, ajustar procesos o recursos, y que sirvan como variables de punto de comparación en el momento de ejecutar otros frente a objetivos similares.

Inicialmente se ingresan los procesos articulados a unos objetivos trazados, para realizar operaciones transaccionales típicas, y se consolidan posteriormente en una bodega de datos, lo que permite concretar unos hechos del negocio.

Por medio de explotación de información se extraen entonces causas que presenten los históricos y se analizan en términos de indicadores.

Dicho análisis involucra medidas cualitativas y cuantitativas, y está sujeto a una técnica de minería de datos que apoye la interpretación de los KPI obtenidos, que después se almacenarán y servirán como punto de referencia para próximas ejecuciones.