Prototipo computacional para identificar patrones de comportamiento de usuarios de servicio a domicilio aplicando minería de datos

El prototipo computacional objeto de la presente investigación pretende analizar patrones de comportamiento de usuarios de servicio a domicilio con el objetivo de servir como herramienta a los establecimientos comerciales que deseen seleccionar los clientes a los que les envían promociones o descubr...

Full description

Autores:
Santamaría Parra, Pablo Andrés
Tipo de recurso:
Trabajo de grado de pregrado
Fecha de publicación:
2008
Institución:
Universidad Autónoma de Bucaramanga - UNAB
Repositorio:
Repositorio UNAB
Idioma:
spa
OAI Identifier:
oai:repository.unab.edu.co:20.500.12749/1233
Acceso en línea:
http://hdl.handle.net/20.500.12749/1233
Palabra clave:
Systems engineering
Data mining
Characteristics of information users
Services to information users
Information storage systems
Information retrieval systems
Investigations
Automation
Algorithms
Data mining
Behavioral Patterns
Ingeniería de sistemas
Minería de datos
Características de los usuarios de información
Servicios a usuarios de información
Sistemas de almacenamiento de información
Sistemas de recuperación de información
Investigaciones
Automatización
Algoritmos
Minería de datos
Patrones de Comportamiento
Rights
openAccess
License
http://creativecommons.org/licenses/by-nc-nd/2.5/co/
Description
Summary:El prototipo computacional objeto de la presente investigación pretende analizar patrones de comportamiento de usuarios de servicio a domicilio con el objetivo de servir como herramienta a los establecimientos comerciales que deseen seleccionar los clientes a los que les envían promociones o descubrir los hábitos de compra de la población, para poder predecir su comportamiento. Para lograr este fin es utilizada la Minería de Datos, donde se aplican diferentes técnicas multivariadas, analizando así los patrones de comportamiento de los clientes. La primera técnica que se utiliza es el análisis de componentes principales, que permite reducir las variables a estudiar, generando nuevas variables conocidas como componentes principales. Estos componentes permiten analizar toda la información empleando menos variables. Luego se utilizan dos algoritmos de agrupación (cluster) para identificar la afinidad de los clientes con determinados productos, lo que permitirá dirigir las promociones hacia los clientes que realmente se interesarán. Además se hace uso de la técnica de reglas de asociación para predecir patrones interesantes de compra, donde se determina la relación que existe entre la compra de un producto con la de otro. Adicionalmente, la metodología de Data Warehouse utilizada para elaborar el almacén de datos, permite recopilar información histórica bajo un esquema que facilita la consulta de los datos para su análisis. Proporcionando así a los establecimientos una solución que les permite almacenar y analizar la información de sus clientes. El prototipo esta desarrollado para trabajar en la web, convirtiéndose así en la base de una herramienta comercial cuyos beneficios se verán reflejados directamente en el desempeño comercial de las empresas.