ejemplos reales-inteligencia de negocios

Upload: maya-avaloz

Post on 19-Feb-2018

216 views

Category:

Documents


0 download

TRANSCRIPT

  • 7/23/2019 Ejemplos Reales-Inteligencia de Negocios

    1/4

    Materia:

    INTELIGENCIA DE NEGOCIOS

    Ejemplos reales

  • 7/23/2019 Ejemplos Reales-Inteligencia de Negocios

    2/4

    AGRUPACIONES (CLUSTERING)

    El FBI analizar las bases de datos comerciales para detectar terroristas.

    A principios del mes de julio de 2002, el director del FBI en Estados Unidos, John

    Aschcroft, anunci que el Departamento de Justicia comenzara a introducirse enla enorme cantidad de datos comerciales en los que se revelan hbitos y

    costumbres de la poblacin, con el fin de poder identificar a potenciales terroristascon antelacin a que puedan cometer un atentado.

    Algunos expertos aseguran que, con esta informacin, el FBI unir todas las basesde datos mediante el nmero de la Seguridad Social y permitir saber si una

    persona fuma, qu talla y tipo de ropa usa, si ha sido arrestado y cuantas veces, el

    barrio donde vive, si en este se cometen ms o menos delitos, su salario, lasrevistas a las que est suscrito, su altura y peso, sus contribuciones a la Iglesia,

    grupos polticos u organizaciones no gubernamentales, sus enfermedades

    crnicas, los libros que lee, los productos de supermercado que compra, si tomclases de vuelo o si tiene cuentas de banco abiertas, entre otros.

    La inversin inicial ronda los 70 millones de $ estadounidenses para consolidar los

    almacenes de datos, desarrollar redes de seguridad que sean capaces decompartir la informacin e implementar nuevo software analtico y de visualizacin.

    Con este tipo de aplicaciones sale de nuevo el tema tico de la privacidad y

    libertad de los individuos. En el fondo la aplicacin es un gran hermano queobserva cualquier movimiento que se haga, pudiendo estos ser utilizados paraotros fines distintos a los que fue diseado.

    PREDICCIONES (PRONOSTICOS)

    Prediccin del tamao de las audiencias Televisivas

    La BBC (British Broadcasting Corporation) del Reino Unido emplea un sistemapara predecir el tamao de las audiencias televisivas de un programadeterminado, as como la hora ptima de emisin (Brachman y otros, 1996).El sistema utiliza redes neuronales y rboles de decisin aplicados a datoshistricos de la cadena para determinar los criterios que participan segn elprograma que hay que presentar, segn el contenido del programa (humor, serie,pelcula, show) y otros muchos factores.

  • 7/23/2019 Ejemplos Reales-Inteligencia de Negocios

    3/4

    La versin final se desempea tan bien como si se tratara de un profesional conexperiencia, con la ventaja de que se adapta ms fcilmente a los cambios porqueest siendo constantemente entrenada con datos actuales.

    CLASIFICACIONES

    Migracin de clientes entre distintas compaas

    Un ejemplo es el estudio de la migracin de clientes de una operadora decomunicaciones mvil a otra. Este estudio fue desarrollado en una operadoraespaola que bsicamente situ sus objetivos en dos puntos:

    1. El anlisis del perfil de los clientes que se dan de baja

    2. La prediccin del comportamiento de sus nuevos clientes

    Se analizaron las diferencias histricas entre clientes que haban abandonado laoperadora (12,6%) y de los clientes que continuaban con su servicio (87,4%).Tambin se analizaron las variables personales de cada cliente (estado civil, edad,sexo, nacionalidad, etc.).De igual forma se estudiaron para cada cliente la morosidad, la frecuencia y elhorario de uso del servicio, los descuentos y el porcentaje de llamadas locales,

    interprovinciales, internacionales y gratuitas.Al contrario de lo que se podra pensar, los clientes que abandonaban laoperadora generaban ganancias para la empresa; sin embargo, una de lasconclusiones ms importantes radicaba en el hecho de que los clientes que sedaban de baja reciban pocas promociones y registraban un mayor nmero deincidencias respecto a la media.

    Como resultado de este estudio de minera de datos se recomend a la operadorahacer un estudio sobre sus ofertas y analizar profundamente las incidenciasrecibidas por esos clientes. Al descubrir el perfil que presentaban, la operadoratuvo que disear un trato ms personalizado para sus clientes actuales con esas

    caractersticas.Para poder predecir el comportamiento de sus nuevos clientes se dise unsistema de prediccin basado en la cantidad de datos que se poda obtener de losnuevos clientes comparados con el comportamiento de clientes anteriores.

  • 7/23/2019 Ejemplos Reales-Inteligencia de Negocios

    4/4

    Conociendo si los recin titulados de una universidad llevan a caboactividades profesionales relacionadas con sus estudios.

    Se realiz un estudio sobre los recin titulados de la carrera de Ingeniera enSistemas Computacionales del Instituto Tecnolgico de Chihuahua II en Mxico.Se quera observar si los recin titulados se insertaban en actividadesprofesionales relacionadas con sus estudios y, en caso negativo, se buscabasaber el perfil que caracteriz a los ex-alumnos durante su estancia en launiversidad. Se deseaba concluir si con los planes de estudio de la universidad yel rendimiento del alumno se haca una buena insercin laboral o si existan otrasvariables que participaban en el proceso. Dentro de la informacin consideradaestaba el sexo, la edad, la escuela de procedencia, el desempeo acadmico, lazona econmica donde tena su vivienda y la actividad profesional, entre otrasvariables. Mediante la aplicacin de conjuntos aproximados

    se descubri queexistan cuatro variables que determinaban la adecuada insercin laboral, que soncitadas de acuerdo con su importancia:

    1. Zona econmica donde habitaba el estudiante

    2. Colegio de dnde provena

    3. Nota al ingresar

    4. Promedio final al salir de la carrera

    A partir de estos resultados, la universidad obtuvo como resultado que las trescaractersticas ms importantes no tenan relacin con la universidad, y si de la

    economa de la zona donde provena el estudiante. Por lo que poda plantearsenuevas soluciones de tipo socioeconmico, como becas en empresas u otras.