¿Previsión de ventas inexacta? ¿Pérdida de posicionamiento en el mercado? ¿Falta de idoneidad en la planificación territorial? La minería de datos es, para muchas organizaciones, la mejor oportunidad, para otras el último recurso y, sin embargo, todavía existe un amplio espectro de negocios que, pese a ser conscientes de la importancia de data mining, no consiguen explotar todo su valor.
Créditos fotográficos: istock ismagilov
Minería de datos estratégica y operacional
La minería de datos es el precursor de acciones que van desde lo más estratégico al nivel operacional. Cada uno tiene unos objetivos y en cada caso hay que tomar ciertas precauciones:
- Minería de datos estratégica: se orienta al largo plazo y es la que guarda una relación más vinculante con los Data Warehouse. Es importante prevenir un excesivo énfasis en la obtención de un modelo de minería de datos ya que éste no es el producto final. A pesar de que se puede seguir su estructura para entender mejor los patrones y normas que constituyen los registros históricos, el poder real de la minería de datos proviene de utilizarla como vehículo de predicción en base también a los datos actuales. No obstante, el mayor cuidado ha de ponerse a la hora de tener en cuenta el tiempo necesario para actuar sobre la información. El conocimiento adquirido, una vez al descubierto puede perder valor si no se utiliza en un plazo determinado.
- Minería de datos operacional: es el complemento idóneo a muchas soluciones de apoyo a las decisiones de la empresa y herramientas business intelligence. Una vez que la minería de datos estratégica ha progresado hasta el punto de garantizar un conjunto consistente y confiable de modelos, se puede utilizar también como guía a las decisiones de negocio. Su orientación es efectiva al proporcionar retroalimentación inmediata en distintas aplicaciones. En este caso, data mining no actúa necesariamente sobre los datos ya recogidos en un almacén, sino que puede darse sobre una base de tiempo real.
La minería de datos a largo plazo se refiere a un amplio espectro de modelos matemáticos
técnicas y herramientas de software que se utilizan para encontrar patrones en los datos de usuario. Agrupación, técnicas de clasificación, generación de reglas de asociación y la producción de gráficos de similitud a través de técnicas tales como Horting con algunos de los métodos empleados para hacer estas incursiones en la información en su nivel más crudo. A partir de esta segmentación se construyen modelos que facilitan el análisis avanzado.
En el momento en que la organización domina la minería de datos estratégica, es posible aventurarse en sus aplicaciones orientadas a la esfera operacional. En este caso se trata de data mining casi en tiempo real, de gran valor para el e-commerce y cualquier tipo de operación que se lleve a cabo a través de internet.
A este nivel, la minería de datos permite, por ejemplo, detectar potenciales clientes para una línea de productos, determinar la probabilidad de que un cliente compre otros productos de la misma marca o indicar qué clientes pueden suponer un riesgo.
Minería de datos, webs y recomendaciones
Además de la esfera predictiva que se asocia a la minería de datos, es importante conocer la oportunidad que esta disciplina ofrece a los negocios en su aportación a las aplicaciones de recomendación.
Los sistemas de recomendación que incorporan técnicas de minería de datos hacen sus propuestas al usuario empleando para ello el conocimiento aprendido a partir de sus acciones y atributos definitorios. Estos sistemas se basan a menudo en la elaboración de perfiles de usuario que pueden ser:
A/ Persistentes: si se basan en los registros demográficos o de consumo históricos.
B/ Efímeros: cuando lo que tienen en cuenta son datos recogidos de forma simultánea a que se produzcan las acciones durante la sesión actual.
C/ Híbridos: los que se apoyan en ambos tipos de información.
La identificación del patrón de navegación del usuario y su perfil en tiempo real permite proporcionar una respuesta inmediata y satisfactoria a las necesidades y deseos del individuo. Además de contar con las herramientas necesarias para poder llevar a cabo esta tarea, es preciso emplear una estrategia depurada, que evite algunos de los principales errores en este tipo de sistemas como la presentación de demasiadas opciones para el usuario a la vez; algo que consume tiempo, resta eficacia a la tarea iniciada por el usuario y le resulta extenuante, pudiendo impactar de forma negativa en sus niveles de satisfacción.
Superadas las limitaciones, puede apreciarse el valor que encierra esta posibilidad, aunque para aprovecharlo es preciso:
- Garantizar la integración de los datos: de diferentes geografías, fuentes, dispositivos; como las estadísticas de venta, de aprovisionamiento y datos de marketing, entre otros. Algo especialmente crítico en un momento en que lo habitual es la multiplicidad de aplicaciones, sistemas y entornos.
- Hacer las preguntas correctas, una cuestión que se consigue cuando se reúnen talento, conocimiento y expertise.
- Sincronizar el trabajo de los diferentes departamentos y grupos de interés dentro de la organización.
- Dejar atrás el afán por informarse acerca del pasado y adentrarse en la introspección del presente y el futuro.
La minería de datos continúa evolucionando a la vez que aparecen nuevas tendencias en este campo a las que las organizaciones deben estar muy alerta. Si hasta hace poco eran las meta-recomendaciones (sistemas que permiten a los usuarios personalizar y fusionar las recomendaciones de una variedad de fuentes de recomendación), y los sistemas de minería de datos sociales (proceso de representación, análisis y extracción de patrones de acciones concretas a partir de datos de medios sociales) los principales ejemplos de las posibilidades de data mining están en línea con el aprendizaje automático, la biotecnología y la inteligencia artificial. El mañana ya está aquí.
