Desarrollo de un modelo de minería de datos basado en reglas de asociación para la optimización de ventas y creación de estrategias comerciales
Fecha
Autores/as
Título de la revista
ISSN de la revista
Título del volumen
Editor
DOI
Resumen
En este trabajo se desarrolló e implementó un sistema analítico de datos orientado al diseño de estrategias de venta cruzada en una microempresa. El problema central fue la falta de herramientas para la interpretación de los patrones de consumo lo cual generaba ineficiencias en la rotación de productos con este contexto se aplicó la metodología CRISP-DM para cubrir desde el entendimiento del negocio hasta el despliegue de la solución. En la fase de entendimiento de los datos se realizó una auditoría y preprocesamiento sobre un histórico transaccional compuesto por 529,289 registros consolidando una matriz de 149,818 canastas de compra únicas y un catálogo de 134 productos para la fase de modelado se evaluaron e implementaron los algoritmos de Apriori y FP-Growth observando que este último ofrece una mayor escalabilidad, mayor eficiencia en el uso de memoria RAM mediante la estructura de FP-Tree lo que evita el desbordamiento de memoria por generación masiva de candidatos intermedios. Como resultado del procesamiento se encontraron 39 reglas de asociación estadísticamente estables. Estas reglas se separaron de la siguiente manera reglas denominadas como combos ancla los cuales son las más óptimas para campañas de venta cruzada por otro lado reglas ocultas las cuales son indispensables para una reorganización física del negocio para forzar la circulación de los clientes. Finalmente, la solución fue empaquetada de forma local mediante Docker aislando las dependencias analíticas de cualquier posible conflicto con la máquina anfitrión la capa de presentación se encuentra desplegada mediante un tablero analítico el cual facilita la comprensión de las reglas obtenidas sin necesidad de complicar al dueño del negocio con funciones matemáticas.






