Maestra Supply Chain Management

ESIC 2014-2

Curso:

Business Intelligence & Customer Relationship

Management

Profesor:

Luis Felipe Chumbiauca, ME

Caso:

rboles de Clasificacin

Nombre:

GD5-Informe-GrupoN01.doc

Grupo N:

01

El presente trabajo ha sido realizado de acuerdo a los reglamentos de la

UNIVERSIDAD ESAN por:
Barrios
Carhuas
Chirinos
Tello
Yacarine

De la Cruz Melo
Anculle
Salas
Revilla
Zamudio

Jorge
Cristina
Wili
Ral
talo

Santiago de Surco, 16 de Julio de 2015

RESUMEN EJECUTIVO

Un rbol de clasificacin es la representacin grfica de una serie de reglas de

decisin. A partir de un nodo raz, que incluye todos los casos, el rbol se va
ramificando en diferentes nodos hijo que contienen un subgrupo de casos. El
criterio de ramificacin (o particin) es seleccionado de manera ptima despus
de examinar todos los posibles valores de todas las variables predictivas
disponibles. En los nodos terminales (hojas del rbol) se obtiene una
agrupacin de los casos de la manera ms homognea posible en cuanto al valor
de la variable dependiente.

I.

OBJETIVO.
Adquirir habilidades para crear un rbol de Clasificacin, a partir de un Data Set,
validar su desempeo creando un modelo que predice el valor de una variable de
destino en funcin de diversas variables de entrada.

II.

ALCANCE.
El archivo de Datos 5-2 GD5-Datos.xlsx contiene el Data Set para la elaboracin
del rbol de Clasificacin. El Data Set debe ser dividido en 30% para
entrenamiento y generacin del Modelo (Reglas) y 70% para Validacin.

III.

LIMITACIONES.

IV.

Ninguna.

ANLISIS.

1. Reglas del Modelo y sus probabilidades de compra.

La creacin de las reglas del modelo se realiz en base a la informacin
detallada en el archivo de Datos 5-2 GD5-Datos.xlsx, que contiene el Data Set
para la elaboracin del rbol de Clasificacin.
Se establecen las siguientes reglas de decisin:

2. Tasa de Seleccin del Modelo.

3. Tasa de Precisin de Modelo para Predecir la Compra.

.
La tasa de precisin del modelo para predecir solo la compra es 38.1%

4. Si dispone de 45,000 soles para la Campaa. Que cantidad de clientes debern

recibir la promocin? Cul ser el Beneficio esperado?
Calcularemos el saldo neto para la campaa

Monto Disponible - Costo Fijo Campaa: S/45,000 - S/. 8,500 =

s/.36,500

Cantidad de personas que deberan recibir segn % de precisin de

compra
-

Poblacin * Precisin de Compra= 50000*38.1%= 19,045 clientes

Como solo disponemos de S/.36,500 y cada cliente nos cuesta

S/.3.50

36,500/3.5= 10,429 -> Solo nos alcanza para atender a 10,429

clientes

Beneficio Esperado por cliente S/.25

10429* 25= 260,715, el beneficio esperado es S/.260,715

5. Monto mximo a invertir en la Campaa.

El monto mximo a invertir si se desea lograr el mximo beneficio.
Cantidad de personas que deberan recibir segn % de precisin de
compra
3

Poblacin * Precisin de Compra= 50,000*38.1%= 19,045

clientes

Inversin por Cliente S/.3.5

-

Clientes * Inv. por Cliente= 19,045*3.5= S/.66,657 es el monto

mximo a invertir
Mximo beneficio
-

Clientes * beneficio por cliente= 19,045*25= S/.476,116 es el

mximo beneficio

Recomendacin: Incrementar el monto destinado para la campaa, para

poder llegar a todos los cliente potenciales

V.

CONCLUSIONES

La tasa de precisin del modelo para predecir solo la compra es

38.1%
Beneficio Esperado por cliente S/.25