Documentos de Académico
Documentos de Profesional
Documentos de Cultura
negocio
Jordi Girons Roig
PID_00197283
CC-BY-NC-ND PID_00197283 Analtica de negocio
Los textos e imgenes publicados en esta obra estn sujetos excepto que se indique lo contrario a una licencia de
Reconocimiento-NoComercial-SinObraDerivada (BY-NC-ND) v.3.0 Espaa de Creative Commons. Podis copiarlos, distribuirlos
y transmitirlos pblicamente siempre que citis el autor y la fuente (FUOC. Fundacin para la Universitat Oberta de Catalunya),
no hagis de ellos un uso comercial y ni obra derivada. La licencia completa se puede consultar en http://creativecommons.org/
licenses/by-nc-nd/3.0/es/legalcode.es
CC-BY-NC-ND PID_00197283 Analtica de negocio
ndice
Introduccin............................................................................................... 5
Resumen....................................................................................................... 33
Bibliografa................................................................................................. 35
CC-BY-NC-ND PID_00197283 5 Analtica de negocio
Introduccin
Como segundo objetivo del presente material didctico est el de conocer las
capacidades de business analytics en campos de conocimiento, como la minera
de textos, la minera de opiniones, la gestin del prestigio y el anlisis de redes
sociales.
Aristteles pensaba que la realidad o esencia de las cosas solo poda ser perci-
bida por lo que el ojo poda ver, la mano tocar, etc. El estudio detallado de lo
tangible era el camino para llegar a la verdad y bajo esta premisa pareca facti-
ble poder descomponer sistemas complejos en partes ms pequeas, estudiar-
las, comprenderlas, unirlas todas de nuevo y as entender finalmente el todo.
Aparicindelaestadsticamoderna
Aparicindelainteligenciaartificialydelaprendizajeautomtico
Antes de entrar a ver las inevitables definiciones, una buena forma de aproxi-
marse al concepto BA es entender de qu cuestiones se ocupa.
En la figura vemos plasmadas seis de las preguntas que intenta afrontar BA,
organizadas en dos niveles: informacin y conocimiento.
Entendemos por business analytics el uso intensivo de datos, de la estadstica y del an-
lisis cuantitativo, de los modelos predictivos y explicativos, y de la toma de decisiones
basadas en hechos y evidencias. BA puede ser un input para la toma de decisiones por
parte de personas o bien puede ser motor para la toma de decisiones automatizada.
Michael Beller; Alan Barnett; Lightship Partners (2009). Next Generation business analy-
tics. Technology Trends.
Calidadtotal
Observemos que esta definicin empieza con dos adjetivos constante e iterativa;
de hecho BA se mueve en un ciclo cerrado de extraccin, depuracin, estudio,
anlisis de los datos y verificacin.
Losobjetivosdebensermediblesyestaralineados
Los objetivos del proyecto BA deben estar alineados con los objetivos de la
organizacin y todos ellos deben ser medibles y cuantificables, de lo contrario,
no ser posible determinar el grado de cumplimiento de los mismos.
Visincomplejadeltodo
El estudio del rendimiento pasado enlaza con una visin de la realidad que se
intenta explicar en forma de ecosistema complejo que requiere ser observado
en su totalidad.
El modelo DELTA descrito en el libro Analytics at Work utiliza esta palabra para
fortalecer los aspectos clave del BA: data management, enterprise-wide visin. Li-
derazgo a varios niveles para llevar a cabo iniciativas en torno a BA, y estable-
cimiento de objetivos (targets) concretos del BA y finalmente, contar con bue-
nos analistas en la organizacin es crucial para el xito de una estrategia BA.
Noconsideranelanlisis
Actividadesdeanlisisaisladas
Aspiranteanaltico
Organizacinanaltica
CC-BY-NC-ND PID_00197283 12 Analtica de negocio
Competidoranaltico
Para mayor ilustracin, empresas que pueden estar en este nivel podran ser
Amazon, Tesco, Google, Netflix, FedEx, CEMEX, John Deere, Barclays Bank y
O2.
Factoresdelta,factorescrticos
Delta fue la palabra que la cultura griega cedi a la comunidad cientfica para
cuantificar el cambio o el incremento y nos servir como acrnimo para iden-
tificar los cinco factores crticos a tener en cuenta en BA.
DataEnterpriseLeadershipTargetsAnalysts
Los datos deben ser accesibles, precisos y con unos niveles de calidad. Se trata
de una premisa inicial e irrenunciable, sin datos no hay anlisis posible.
Con la t de targets llegamos a los objetivos. Los recursos son limitados y tener
objetivos concretos es el primer paso para:
En definitiva, el factor humano forma parte de los valores crticos en una or-
ganizacin que aspira a subir escalones en la pirmide analtica.
La siguiente figura nos muestra cmo las tareas de anlisis de datos pueden
tener ms o menos contenido analtico y ms o menos ventaja competitiva.
El trabajo del data mining se hace sobre juegos de datos estructurados, bien
numricos o categricos, pero en cualquier caso, estructurados por atributos
y valores. Un documento de texto podemos verlo como un juego de datos no
estructurado y es aqu donde aparecen actividades especficas para text mining.
Antes de continuar, merecer la pena hacer un alto en el camino y repasar las categoras
gramaticales que descomponen un idioma en estructuras ms pequeas, que sern la
unidad de trabajo en muchos procesos de text mining.
Los sustantivos o nombres los utilizamos para referirnos a personas, animales, plantas,
cosas, sentimientos y cualidades.
Los adjetivos son palabras que acompaan a los nombres y expresan cualidades del mis-
mo.
Los determinantes tambin acompaan a los nombres y nos sirven para concretarlo y
determinarlo.
Los verbos son palabras que expresan accin, existencia, condicin o estado del sujeto.
Los pronombres son palabras que sustituyen a los nombres para evitar su repeticin.
Los adverbios son palabras que modifican a un verbo, a un adjetivo o a otro adverbio.
Las conjunciones nos sirven para unir palabras o para unir oraciones simples.
Eliminadodelasstopwords
Eliminadodelaspalabrasderivadas(stemming)
CC-BY-NC-ND PID_00197283 18 Analtica de negocio
Gestindesignosdepuntuacin,maysculas,nmeros,
preprocesado preproceso
Objetosespecficosdepginasweb
Modelobooleano
El siguiente paso ser asociar a cada trmino un peso. Esto nos permitir cons-
truir un vector por documento, donde en cada celda colocaremos un 0 si el
trmino no aparece y un 1 si el trmino aparece:
CC-BY-NC-ND PID_00197283 19 Analtica de negocio
Modelodelvectorespacio
cumentos.
El peso que tomaremos es el producto .
CC-BY-NC-ND PID_00197283 20 Analtica de negocio
Ejemplodematrizdepesos
Bsquedadecontenido
te vector de pesos .
Ejemplodebsquedadecontenidos
Siguiendo con el ejemplo anterior, vamos a trabajar con los trminos Restau-
rant A, Restaurant B y Restaurant C, con dos documentos y una query:
Las siguientes son reas en las que text mining aporta su potencial.
Subjectivityanalysis
Opinionmining
Opinion mining surge inicialmente alrededor del mundo de las bsquedas web y
de la recuperacin de contenidos. Kushal Dave en su libro Mining of the peanut
gallery (2003), nos describe cmo debera ser una herramienta opinion mining
ideal:
Aquella que es capaz de procesar un juego de datos resultante de una bsqueda, gene-
rando a partir de ella dos cosas:
Sentimentanalysis
CC-BY-NC-ND PID_00197283 24 Analtica de negocio
Elproblemadevalorarunaopinin.
Esquemadeunaopinin
(1) Ayer compr un mvil Motorola y mi novia compr un mvil Nokia. (2) Al llegar a
casa nos llamamos. (3) La voz en mi mvil Moto era difusa, pero la cmara no estaba
mal. (4) Mi novia estaba bastante satisfecha con su mvil y con su calidad de sonido.
(5) Quiero un mvil con buena calidad de sonido. (6) De modo que probablemente
no me quede con este.
Extraccinyagrupadodeentidades
CC-BY-NC-ND PID_00197283 26 Analtica de negocio
Extraccinyagrupacindecomponentesyatributos
Identificacindelautorydeltiempo
Clasificacindelaopininformada
(3) Negativa para el atributo sonido del Motorola. Positiva para el atributo
cmara del Motorola.
(4) Positivo para Nokia en general. Positivo para el atributo sonido del Nokia.
Ensamblajedelosvectoresopinin
Aclarar que los retos de interpretacin del lenguaje natural NLP se multiplican
en la fase de modelado, puesto que hay que abstraer los recursos del lenguaje
que afectan al proceso de emisin de opiniones. Adems, hay que interpretar
algunos estilos de escritura presentes en las opiniones y complejos de interpre-
tar automticamente debido a su ambigedad, como por ejemplo, el sarcasmo.
Objetodeestudio
Centralidad
A un actor que se relaciona mucho con su entorno, parece lgico que le demos
ms importancia. La centralidad mide el nivel de relacin de un actor con su
entorno ms inmediato, la proximidad mide la distancia entre un actor y el
resto de actores de su entorno y finalmente, la intermediacin mide el grado
de influencia de un actor en las relaciones entre sus prximos.
CC-BY-NC-ND PID_00197283 28 Analtica de negocio
Cabe destacar que para un actor existen dos tipos de relaciones: las de entrada
(terceros hablan del actor) y las de salida (el actor habla sobre terceros). En la
centralidad solo tenemos en cuenta las de salida.
Prestigio
El rank prestige para una pgina i es la combinacin lineal de todos los rank
prestige de las pginas que apuntan a ella.
donde
Communitydiscovery
Una abstraccin de esta definicin nos lleva a definir comunidad como el par
(tema, miembros de la comunidad).
Todos los miembros de una comunidad deben ser del mismo tipo. Todos
personas o todos organizaciones.
La gestin del prestigio recoge aspectos del text mining, opinion mining y del
social network analysis para recuperar informacin de artculos, blogs, pginas
especializadas, fotos, vdeos y comunidades en la web para poner en el centro
del anlisis al objeto de opinin y presentarle de una forma gil e intuitiva la
visin que Internet tiene de su negocio.
Actividadespropiasdelreputationmanagement
Escuchar
Construir
CC-BY-NC-ND PID_00197283 32 Analtica de negocio
Quiz sea la actividad ms compleja en cuanto a que hay que organizar, ana-
lizar y presentar:
Participar,reaccionareinfluir
Por ejemplo, en el caso del hotel una crtica sobre la comida podra disparar
una alerta que solo afectar al responsable de cocina del mismo. O una queja
localizada en la recepcin del hotel podra emitir una recomendacin de me-
jora solo para ese departamento.
Algoritmosutilizados
Resumen
Los factores delta de BA que nos propone Thomas H. Davenport nos propor-
cionan una visin organizativa de lo que es BA. Ms all de la clsica herra-
mienta, se plantea BA como parte de la cultura empresarial.
Bibliografa
Bink Liu (2011). Web Data Mining. Exploring Hyperlinks, Contents and Usage. Springer.
Davenport, T. H.; Harris, J.; Morison, R. (2010). Analytics at Work: Smarter Decisions,
Better Results. Harvard Business Press.
Artculos