Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Giovanni Hernández
2020
1
TABLA DE CONTENIDO
1. Introducción…………………………………………. 3
2. Indicadores………………………………………… ..4
3. Análisis………………………………………………. 4
4. Decisiones…………………………………………… 6
5. Conclusiones………………………………………… 7
2
1. INTRODUCCIÓN
Año tras año, la Librería Iztaccihuatl ha recolectado una gran cantidad de información
sobre los datos generales de cada libro, el promedio de clasificación de cada libro utilizando
las votaciones y compras del cliente, los datos de los libros más votados por los
clientes dentro del sitio web de la librería, las recomendaciones que cada cliente o
usuario realiza en el sitio web sobre libros para leer, entre otros datos de clientes.
Con el objetivo de continuar con la exitosa labor que la Librería Iztaccihuatl ha venido
desarrollando por más de 57 años y con el ánimo de tomas mejores decisiones para
su negocio, se ha tomado la decisión de desarrollar e implementar un Modelo basado
en ciencia de datos que permita construir mejores decisiones en pro de la librería.
3
2. INDICADORES
3. ANÁLISIS
El precio relacional busca establecer los precios óptimos que la librería debería tener
para la venta de sus libros. Los precios cambian rápidamente y se mueven por la
oferta y la demanda de cada uno de los productos. La librería debería tener
monitoreado los precios casi que en tiempo real de cada uno de sus productos en las
diferentes plataformas on line. De esta forma, si los precios del mercado suben, los
precios de la librería pueden estar un poco por debajo de estos precios. Pero si los
precios bajan, la librería debería colocar los precios por lo menos al mismo nivel que
el mercado actual.
4
puede hacer por autores, año de publicación, lenguaje, binding y clasificación. Este
análisis me permite saber si los precios de los productos de la librería son
competitivos con respecto al mercado utilizando las variables antes expuestas. Para el
desarrollo de este indicador se usa la base de datos books. La métrica de este
indicador sería cuantos dólares más o menos están los precios de mercado con
respecto a los precios que se ofrecen en la librería.
3.2. FOLLOW ME
Para el desarrollo del indicador Follow me es necesario unir todas las bases de datos
de la librería en una sola. Las bases to read y ratings se pegan por el indicador de
libro o de usuario. Esta base luego se le pega la base books por el identificador de
libro y luego a esta base de datos se le pega top_books por el ISBN. De esta forma ya
se tienen todas las bases de datos unidas en 1 sola. Luego usando el análisis
descriptivo se identifica cual es el usuario que ha recomendado libros que
efectivamente se encuentren dentro del top más vendidos. Aquellos usuarios que
sugieran y den buenas calificaciones sobre un libro y este efectivamente se encuentra
dentro de los top, es un usuario que entiende el gusto del mercado. Para hacer esto
solo se comparan las columnas de calificaciones y sugerencias con el archivos de los
más vendidos. La métrica de este indicador es el ratio entre el número de libros top
recomendados por cada lector sobre el total de libros recomendados.
Luego de identificar estos lectores (a través del análisis descriptivo) es posible hacer
un análisis predictivo sobre la demanda que tendrán los libros que ellos recomienden,
para que la librería tenga estos libros en stock y puede responder a los pedidos que
harán los otros lectores. Las calificaciones y recomendaciones de estos lectores
podrán ser una variable predictora de la venta de estos libros.
5
3.3. INFLUENCER
Al igual que los follow me, busca identificar lectores que no necesariamente
recomienden los libros top, pero que puedan ayudar a la venta de los otros libros, que
le den rotación a todos los libros que tiene la librería. Que puedan influenciar otro tipo
de literatura. El análisis es descriptivo y sigue las mismas reglas que el punto de
follow me. Lo importante es que este tiene un objetivo diferente y es la diversificación
de la lectura. De esta forma se espera cumplir con la visión de la librería. La métrica
sería número de libros recomendados que otros usuarios han leído sobre el número
de libros total recomendados. Esto se haría con el pegue de las bases de datos tal
como se explicó en el acápite follow me.
Una vez más esta información ayudaría a diseñar modelos predictivos que
incrementara los hábitos de lectura de las personas y de esta forma incrementara las
ventas de la librería.
4. DECISIONES
Con respecto al follow me e influencer, las decisiones pueden ser desde el punto de
vista de mercadeo, logística, y construcción de hábitos de lectura. Desde el mercadeo
será posible vender no solo los libros top, sino posicionar aquellos libros que, siendo
muy buenos no han salido al mercado por falta de publicidad. Desde el punto de vista
de la logística, los modelos predictivos permitirán tener los stock de libros necesarios
para el momento en que la demanda lo requiera. Finalmente, al evaluar otras
opciones de literatura se democratizará la literatura y se llegará a más personas. Con
los datos se observa que es necesario ayudar construir “evaluadores” reconocidos, ya
que no se encuentra gran correlación entre lo que ellos califican y sugieren con la
cantidad de libros leídos por los demás.
6
5. CONCLUSIONES
Es muy importante resaltar que cada semana se debe hacer una evaluación tanto de
la calidad de la información, como de los resultados de los modelos. La fiabilidad de la
información es fundamental para el éxito de los modelos de predicción que se
pretenden hacer. Adicionalmente, a medida que llega más información adecuada los
modelos serán más precisos, fiables y robustos. También es importante hacer
evaluaciones mensuales sobre los parámetros de los modelos predictivos, para
observar si han tenido los resultados ajustados a la realidad. La evaluación y
retroalimentación tanto de los datos como de los modelos es fundamental para el éxito
de la estrategia.