EDX - TECDEMONTERREY

UTILIZANDO LA CIENCIA DE DATOS EN

UNA ORGANIZACIÓN.
CASO: LIBRERIA IZTACCIHUALT

DANA ACOSTA CASTILLO

Índice:

1) Introducción……………………………………1

2) KPI’s……………………………………………3

a) ¿Qué es?....................................................................3

b) Análisis……………………………………………..4

c) Seguimiento y conclusiones………………………..5

3) Propuesta de decisiones…………………………5

4) Conclusiones……………………………………6

1
Introducción:
En este documento analizaremos parte por parte el reto dado, veremos los KPI’s (key
Performance Indicator) que seleccionamos cuidadosamente basados en las información y datos
que tenemos de la librería y utilizaremos estos para saber qué tipo de análisis elegimos y como
todo lo anterior nos ayudara en la toma de decisiones para que finalmente lleguemos a estas,
veremos las soluciones, su viabilidad y las conclusiones de todo el proyecto en general.

Iniciemos contemplando el contexto el cual nos conduce al reto que debemos realizar:
“La librería Iztaccíhuatl ubicada en la ciudad de Monterrey, Nuevo León, México ha
decidido desarrollar un proyecto basada en ciencia de datos para mejorar sus indicadores
de desempeño (KPI’s) y a la vez desarrollar una mejor estrategia en la toma de decisiones.”
Aparte del contexto, también tenemos una carpeta con archivos que contienen los datos que
serán clave en el desarrollo de este reto. Esta carpeta se llama datasets_books y contiene los
siguientes documentos de Excel:
❖ books
que contiene: Id, Book Id, Number editions, ISBN, ISBN13, Authors, Original publication,
Original title, Title, Language Code, Average Rating, Image, Small Image.
❖ top_books
que contiene: Position, ISBN, Title, Author, Imprint, Publisher group, Volume, Value, RRP,
ASP, Bindign, Publs date, Product class, Classification
❖ raitings
que contiene: Book Id, User Id, Rating.

❖ to_read
que contiene: User Id, Book Id.
Así, en resumen;

El archivo “books” contiene los datos generales de cada libro existente en la librería y además
menciona el promedio de clasificación de cada libro de acuerdo a las votaciones y compras del
cliente.
El archivo “top_books” contiene el top 20 de los libros más vendidos de acuerdo a una
clasificación general.
El archivo “ratings” contiene los datos de los libros más votados por los clientes dentro del sitio
web de la librería.

El archivo “to_read” contiene las recomendaciones que cada cliente o usuario realiza en el sitio
web sobre libros para leer.
2
ahora bien, ya que tenemos parte del terreno visualizado antes de iniciar vamos a dejar claros los
objetivos a los cuales queremos llegar:

Objetivo específico: analizar fuentes de información externas e internas de una organización a

través de herramientas computacionales para generar un modelo basado en ciencia de datos
como apoyo a la toma de decisiones.

Objetivos generales:
➢ Determinar los indicadores (KPI) mas relevantes para la resolución del reto.
➢ Establecer un tipo de análisis (predictivo, prescriptivo, descriptiva) para cada KPI y saber
porque este es el mas efectivo para el desarrollo del reto
➢ Plantear que tipo de decisiones debe tomar la librería basadas en lo que hicimos a lo largo
del reto por cada KPI.

KPI’s
¿Qué es?
Antes de entrar a ver los KPI que decidí hacer/seguir me gustaría contextualizar un poco antes
sobre que es un KPI y como se estructuran.

KPI o Key Performance Indicator por sus siglas en inglés, “son métricas que nos ayudan a
identificar el rendimiento de una determinada acción o estrategia. Estas unidades de medida nos
indican nuestro nivel de desempeño en base a los objetivos que hemos fijado con anterioridad”.
(Espinosa, 2016). En otras palabras, indicadores clave o medidores del nivel de desempeño que
se utilizan para sintetizar la información de progreso del proyecto u acción.
Ahora que ya entendemos un poco mas el concepto la pregunta es ¿Cómo se hace un KPI?
Porque, aunque puede que se vea fácil, tiene toda una estructura que seguir para lograr un buen
KPI que nos facilite (en este caso) la toma de decisiones.
Un KPI exitoso debe ser: medible, cuantificable, especifico, temporal y relevante. Y para lograr
que sea todo lo anterior lo que hare es una serie de preguntas que iré comparando con la
información que nos dieron y así definir los KPI que trabajare para alcanzar los objetivos.
Las preguntas por cada KPI fueron:

¿Qué queremos medir?

¿Por qué medimos este dato?
¿Realiza el seguimiento de los resultados de uno de nuestros objetivos?
¿Es un factor clave para la empresa?
¿Con que periodicidad conviene supervisarlo?

3
Y así, los KPI son:

1. Ratio recomendación
2. Ventas por rating
3. Relación URV
4. Relación TAR

Análisis
Ahora bien, en esta etapa explicare como funciona cada KPI, que tipo de análisis utilizaremos y
todo el proceso que hice para llegar al siguiente paso el cual es la propuesta para la toma de
decisiones.
Entonces, antes de revisar cada KPI lo que hice fue organizar cada archivo en Excel, tomando
nota de que tipo de datos tenia, como era mejor su visualización, agrupar y luego volver a
desagrupar archivos para ver si se podía facilitar el análisis de datos o simplemente para trabajar
con pocos archivos y así hasta que desarrollé los KPI’s.
¿Qué contiene y como funciona cada KPI?
Ratio recomendación – semanal

El ratio recomendación tal y como lo indica su nombre es un indicador de recomendación, es

decir, se juntan y organizan los datos de los documentos “ratings” y “to_read”, esto no solo para
ampliar el rango de recomendación sino también para ver la relación ratings – sugeridos.

El tipo de análisis que utilizaríamos en este KPI seria predictiva pues necesitamos ver la relación
y con base a esta sugerir o atraer clientes nuevos.
Ventas por Rating - mensual

Ventas por Rating hace justamente eso, controla o mas bien, analiza cuantas ventas se hicieron
dependiendo al rating, esto, para analizar si la gente compra mas por el rating y para brindarle a
los clientes un mejor servicio en cuanto a ventas y recomendaciones. Esto, también para darle a
la tienda una idea de como vender y promocionar sus libros.
El tipo de análisis seria descriptiva pues esta analítica nos ayuda a visualizar el pasado y presente
del negocio, donde, vamos a ver los ratings pasados, cuantas ventas se hicieron con base a estos
ratings y así ver el presente del negocio ¿se venderán el top 5 en ratings? ¿actualmente la gente si
esta ranqueando sus libros favoritos?, etc.
Relación URV (Usuario-Rating-Venta) - diario

Este KPI seria para que la tienda primeramente lleve registro de sus ventas con los ID del usuario
para que, en el futuro, es decir, después de 5 o 6 compras se le pueda brindar un mejor servicio o
un servicio mas personalizado al cliente. Para este KPI necesitaríamos que el usuario se registre

4
y tenga un ID (el cual se encuentra en los archivos rating, to_read y estos los juntamos con books
para obtener los Id de los libros, como el nombre y otra información importante. Así, como
científico de datos podría hacer un algoritmo de búsqueda según los ratings y lo que ha
comprado En el pasado el usuario y así no solo comparar la relación en cuanto a ventas sino
también de acuerdo con esto brindarle al usuario recomendaciones similares.

La analítica por utilizar seria la predictiva pues los datos al inicio serán de difícil extracción y de
difícil análisis pues debemos esperar un tiempo y hacer un algoritmo que personalice. Una vez
tengamos eso la predictiva nos ayudara a ver que le podemos recomendar al cliente en un posible
futuro y recomendar a la librería mejorar los precios dependiendo a todo lo anterior.
Relación TAR (Top-ASP-RRP) – mensual
Este KPI como su nombre lo indica viene del documento “top_books” y utilizamos los datos de
“RRP” el cual nos indica el precio recomendado para minoristas y, el “ASP” el cual nos indica el
precio promedio para la venta, además, también utilizaremos los libros con mejor rating de
“ratings”. la idea es que se compare los precios de los libros mejores ranqueados y el precio con
los que estos se están vendiendo para analizar y crear una estrategia en la cual mejoremos los
precios de estos para sacar mejor rendimiento. Para esto no solo necesitaríamos un científico de
datos, también necesitaríamos un economista que nos ayude a hacer o calcular una formula que
nos ayude a sacar este rendimiento.
El análisis que utilizaríamos seria prescriptiva pues necesitamos en este KPI una completa
integración del negocio, es decir, necesitamos varios componentes como Id del usuario, Id del
libro, Precios y más. Y ya con todo lo anterior poder hacer una mejor recomendación en cuento a
precios, publicidad y ventas.

Seguimiento y conclusiones.
Propuesta de decisiones
Las propuestas en cuanto a que decisiones deben o deberían tomar (no mencionadas
anteriormente en la sección de KPI) son:

1) Aceptar y utilizar todos los KPI que les sugerí en este documento.
2) Mejorar y visualizar los precios de los libros en comparación con las métricas más generales
como Ratings, hago énfasis en llevar un registro continuo y cauteloso sobre los libros y el
cambio que estos tienen por diferentes factores.
3) Crear una plataforma o un tipo de servicio que junte todos los KPI anteriores y sea
únicamente para la satisfacción del cliente, así, sería mucho más fácil no solo brindarles una
experiencia más personalizada pero también ahorrarían mucho con publicidad y con más
clientes satisfechos, más compras, más recomendaciones y más datos.
4) Ampliar la base de datos y mejorarla. Organizar los datos en conjunto o subconjuntos para
que el analista o científico de datos tenga un trabajo más fácil y limpio.

5
Como “extra” sugerimos usar este esquema para la implementación de todo lo mencionado
anteriormente:

/Fuente: edx-tecdemonterrey/

Conclusiones
En conclusión, en este caso seguimos el modelo CRISP-DM para hacer este proyecto de ciencia
de datos. Aunque no mencionamos las partes del modelo se pueden notar fácilmente en todo el
documento. Además de utilizar este modelo, seguimos la sugerencia del curso de integrar los tres
tipos de analítica (descriptica, predictiva, prescriptiva) para mejorar el análisis en general e
integrar todos los datos dados del negocio. Asimismo, los KPI’s, aunque llevaron un poco de
trabajo, logramos crearlos con base en los datos dados, organizados y limpios donde no solo nos
restringimos a estos datos, pero también hicimos proyecciones a futuro y hasta mejoras. Aunque
acepto que faltan otras variables del negocio tales como puntos de venta, personal, tipo de pago,
domicilios, etc. siento que con los datos que me dieron logre sacar buenos KPI’s centrados en
una de las variables mas importantes del negocio que es vender en sí.
Por otro lado, en cuanto a las conclusiones del negocio, si este aceptara los KPI’s + las
sugerencias de decisiones seguro que prospera en ventas y en clientes pues no se está perdiendo
ninguno de los datos y con la ayuda de un buen economista y un publicista se atraería a
muchísima más gente.