Introducción a la Ciencia de Datos y el Big Data

Tecnológico de MonterreyX

ACTIVIDAD

Utilizando la Ciencia de Datos en una organización.

Librería Iztaccihuatl.

Ricardo Calderón Auza

24 DE ABRIL 2021

CIUDAD DE MEXICO
 Pagina

Índice 2

Introducción 3

Objetivo 3

Desarrollo 3

Análisis 5

Decisiones 5

Conclusión 6

Referencias. 6

Página 2 de 7
Introducción.

El desarrollo de este proyecto para La Librería Iztaccíhuatl ubicada en la ciudad de

monterrey, Nuevo León, México ha decidido desarrollar un proyecto basada en ciencias
de datos para mejorar sus indicadores de desempeño (KPI´s) y a la vez desarrollar una
mejor estrategia en la toma de decisiones. Generando un modelo basado en ciencias de
datos como apoyo de toma de decisiones.

Objetivo.

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.

Desarrollo.

Indicadores de desempeño.

Datos con los que se cuenta son:

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.

• Id - Identificador del registro

• Book Id - Identificador del libro

• Number Editions - Número de ediciones

• ISBN - Clave estándar internacional del libro

• ISBN13 - Clave estándar extendida internacional del libro

• Authors - Autor del libro

• Original Publication - Fecha de publicación

• Original Title - Título original del libro

• Title - Título del libro

• Language Code - Clave de idioma del libro

• Average Rating - Promedio de la clasificación del libro

• Image - Enlace a la imagen de la portada del libro

Página 3 de 7
 • Small Image - Enlace a la imagen en versión optimizada de la portada del libro.

El archivo “top_books” contiene el top 20 de los libros más vendidos de acuerdo a una
clasificación general.

• Position - Posición del libro en la clasificación del libro

• ISBN - Clave estándar extendida internacional del libro

• Title - Título del libro

• Author - Autor del libro

• Imprint - Editorial

• Publisher Group - Grupo Editorial

• Volume - Volumen de ventas hasta el 2010

• Value - Ventas determinadas por el volumen

• RRP - Precio recomendado para minoristas

• ASP - Precio promedio para venta

• Binding - Tipo de encuadernación

• Publ Date - Fecha de publicación

• Product Class - Clasificación del libro

• Classification - Clasificación General del libro

El archivo “ratings” contiene los datos de los libros más votados por los clientes dentro del
sitio web de la librería.

• Book Id - Identificador del libro

• User Id - Identificador del cliente/usuario que clasifico un libro

• Rating - Nivel de clasificación del libro.

El archivo “to read” contiene las recomendaciones que cada cliente o usuario realiza en el sitio
web sobre libros para leer.

• User Id - Identificador del cliente/usuario que clasifico un libro

Página 4 de 7
 • Book Id - Identificador del libro

Análisis

• Lo primero es hacer un análisis de los datos

a manejar.
Podemos ver la cantidad de libros que
existen en la librería.
Con una consulta de count.
• Con los datos de ratings podemos ver los
libros con mayores ratings.
• Podemos ver libros más vendidos.
• Que autor es el más vendido
• Cuáles son los libros más leídos.
• Se puede clasificar el tipo de clientes.
• Se podría ver el libro menos vendido.
• Se podría ver si la posición de los libros
• Entre otras.

Decisiones.

Con ayuda del análisis antes mencionado podemos realizar estrategias para aumentar
ventas, hacer que se vendan libros que casi no se venden, buscar el aumento de clientes,
dar a conocer libros con mayores ratings.

Podemos ver cuál es el interés de los usuarios y podernos adelantar a posibles

búsquedas de los clientes, y así de esta manera aumentar el número de ejemplares que
podrán aumentar la demanda.

Se puede ganar clientes aplicando ofertas libros en combo, libros a menor precio entre
otras.

Ver si la posición de los libros afecta a la demanda. Si colocarlos más a la vista puede
aumentar la demanda del ejemplar, si los clientes ya van en específico por un libro o
ayuda la posición para localizar.

Características:

Página 5 de 7
 • ¿Qué indicadores serían los más importantes
a determinar de acuerdo a la información
presentada?

• ¿Qué tipo de análisis sería el más adecuado y

por qué?

• ¿Qué decisiones se podrían tomar basadas en

los descubrimientos o inferencias de la
información analizada?

Conclusiones.

Como podemos observar con los datos que se cuentan podemos hacer un verdadero
análisis, id del libro , el autor, la zona entre otros, por ejemplo un análisis descriptivo, que
nos podría ayudar a ver el Top de los libros más vendidos o rentados, ver si la posición de
los libros a afectado a la venta o a ayudado, si algunas campañas ya usadas en un algún
momento ayudo a la venta, logrando crear diferentes estrategias para lograr diferentes
objetivos, que nos lleven al aumento de ventas o contrataciones.

Con un análisis predictivo podríamos ver el tipo de libros que se venden dependiendo la
temporada, ejemplo inicios de clases, inicio de vacaciones etc., y poder pronosticar que
libros pueden ser mas vendidos y tomar decisión, si es necesario obtener mas ejemplares
en esas temporadas.

Como podemos ver el uso de la ciencia de datos puede ayudar en muchos aspectos sin
importar el tipo de negocio, o proyecto dando estrategias que nos permiten tener
crecimiento en las diferentes áreas de los negocios.

Referencias.

INTRODUCCIÓN A LA CIENCIA DE DATOS Y EL BIG DATA. CICLO DE VIDA DE UN PROYECTO DE

CIENCIA DE DATOS Tecnológico de Monterrey.

The Data Truthfulness: A Big Data understanding

https://datascience.foundation/sciencewhitepaper/the-data-truthfulness-a-big-data-understanding

Data science methodology for cybersecurity projects

https://arxiv.org/pdf/1803.04219.pdf

KDD, SEMMA and CRISP-DM: a parallel overview

https://pdfs.semanticscholar.org/7dfe/3bc6035da527deaa72007a27cef94047a7f9.pdf
KDD, SEMMA AND CRISP-DM: A PARALLEL OVERVIEW (Documento PDF)

How Watson AI is helping companies stay ahead of hackers and cybersecurity attacks
https://www.ibm.com/blogs/watson/2017/08/how-watson-ai-is-helping-companies-stay-ahead-of-cybersecurity-
attacks/

Página 6 de 7
10 reasons why AI-powered, automated customer service is the future
https://www.ibm.com/blogs/watson/2017/10/10-reasons-ai-powered-automated-customer-service-future/

The biggest data challenges that you might not even know you have
https://www.ibm.com/blogs/watson/2016/05/biggest-data-challenges-might-not-even-know/

Página 7 de 7