Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Especialización Python - Sesión 01
Especialización Python - Sesión 01
FOR ANALYTICS
Sesión 1
https://www.linkedin.com/in/luis-chacon-unmsm/
luis.estadistica2012@gmail.com.pe
Estadística
Maestría en Gestión Económica
✓ Metodologías
✓ Técnicas
✓ Herramientas de cómputo y
✓ Procesos de toma de decisiones
Adaptativo
¿Cómo lo
Valor accedido
aprendo?
Prescriptivo
¿Cómo lo puedo
Predictivo optimizar?
Descriptivo Diagnóstico ¿Cuándo pasará?
¿Qué paso? ¿Por qué
pasó?
Describir el sistema Entender por Modelar el sistema Prescribir las Aprender del
bajo consideración qué se tiene el simulando acciones a tomar comportamiento del
usando datos para desempeño escenarios para para optimizar el usuario para
identificar visto y qué lo predecir posibles desempeño en los enfocar personas
tendencias causó futuros resultados resultados calificadas en los
casos
Sofisticación analítica excepcionales
Business Analytics y KDD
6. Apoyo a la Toma
de Decisiones
5. Visualización
del conocimiento
4.Interpretación y
Evaluación
3.Data Mining
KKnnoowwleeddggee
Conocimiento
2.Selección y
Preprocesamiento
p(x)=0.02
p ( x) =0 .0 2
1.Consolidación
Patrones y Modelos
de los Datos
Datos Consolidados
Metodología para el uso de Analytics
Metodología CRISP
Metodología SEMMA
Metodología CRISP
Metodología CRISP
I. Comprensión del negocio (Objetivos y requerimientos desde una perspectiva no técnica)
• Establecimiento de los objetivos del negocio (Contexto inicial, objetivos, criterios de éxito)
• Limpieza de datos
• Construcción de datos
• Integración de datos
• Formateo de datos
Metodología CRISP
IV Modelado (Aplicar las técnicas de minería de datos a los dataset)
• Diseño de la evaluación
• Evaluación de resultados
• Revisar el proceso
• Planificación de despliegue
• SAS: “NO es metodología de minería de datos”, sino es una organización lógica tool-set SAS
• A partir de una muestra estadísticamente representativa de los datos permite descubrir patrones de
negocio desconocidos.
Metodología SEMMA
I MUESTREO
• Rapidez en análisis.
II EXPLORACIÓN
IV MODELA
• Las técnicas son: análisis discriminante, métodos de agrupamiento, y análisis de regresión, redes
neuronales, técnicas adaptativas, lógica fuzzy, árboles de decisión, reglas de asociación y computación
evolutiva.
III EVALÚA
Metodología abierta y
Ligada a productos SAS
gratuita
Fuga de clientes
• Facturación
• Datos del cliente
PARA EL DESARROLLO
DEBEMOS SEGUIR
ALGUNOS PASOS…
PROBLEMA
DATA
Problema = Churn Modelos
Predictivos
Churn = 2 categorías
EVALUAR
0% 25% 45% 65% 100% PREDICTIVO
Testing
Menos Más
Panorama tecnológico en Analytics
Panorama tecnológico en Analytics
¿Se puede aplicar Advanced Analytics a varias industrias?
Consumo masivo Salud
▪ Propensión de productos ▪ Dashboard de gestión y monitoreo
▪ Pricing analítico ▪ Estimación de demanda
▪ Análisis de almacén ▪ Geolocalización de nuevas sedes
▪ Pedido sugerido
Horeca Minería
▪ Social trends ▪ Mantenimiento predictivo
▪ Pricing analítico ▪ Monitoreo de indicadores operacionales
▪ Pedido sugerido ▪ Alertas regulatorias y de conflictividad
Educación Construcción
▪ Deserción estudiantil ▪ Dashboard de gestión y monitoreo
▪ Pricing analítico ▪ Geolocalización de nuevos proyectos
▪ Estimación de demanda
Retail Automotor
▪ Perfilamiento de clientes ▪ Social trends y posicionamiento en la red
▪ CRM analítico ▪ Modelos credit scoring para financiamiento
▪ Fuga de clientes ▪ Modelos de propensión de ventas
▪ Sistema de recomendaciones
Casos de Éxito de Aplicación de Analytics
Casos de Éxito de Aplicación de Analytics
Casos de Éxito de Aplicación de Analytics
Educación Ejecutiva
UTEC
Educación Ejecutiva
UTEC
¿Qué es Python?
¿Por qué Python?
- Python Machine Learning – Capítulo 1: Giving computers the ability to learn from data
- Hands on Machine Learning – Capítulo 1: The machine learning landscape
- Data Science for Business – Capítulo 1: Introduction: Data-Analytic Thinking
- Data Science for Business – Capítulo 2: Business Problems and Data Science Solutions
Documentales y
películas