EL ALCANCE DE DATA MINING

El nombre de “Data Mining” se debe a las similitudes de búsqueda de valiosa información en una etapa de un proceso llamado extracción de conocimiento en el ámbito empresarial (Knowledge Discovery in Databases) con la extracción en una mina de materiales; por ejemplo: en una mina de oro y plata, existen varios procesos para extraer esos metales, esta la extracción, el cribado, muestreo, la molienda, la cianuración, la flotación, la fundición y por último la refinería, como puedes ver hay varios pasos para lograr ponerte ese piercing de oro, lo mismo aplica para las bases de datos existen varios procesos por los que atraviesa la base de datos para lograr contar con datos altamente “refinados”.

En la extracción de oro así como en la extracción de información de una base de datos, se requieren examinar una inmensa cantidad de material, y hacerlo inteligentemente y con soporte de varios procesos metodologícos.

Hablando exclusivamente con el enfoque empresarial y de marketing, las bases de datos de suficiente tamaño y calidad, con la tecnología de Data Mining puede generar nuevas oportunidades de negocios al brindar las siguientes posibilidades:

• Predicción automatizada de tendencias y comportamientos. Data Mining automatiza el proceso de encontrar información predecible en grandes bases de datos. Preguntas que tradicionalmente requerían un intenso análisis manual, ahora pueden ser contestadas directa y rápidamente desde los datos.

Un típico ejemplo de problema predecible es el marketing apuntado a objetivos (targeted marketing). Data Mining usa datos en mailing promocionales anteriores para identificar posibles objetivos para maximizar los resultados de la inversión en futuros mailing. Otros problemas predecibles incluyen pronósticos de problemas financieros futuros y otras formas de incumplimiento, e identificar segmentos de población que probablemente respondan similarmente a eventos dados.

• Descubrimiento automatizado de modelos previamente desconocidos. Las herramientas de Data Mining barren las bases de datos e identifican modelos previamente escondidos en un sólo paso. Otros problemas de descubrimiento de modelos incluye detectar transacciones fraudulentas de tarjetas de créditos e identificar datos anormales que pueden representar errores de tipeado en la carga de datos.

Las técnicas de Data Mining pueden originar beneficios de automatización en las plataformas de hardware y software existentes y puede ser implementadas en sistemas nuevos a medida que las plataformas existentes se actualicen y nuevos productos sean desarrollados.

El concepto de Data Mining no es nuevo, desde los años sesenta los estadísticos fue usado por colegas estadísticos, con la idea de ubicar correlaciones sin previas hipotésis, a finales de los años ochenta sólo dos empresas lo utilizabab, en el 2009 es ofrecido por más de 200 empresas de Research del mundo.

INVESTIGACIÓN DE MERCADOS (primera parte)

Muchas investigaciones de mercado sólo sirven para reforzar conclusiones ya existentes. Por si fuera poco lo anterior, se toma la información descriptiva como verdadera comprensión del consumidor y para profundizar aún más en el error se confunden los datos obtenidos en una investigación de mercados al interpretarlos mal, y por efecto el mercadólogo y el publicista se centran en los elementos equivocados que estimulan al consumidor.

Comenzaré con el diseño del cuestionario… este debe ser cuidadosamente preparado, sobre los hechos y aspectos de interés para la muestra objeto de estudio. En este se distinguen dos clases diferentes: El primero es el cuestionario clásico, este es aquel que es contestado sin previa intervención directa de encuestador, regularmente su técnica es la autosuministración. El segundo es la entrevista, el cual es aplicado por entrevistadores que hacen a los encuestados las preguntas y anotan en él sus respuestas.

Un cuestionario depende de la calidad de preguntas que se formulen y de su adecuada aplicación. Si las preguntas son vagas en un cuestionario, las respuestas serán imprecisas, y si son capciosas, las respuestas serán sesgadas. “El orden de las preguntas hace variar los resultados”, por ejemplo al ubicar una pregunta de satisfacción general al inicio de un cuestionario de “calidad de servicio” se genera un resultado de mayor satisfacción que cuando se ubica al final del mismo.

Otro error clásico de diseño de cuestionario es: ¿Está usted a favor de la reforma fiscal?, lo correcto es ¿Está usted a favor o en contra de la reforma fiscal?.

Basado en experimentos realizados se ha constatado que las formulaciones de las preguntas, revelan diferencias de hasta 15 puntos entre distintos tipos de formulaciones y posición en el cuestionario.

Otro error clásico es: ¿piensa usted comprarse un radio?, probablemente muchos contestarán que no, puede ser porque ya lo tienen, por lo tanto debe primero hacerse una pregunta filtro, ¿tiene usted radio? Si ó No.

Para probar la validez de los cuestionarios, sugiero utilizar técnicas de los grupos conocidos como “know groups”, “predictive validity”, "random probe” y las “cross-check-questions”.

Aristóteles dijo: “La inteligencia consiste no sólo en el conocimiento, sino también en la destreza de aplicar los conocimientos en la práctica”.

Revise los cuestionarios, elimine los sesgos y tendrá nuevas realidades que analizar.