Upload
coiicv
View
285
Download
1
Embed Size (px)
DESCRIPTION
Ponencia: Predicciones empresariales a partir del Big Data. COIICV: Jornada Big Data, transformando procesos y negocios
Citation preview
Alejandro Rabasa
Alejandro RabasaAlejandro Rabasa
[email protected]@umh.es 1
Predicciones empresariales Predicciones empresariales a partir del Big Dataa partir del Big Data
Elche, 11 de Abril de 2014Elche, 11 de Abril de 2014
Alejandro Rabasa2
¿¿QUIQUIÉÉNES SOMOS?NES SOMOS?
Dpto. Estudios Económicos y Financieros
KE + DA
… desde 2003
2011
desde Julio, 2013…
Alejandro Rabasa
EL EXCESO DE INFORMACIEL EXCESO DE INFORMACIÓÓNN
DIFICULTA LA TOMA DIFICULTA LA TOMA
DE DECISIONESDE DECISIONES 3
EL PROBLEMAEL PROBLEMA
Mitchell Kapor
Alejandro Rabasa4
LA SOLUCILA SOLUCIÓÓNN
Prescindir de lo Prescindir de lo
irrelevante y quedarnos irrelevante y quedarnos
con lo fundamentalcon lo fundamental
Alejandro Rabasa
BIG DATA (+ DATA MINING)BIG DATA (+ DATA MINING)
5
RECOPILAR
ALMACENAR
ANALIZAR(DATA MINING)
INTEGRAR
REPRESENTAR
MEJORES DECISIONES
Alejandro Rabasa6
MODELOS PREDICTIVOSMODELOS PREDICTIVOS
ahoraDESCRIPCIÓN PREDICCIÓN
tiempo
variable
Alejandro Rabasa7
Sistemas de RegresiSistemas de Regresióón Cln Cláásicossicos
Series Temporales, ARIMASeries Temporales, ARIMA
Y otrosY otros……
ÁÁrboles de Regresirboles de Regresióónn
ÁÁrboles de Clasificacirboles de Clasificacióónn
Reglas de ClasificaciReglas de Clasificacióónn
Reglas de AsociaciReglas de Asociacióón (mejoradas)n (mejoradas)
Alejandro Rabasa8
Series Temporales (modelos mixtos)
Alejandro Rabasa9
MODELOS PREDICTIVOSMODELOS PREDICTIVOS
Reglas de Clasificación
Alejandro Rabasa10
Árboles de Clasificación
Alejandro Rabasa
Reglas de Asociación (mejoradas)
11
Alejandro Rabasa
DESTACAMOS 3 CASOS MUY RECIENTES DESTACAMOS 3 CASOS MUY RECIENTES ……
-- Reduciendo costes gracias a un Reduciendo costes gracias a un consumo consumo óóptimo de ptimo de recursosrecursos
-- Priorizando puntos de recogida Priorizando puntos de recogida a partir de grandes a partir de grandes histhistóóricos de datosricos de datos
-- Resolviendo problemas de logResolviendo problemas de logíística, stica, anticipanticipáándonos a ndonos a problemas derivados de la demanda (B2C)problemas derivados de la demanda (B2C)
12
PREDICIENDO EN DIFERENTES ESCENARIOSPREDICIENDO EN DIFERENTES ESCENARIOS
Alejandro Rabasa
PROBLEMA:PROBLEMA:
Pruebas Pruebas prepre--operatorias operatorias excesivas: invasivas, caras excesivas: invasivas, caras y que generan listas de y que generan listas de espera para intervenciespera para intervencióónn
SOLUCISOLUCIÓÓN:N:
AnAnáálisis de datos para lisis de datos para descubrir las condiciones descubrir las condiciones en que dichas pruebas son en que dichas pruebas son prescindiblesprescindibles
13
Alejandro Rabasa14
Alejandro Rabasa
PROBLEMA:PROBLEMA:
Muchas paradas innecesarias para Muchas paradas innecesarias para visitar campanas casivisitar campanas casi--vacvacíías.as.
SOLUCISOLUCIÓÓN:N:
PredicciPrediccióón de llenado de n de llenado de campanas, en funcicampanas, en funcióón de histn de históóricos ricos de datos.de datos.
15
Alejandro Rabasa
Fase I. AplicaciFase I. Aplicacióón mn móóvil para vil para recogida de nuevos datos (recogida de nuevos datos (““nono--vaciadovaciado”” y nivel) en tiempo real.y nivel) en tiempo real.
Fase II. CFase II. Cáálculo de prioridades de lculo de prioridades de recogida (por campana) en recogida (por campana) en funcifuncióón de estimacin de estimacióón de nivel de n de nivel de llenado.llenado.
16
Alejandro Rabasa
PROBLEMA:PROBLEMA:
Las reservas que no terminan en Las reservas que no terminan en alquiler generan grandes gastosalquiler generan grandes gastos
SOLUCISOLUCIÓÓN:N:
Detectar el perfil (procedencia, Detectar el perfil (procedencia, temporada, antelacitemporada, antelacióónn……) que ) que conduce a reservas infructuosasconduce a reservas infructuosas
17
Alejandro Rabasa18
Alejandro Rabasa
�� EL EXCESO DE INFORMACIEL EXCESO DE INFORMACIÓÓN N
DIFICULTA LA TOMA DE DECISIONESDIFICULTA LA TOMA DE DECISIONES
�� ES UN PROBLEMA QUE TIENE SOLUCIES UN PROBLEMA QUE TIENE SOLUCIÓÓN: N:
BIG DATA ( + DATA MINING )BIG DATA ( + DATA MINING )
�� PREDICCIONES FIABLES PREDICCIONES FIABLES �������� DECIDIR CON ANTELACIDECIDIR CON ANTELACIÓÓNN
MEJORA DE LA RENTABILIDAD / COMPETITIVIDADMEJORA DE LA RENTABILIDAD / COMPETITIVIDAD
19
CONCLUSIONESCONCLUSIONES