Organización y Análisis de Datos para la Toma de Decisiones Empresariales

Organización de los Datos Obtenidos. Análisis Cuantitativo y Cualitativo de la Información.

Análisis Secundario

Proceso de transformación e integración de datos recolectados, procesados y analizados previamente a nivel interno y externo con el fin de permitir la utilización efectiva en el desarrollo.

Proceso

Conocer el Diseño Metodológico Desarrollado

Para la obtención de datos contemplados en el documento o base de datos a analizar. Para evaluar la calidad de los mismos en referencia a su nivel de objetividad y creatividad.

Fuente Originaria de los Datos Objeto de Análisis

Determinación de las entidades responsables de su desarrollo y publicación como la recogida de la información. Se analiza la reputación de la entidad para estimar si nivel de objetividad sobre el tema tratado.

Evaluar la Finalidad con la que fue Publicada la Información

Identificar el propósito de la investigación para determinar la existencia de sesgos en el proceso de análisis.

Medidas Utilizadas en el Proceso de Obtención de la Información

Para conseguir una valoración efectiva de la calidad de los datos secundarios. Teniendo cuidado con fuentes que no reflejen los procedimientos utilizados y el tamaño de la muestra.

Identificación del Intervalo Temporal en el que se Llevó a Cabo la Recogida de Datos

Conocer la fecha de publicación de la fuente, la fecha de recopilación de datos con el objetivo de determinar su nivel de contexto actual del ámbito objeto de nuestra investigación y desechar la inclusión de datos desactualizados.

Pertinencia de Datos Respecto a la Finalidad Contemplada para la Investigación

Influir en el proceso de recogida los datos que guarden relación directa con la investigación establecida mediante objetivos de información formulados.

Concreción de la Adecuación de los Análisis y Conclusiones Reflejados en la Fuente Secundaria

Contrastar la coherencia de los datos contemplados con la información que haya sido obtenida por otras fuentes.

Interpretación de los Resultados

Teniendo en cuenta el análisis con el objetivo de la información. Revisión de datos de carácter retrospectivo permite identificar aspectos desapercibidos.

Evaluar

Aspectos de la misma susceptibles de ser integrados en el desarrollo de la investigación.

Análisis de la Información: Análisis de Contenido a Nivel Cuantitativo

Verificación de los datos estadísticos mediante su comparación con otras fuentes de información que describan aspectos diferentes del mismo fenómeno. Se busca una visión diferente de los datos numéricos que recogen los informes y publicaciones, contrastando su validez y calidad.

Análisis de Contenido a Nivel Cualitativo

Las fuentes se analizan de forma individualizada. Permite la determinación de conclusiones preliminares que se verifican o se refutan mediante técnicas de recogida de información de fuentes primarias que se consideran más adecuadas a los objetivos de la investigación.

2 Presentación de los Resultados e Incorporación de la Información a la Base de Datos.

Bases de Datos Relacionales

Es una recopilación de elementos de datos con relaciones predefinidas entre ellos. Estos elementos se organizan como un conjunto de tablas con columnas y filas. Cada columna de una tabla guarda un determinado tipo de datos y un campo almacena el valor real de un atributo.

Facilitan la agrupación y desarrollo de registros de información completa procedente de diferentes fuentes, mediante la utilización de códigos comunes, como CIF o DNI. Se desarrollan las bases de datos multidimensionales, que nos permite una accesibilidad más rápida y ágil a la información requerida mediante preguntas específicas al sistema query & reporting.

Data Warehouse

Se trata de sistemas de almacenamiento de datos que permiten a las organizaciones el mantenimiento de registros muy detallados de información, sobre su relación con los clientes, para su tratamiento analítico en el desarrollo de procesos de toma de decisiones. Facilita el acceso a la información corporativa: Los contenidos del data warehouse deben ser entendibles, navegables y su acceso debe estar caracterizado por el alto rendimiento.

OLAP (On-line Analytical Processing)

Aplicaciones avanzadas de visualización de datos a través de procesos analíticos en línea dirigidos a facilitar la elaboración de informes y tablas dinámicas. Es una solución utilizada en el campo de la llamada Inteligencia de negocios, cuyo objetivo es agilizar la consulta de grandes cantidades de datos.

Data Mining

Son aplicaciones informáticas concebidas para el análisis de los datos procedentes del data warehouse, que permiten la identificación de patrones de comportamiento en los individuos que forman parte de la cartera de clientes, mediante la construcción de modelos de predicción.

Factores Clave de Éxito en la Implantación de Soluciones CRM

1. Compatibilizar la tecnología con la estrategia de la organización.
2. Plantear el desarrollo de soluciones CRM con una perspectiva a largo plazo pero estableciendo mecanismos para la obtención de resultados a corto plazo.
3. Contar con la colaboración y participación de los usuarios, tanto internos como externos.
4. Garantizar la integración de los datos internos que optimicen la calidad de la información resultante de los sistemas operacionales.

Data Warehouse

Conjunto de datos orientados por temas, integrados, no volátiles, variables en el tiempo que se emplean como apoyo a la toma de decisiones.

Debe desarrollar un proceso de normalización de la información para permitir una mayor agilidad en el acceso a la misma con uno costes menores al almacenamiento y distribución. Para el funcionamiento eficiente es necesario proceder a la migración (implica la puesta en marcha de un sistema único de almacenamiento de los datos para su gestión analítica), sincronización (se basa en el desarrollo de los mecanismos necesarios para una modificación en los datos de cualquiera de los sistemas de la organización se refleje automáticamente en los distintos sistemas de destino), federación (consiste en la capacidad de acceso a los datos distribuidos en distintas localizaciones, que no sean percibidas por la persona del sistema).

En el Desarrollo de un Sistema Data Warehouse Aspectos

1. Orientación por temas, materias o dimensiones: el diseño del sistema se debe a criterios como cliente, producto o canal.
2. Integración de fuentes de datos múltiples y heterogéneas, aplicando las técnicas oportunas.
3. Diseño no sea volátil.
4. Los datos sean variables en el tiempo.

Principales Aplicaciones Data Warehouse

• Identificación de categorías de los clientes.
• Adaptación de los productos y servicios a las necesidades y preferencias a los clientes.
• Asignación óptima de los recursos destinados a la estrategia de comunicación de la empresa y mejorando el flujo de comunicación empresa y clientes.
• Contribución a la mejora del análisis de a la rentabilidad de la cartera de clientes y la gama de producto o servicio a través del seguimiento de clientes, productos y políticas comerciales.
• Promoción de la venta cruzada (a la estrategia comercial que consiste en el ofrecimiento de productos y servicios adicionales o complementarios a aquellos adquiridos o que pretenden adquirir el cliente) y la mejora de las ventas.

OLAP

Se basa en la estructuración y presentación de la información por medio de ejes o dimensiones de interés para las personas que se responsabilizan del análisis de negocio de la organización.

Enriquecen la Información Adoptada por los Sistemas Data Warehouse Mediante: Consultas y Elaboración de Informes

Herramientas permiten realizar consultas mediante el acceso directo a los Datos.

Sistema de Apoyo a la Decisión DSS

La información de los OLAP contribuye a la compresión de la realidad de las personas responsables de la empresa y simplifica la toma de decisiones.

Visualización de Datos

Facilitan la comprensión de la información de una forma intuitiva.

Data Mining

Sistema que permite desarrollar modelos para identificar aspectos subyacentes dentro del registro de los datos que no son directa o fácilmente observables. Son un elemento fundamental en la estrategia comercial en la organización, por su aplicabilidad para almacenar, depurar y extraer por medio de algoritmos, datos que simplifiquen la toma de decisiones y las estrategias sobre una base sólida.

Patrones de Comportamiento

• Segmentación del mercado y de clientes.
• Asociación de productos.
• Secuenciamiento en la contratación de servicios.
• Predicción de comportamientos.
• Reconocimiento de patrones.

Diferencias entre OLAP y Data Mining

OLAP

• Navegación a partir de dimensiones y jerarquías de negocio.
• Capacidad para modificar y reejecutar consultas con tiempos de respuesta inmediatos.
• Capacidad de construir escenarios de simulación.
• Capacidad para acceder a información de detalle incluso en tiempo real.

DATA MINING

• Capacidad para extraer tendencias, patrones, relaciones y desviaciones sobre grandes volúmenes de datos.
• Resolución de problemas no abordables mediante técnicas de consultas.
• Capacidad para aplicar modelos en tiempo real.
• Elemento fundamental del CRM analítico.