Resumen de la terminología de análisis predictivo y minería de datos
Resumen de la terminología de minería de datos y análisis predictivo
La minería de datos está actualmente en auge en diversas empresas e instituciones. Por eso hemos creado un resumen de términos comunes en esta área que esperamos que disfrute.
Gestión Analítica de Relaciones con el Cliente (Analytical CRM/aCRM): Se utiliza para apoyar la toma de decisiones, mejorar la interacción entre la empresa y sus clientes o aumentar el valor de la interacción. Recopile, analice y aplique conocimientos sobre los clientes y cómo contactarlos de manera efectiva. Ver gt;gt;gt;
Big Data: Big Data es a la vez una palabra de moda usada en exceso y una tendencia real en la sociedad actual. Este término se refiere a la cantidad cada vez mayor de datos que se capturan, procesan, agregan, almacenan y analizan todos los días. Wikipedia describe el “big data” de esta manera: “La suma de conjuntos de datos tan grandes y complejos que son difíciles de manejar con las herramientas de gestión de bases de datos existentes (…)”.
Inteligencia empresarial: aplicaciones, instalaciones, herramientas y procesos que analizan datos y muestran información para ayudar a los ejecutivos corporativos, la gerencia y otro personal a tomar decisiones comerciales más informadas.
Análisis de abandono/análisis de deserción: describa qué clientes es probable que dejen de utilizar los productos/negocios de la empresa e identifique qué abandono de clientes traerá las mayores pérdidas. Los resultados del análisis de abandono se utilizan para preparar nuevas ofertas para los clientes que probablemente abandonen.
Análisis conjunto/Análisis de compensaciones: compare varias variantes diferentes del mismo producto/servicio en función del uso real por parte de los consumidores. Puede predecir la aceptación de productos/servicios después de su lanzamiento y puede usarse para la gestión de líneas de productos, fijación de precios y otras actividades.
Credit Scoring: Evaluar la solvencia de una entidad (empresa o particular). El banco (prestatario) utiliza esto para determinar si el prestatario pagará el préstamo.
Venta cruzada/up: Un concepto de marketing. Vender bienes complementarios (ventas en paquetes) o bienes complementarios (ventas con valor agregado) a consumidores específicos en función de sus características y comportamiento pasado.
Segmentación y elaboración de perfiles de clientes: basándose en los datos de clientes existentes, los clientes con características y comportamientos similares se clasifican en grupos. Describe y compara los grupos.
Data Mart: Datos almacenados por una organización específica sobre un tema o departamento específico, como datos de ventas, finanzas y marketing.
Almacén de datos: depósito central de datos que recopila y almacena datos de múltiples sistemas comerciales de una empresa.
Calidad de los datos: Los procesos y técnicas para garantizar la confiabilidad y el valor práctico de los datos. Los datos de alta calidad deben reflejar fielmente el proceso de transacción detrás de ellos y cumplir con su uso previsto en las operaciones, la toma de decisiones y la planificación.
Extract-Transform-Load ETL (Extract-Transform-Load): Un proceso en el almacenamiento de datos. Obtenga datos de una fuente, transforme los datos según sea necesario para su uso posterior y luego coloque los datos en la base de datos de destino correcta.
Detección de fraude: identifique transferencias, pedidos y otras actividades ilegales sospechosas de fraude dirigidas a una organización o empresa específica. El diseño previo activa alertas en el sistema de TI y aparecerán advertencias al intentar o realizar dichas actividades.
Hadoop: Otro tema candente en el campo del big data actual. Apache Hadoop es una arquitectura de software de código abierto para el almacenamiento distribuido y el procesamiento de grandes conjuntos de datos en un grupo de computadoras compuesto por hardware comercial existente.
Hace posible el almacenamiento de datos a gran escala y un procesamiento de datos más rápido.
Internet de las cosas (IoT): una red ampliamente distribuida que consta de muchos tipos de dispositivos (personales, domésticos, industriales) y muchos usos (médicos, de ocio, de medios, de compras, de fabricación, de regulación medioambiental) Equipos electrónicos composición. Estos dispositivos intercambian datos a través de Internet y coordinan actividades entre sí.
Valor de vida del cliente (LTV): beneficio descontado esperado que un cliente generará para una empresa durante su vida.
Machine Learning: Disciplina que estudia el aprendizaje automático a partir de datos para que los ordenadores puedan ajustar su funcionamiento en función del feedback que reciben. Estrechamente relacionado con la inteligencia artificial, la minería de datos y los métodos estadísticos.
Análisis de la cesta de mercado: Identifique combinaciones de bienes o servicios que a menudo aparecen juntos en transacciones, como productos que a menudo se compran juntos. Los resultados de dicho análisis se utilizan para recomendar productos adicionales, proporcionar una base para decisiones sobre productos de exhibición, etc.
Procesamiento analítico en línea (OLAP): una herramienta que permite a los usuarios crear y explorar informes fácilmente. Estos informes resumen datos relevantes y los analizan desde múltiples perspectivas.
Análisis predictivo: extrae información de conjuntos de datos existentes para identificar patrones y predecir ganancias y tendencias futuras. En el mundo empresarial, los modelos predictivos y los análisis se utilizan para analizar datos actuales y hechos históricos para comprender mejor a los consumidores, los productos y los socios e identificar oportunidades y riesgos para las empresas.
Decisiones en tiempo real (RTD): ayuda a las empresas a tomar decisiones óptimas de ventas y marketing en tiempo real (casi sin demora). Por ejemplo, un sistema de toma de decisiones en tiempo real (sistema de puntuación) puede utilizar una variedad de reglas o modelos comerciales para calificar y clasificar a los clientes en el momento en que interactúan con la empresa.
Retención/Retención de Clientes: se refiere al porcentaje de relaciones con los clientes que se pueden mantener a largo plazo después de establecerse.
Análisis de Redes Sociales (SNA): Describe y mide la información/conocimiento que conecta personas con personas, grupos con grupos, instituciones con instituciones, computadoras con computadoras, URL con URL y otros tipos de relaciones. y flujos entre entidades. Estas personas o grupos son los nodos de la red y las líneas entre ellos representan relaciones o flujos. SNA proporciona un método para analizar las relaciones interpersonales que es tanto matemático como visual.
Análisis de supervivencia: estima cuánto tiempo un cliente seguirá utilizando una empresa o la probabilidad de abandono en un período posterior. Esta información permite a las empresas determinar la retención de clientes durante el período de tiempo deseado e introducir políticas de fidelización adecuadas.
Minería de textos: Análisis de datos que contienen lenguaje natural. Se realizan cálculos estadísticos sobre las palabras y frases de los datos de origen para expresar la estructura del texto en términos matemáticos, que luego se analiza utilizando técnicas tradicionales de minería de datos.
Datos no estructurados: los datos carecen de un modelo de datos predefinido o no están organizados según especificaciones predefinidas. Este término generalmente se refiere a información que no cabe en una base de datos en columnas tradicional, como mensajes de correo electrónico y comentarios.
¿Minería Web / Web Data Mining?: Utilizar técnicas de minería de datos para descubrir y extraer automáticamente información de sitios, documentos o servicios de Internet.
Lo anterior es el contenido relevante compartido por el editor sobre el resumen de términos de minería de datos y análisis predictivo. Para obtener más información, puede seguir a Global Ivy para compartir más información seca.