Das veränderte Einkaufsverhalten von Einzelhandelskunden führt zu notwendigen Anpassungen von Knowledge-Discovery-in-Databases-(KDD)-Projekten. Aufgrund der mangelnden Ausrichtung von Theorie und Praxis auf die aktuellen Entwicklungen im Einzelhandel soll die Untersuchung dazu beitragen, Methoden zur Einkaufsverhaltensanalyse zu identifizieren, welche die effiziente und effektive Durchführung des KDD-Projekts gewährleisten. Dazu werden Methoden eingegrenzt und theoriegeleitet Parameter zur kontextspezifischen Methodenauswahl identifiziert. Anschließend sollen die Parameter in ein Auswahlverfahren einfließen welches empirisch evaluiert wird.

Magíster en Gestión de Operaciones / Ingeniero Civil Industrial / El problema de Sobrepoblación penal en las cárceles de Chile es una realidad que Gendarmería de Chile ha tenido que enfrentar en los últimos años. El tener una buena predicción de la población penal permite tener información con la cual tomar mejores decisiones (planificación de cárceles considerando la demanda futura por ejemplo) para enfrentar esta situación. Con el fin de modelar este problema se utilizó la metodología KDD para la construcción de un modelo de flujos de la población penal con alcance regional (usando como caso de estudios la región metropolitana). Dada la existencia de variables estacionarias y no estacionarias, la naturaleza cíclica del problema y también el desarrollar un nuevo enfoque científico para la predicción es que se propone crear una herramienta híbrida de minería de datos (para predecir la variable no estacionaria) y simulación de dinámica de sistemas. La variable no estacionaria (Aprehendidos Mayores de Edad) se predijo evaluando diversas técnicas de minería de datos, obteniéndose la mejor predicción con la técnica Support Vector Machine con Kernel Radial, la cual tuvo un error medio porcentual igual a 4,53%. Luego, se simuló el modelo mediante Dinámica de Sistemas y Eventos Discretos, comparando los escenarios con y sin reincidencia. Se obtuvo mejores resultados con la simulación de dinámica de sistema considerando la reincidencia, con un error medio porcentual en la predicción con horizonte de 1 año menor a un 4% para la población de Condenados, y menor a un 2% para la población de Imputados. Se evaluaron las siguientes estrategias para disminuir el tamaño de la población penal: Reducir en un 5% la reincidencia y deportar 500 Condenados de nacionalidad extranjera a sus países de origen. Donde la primera estrategia muestra un resultado con resultados entre corto y mediano plazo pero que se estabiliza para el mediano plazo; y la segunda estrategia muestra una solución instantánea pero que se estabiliza en el mediano plazo, y que entrega resultados menos óptimos que la primera estrategia para el mediano plazo. Los resultados muestran el considerar la reincidencia al predecir la población penal se obtienen mejores resultados, Siendo posible generar una herramienta flexible, capaz de ser remodelada y servir de utilidad para diversas instituciones, en función de generar estrategias óptimas y efectivas en torno a la disminución de la sobrepoblación penal.

Autor no autoriza el acceso a texto completo de su documento hasta el 13/10/2020. / Ingeniero Civil Industrial / El sector minero en Chile actualmente vive un periodo complejo que se debe en gran parte a la tendencia a la baja del precio del cobre y el aumento de los costos de explotación, por lo que se hace necesario innovar en los procesos para mantenerse competitivo en la industria. Uno de los desafíos principales se encuentra en la gestión de Recursos Humanos. En particular, Chile presentará un creciente déficit de operarios especialistas en el rubro durante la próxima década, por lo que se hace relevante conocer bien su comportamiento para evitar los desajustes en la planificación de explotación de un yacimiento. Este estudio afronta el problema desde la minería de datos, aplicados a una faena de la mediana minería chilena. Siguiendo la metodología KDD se analizaron datos históricos de los operarios de la empresa correspondientes a datos demográficos, capacitaciones y licencias, además de fuentes gratuitas de datos externos como el valor del cobre, para poder conocer de mejor manera cómo ha sido el comportamiento de renuncia de los operarios durante los años de funcionamiento de esta faena minera. Para el desarrollo del proyecto, se utilizaron tanto modelos paramétricos como no paramétricos sobre una variable objetivo de tres clases: Permanencia en la empresa, Renuncia Voluntaria y Despido. Si bien, el objetivo del proyecto no es predecir los despidos dentro de la compañía, se hace necesario distinguir este comportamiento del resto para tener una mejor comprensión del problema global: La rotación del personal. El modelo seleccionado para este caso fue Incremento de Gradiente (Gradient Boosting), el cual basa su funcionamiento en modelos débiles para construir secuencialmente un modelo que minimice una función de pérdida. Con esto, se obtuvo una precisión general del modelo de un 86% sobre datos de prueba. Las principales conclusiones de este estudio apuntan hacia la actual gestión de capacitaciones de los empleados de la faena. Se observa que aquellas personas que presentan mejor índice de aprobación y asistencia a las capacitaciones financiadas por la empresa poseen una probabilidad mayor a renunciar a su cargo. Según estudios de psicología laboral, casos como estos se pueden encontrar en empresas que son vistas como semilleros de empleados donde los empleados saben que pueden encontrar un buen ambiente de aprendizaje y perfeccionamiento, pero que al mismo tiempo, no permiten mucha movilidad dentro de la organización. En consecuencia, estas personas que poseen ahora una mejor empleabilidad debido a los conocimientos y experiencia adquirida, comenzarán a buscar un nuevo empleo donde se les ofrezcan estas oportunidades de crecimiento.

Made available in DSpace on 2014-06-12T15:57:51Z (GMT). No. of bitstreams: 2 arquivo3234_1.pdf: 2638292 bytes, checksum: cad6ee42242ce3e75b909176e6eaabc2 (MD5) license.txt: 1748 bytes, checksum: 8a4605be74aa9ea9d79846c1fba20a33 (MD5) Previous issue date: 2010 / Data Mining é uma área de pesquisa multidisciplinar, incluindo tecnologias de banco de dados, inteligência artificial, redes neurais, aprendizado de máquina, estatística e visualização de dados, tendo como objetivo específico a descoberta de conhecimento novo que por ventura esteja escondido em grandes massas de dados. Como um dos grandes objetivos de uma corporação é conhecer seus clientes, este conhecimento precisa ocorrer em vários níveis, desde o tipo de produto desejado até que tipo de ofertas os clientes estão dispostos a aceitar mesmo que os produtos não sejam essenciais no momento. Esta forma de mercado dirigido pode atingir o extremo de uma relação individual com cada cliente à medida que a empresa deseje investir em segmentações (classificações) sucessivas da sua clientela. Sendo assim, esse trabalho tem como finalidade aplicar técnicas de mineração em conjunto com as diretrizes do CRM à uma franquia da Coca-Cola afim de gerar uma nova classificação dos seus clientes e auxiliar o cumprimento das metas anuais de venda com a criação de novas atividades de marketing dado o resultado da análise dos dados minerados

Made available in DSpace on 2014-06-12T16:01:02Z (GMT). No. of bitstreams: 2 arquivo7136_1.pdf: 692443 bytes, checksum: c11cfd3f38b51311500d8d8599c11600 (MD5) license.txt: 1748 bytes, checksum: 8a4605be74aa9ea9d79846c1fba20a33 (MD5) Previous issue date: 2005 / Nesta dissertação a linguagem DMPML é proposta como alternativa para a padronização da fase de preparação de dados em um processo de KDD. A DMPML é baseada em XML e utiliza transformações XSL para transformar dados. Devido às características da linguagem XML tais como extensibilidade, robustez e independência de plataforma, projetos de preparação de dados gerados com a utilização da DMPML podem ser compartilhados de forma eficiente através da Internet, promovendo o reuso de trabalho e a troca de experiência entre projetos semelhantes. Outros benefícios da aplicabilidade da DMPML são: (a) não necessidade de utilização de banco de dados relacionais para armazenar informações geradas pelas subfases de tratamento de dados; (b) não necessidade de implementação de código especial para transformar dados brutos em dados prontos para aplicação em um algoritmo específico de mineração de dados; (c) possibilidade de criação de regras específicas de transformação de dados para algoritmos específicos de mineração de dados sem necessariamente ser preciso redefinir o projeto de preparação de dados e (d) grande potencialidade de reutilização de projetos de preparação de dados entre massas de dados com atributos semelhantes

Ingeniero Civil Industrial / El contexto actual de la industria de las telecomunicaciones ha estado marcado por un alto grado de competencia, acelerados cambios tecnológicos, rebajas tarifarias, portabilidad numérica, solidez y una gran rentabilidad. Por estas razones, Entel, se ha propuesto masificar la experiencia multimedia y aumentar el ingreso promedio por usuario. El objetivo de esta memoria es generar un modelo de propensión de compra para crear ofertas focalizadas a usuarios que no hayan realizado up-selling a Planes Multimedia. Para ello, se seleccionó un conjunto de datos objetivo, los cuales fueron procesados mediante herramientas de Minería de Datos (Data Mining), donde se evaluaron y se seleccionaron los modelos predictivos con mayor ganancia de información. El paso siguiente fue identificar patrones y caracterizar a los clientes más propensos a realizar el up-selling. Por último, este trabajo contempla una evaluación económica que mide el impacto que podría llegar a tener la implementación de las ofertas focalizadas. La metodología utilizada se basa en herramientas de Minería de Datos, específicamente, se utilizó la metodología KDD (KnowledgeDiscoveryfor Data Base). Con esta metodología, se buscó descubrir patrones ocultos dentro de cantidades masivas de datos. En una etapa previa a la modelación se analizaron los datos descriptivamente, donde las variables más relevantes fueron la edad, el género y sector económico. Luego se aplicaron los modelos predictivos, Árbol de Decisión, Regresión Logística y Red Neuronal. La mejor predicción se obtuvo con Árbol de Decisión que entrego un 83,39% de exactitud en la clasificación. Dentro de las variables más relevantes para predecir el up-selling se encuentra el consumo de descarga de internet móvil, índices financieros dentro de la compañía, tráfico de mensajes, edad, nivel de facturación, tráfico de minutos emitidos y contratación de bolsas. Por último se realizó una etapa de evaluación económica, a partir de los ingresos futuros que generarían los clientes propensos a realizar el up-selling a Planes Multimedia. Considerando, solamente el 10% de los datos, los beneficios esperados son $30.652.312.

This dissertation thesis describes an advanced method of knowledge discovery in databases (KDD), implemented in system LISp-Miner. The goal is to show the possibilities of coordinated use of analytical tools and complex procedures GUHA in this system. The thesis uses methodology CRISP-DM, which is firstly described and work is proceeded using this methodology in the following sections. The author firstly introduces readers domain area and then the data itself, which are processed to the analysis needs. Analytical questions that are answered at, are drawn from the literature, which is focused on domain area. The work should be used as a guide to LISp-Miner users, using analytical tools and procedures GUHA is therefore described the easiest way to understand.

Neste estudo, foi proposta a exploração de um banco de dados, com informações de exames de eletrocardiogramas (ECG), utilizado pelo sistema denominado Tele-ECG do Instituto Dante Pazzanese de Cardiologia, aplicando a técnica de data mining (mineração de dados) para encontrar padrões que colaborem, no futuro, para a aquisição de conhecimento na análise de eletrocardiograma. A metodologia proposta permite que, com a utilização de data mining, investiguem-se dados à procura de padrões sem a utilização do traçado do ECG. Três pacotes de software (Weka, Orange e R-Project) do tipo open source foram utilizados, contendo, cada um deles, um conjunto de implementações algorítmicas e de diversas técnicas de data mining, além de serem softwares de domínio público. Regras conhecidas foram encontradas (confirmadas pelo especialista médico em análise de eletrocardiograma), evidenciando a validade dessa metodologia. / In this study, the exploration of electrocardiograms (ECG) databases, obtained from a Tele-ECG System of Dante Pazzanese Institute of Cardiology, has been proposed, applying the technique of data mining to find patterns that could collaborate, in the future, for the acquisition of knowledge in the analysis of electrocardiograms. The proposed method was to investigate the data looking for patterns without the use of the ECG traces. Three Data-mining open source software packages (Weka, Orange and R - Project) were used, containing, each one, a set of algorithmic implementations and various data mining techniques, as well as being a public domain software. Known rules were found (confirmed by medical experts in electrocardiogram analysis), showing the validity of the methodology.

Nos dias atuais, a quantidade de dados armazenados na indústria é considerada extensa e contínua. Nas indústrias de produção de açúcar e álcool, nem sempre todas as variáveis do processo são analisadas devido a imensa quantidade de dados, a diversidade dos setores no processo e pela grande diculdade em saber como se deve analisar tais dados. Este trabalho propõe a utilização do processo da Descoberta do Conhecimento em Base de Dados, o processo KDD, como uma ferramenta para ser aplicada em processos industriais, especicamente no processo de produção de açúcar e álcool. Os experimentos foram realizados com dados obtidos do processo de fermentação, durante a safra sucroalcooleira. Os resultados mostram que é possível aplicar o processo de KDD para este tip o de indústria, podendo ser aplicado como uma ferramenta de previsão de produção de açúcar e álcool. / Nowadays, the amount of data stored in the industry is considered large and continuous. In the sugar and alcohol industrial production, not always all the pro cess variables are analyzed due to the immense amount of data, the diversity of sectors in the process and the great diculty in knowing how to analyze such data. This work proposes the use of proposes the use of the process of Knowledge Discovery in Databases, KDD process, as a tool to be applied in industrial processes, in specically in sugar cane and alcohol pro cess. The experiments are done with Fermentation data process obtained during the sugar and alcohol harvest. The results show that it is possible to apply the KDD pro cess for this type of industry, where it can be used as a forecasting tool for the production of sugar and alcohol.

Nos dias atuais, a quantidade de dados armazenados na indústria é considerada extensa e contínua. Nas indústrias de produção de açúcar e álcool, nem sempre todas as variáveis do processo são analisadas devido a imensa quantidade de dados, a diversidade dos setores no processo e pela grande diculdade em saber como se deve analisar tais dados. Este trabalho propõe a utilização do processo da Descoberta do Conhecimento em Base de Dados, o processo KDD, como uma ferramenta para ser aplicada em processos industriais, especicamente no processo de produção de açúcar e álcool. Os experimentos foram realizados com dados obtidos do processo de fermentação, durante a safra sucroalcooleira. Os resultados mostram que é possível aplicar o processo de KDD para este tip o de indústria, podendo ser aplicado como uma ferramenta de previsão de produção de açúcar e álcool. / Nowadays, the amount of data stored in the industry is considered large and continuous. In the sugar and alcohol industrial production, not always all the pro cess variables are analyzed due to the immense amount of data, the diversity of sectors in the process and the great diculty in knowing how to analyze such data. This work proposes the use of proposes the use of the process of Knowledge Discovery in Databases, KDD process, as a tool to be applied in industrial processes, in specically in sugar cane and alcohol pro cess. The experiments are done with Fermentation data process obtained during the sugar and alcohol harvest. The results show that it is possible to apply the KDD pro cess for this type of industry, where it can be used as a forecasting tool for the production of sugar and alcohol.