La minería de datos en el aspecto de segmentación permite descubrir ciertos aspectos relevantes de sus clientes, como su patrón de consumo, permitiendo a la empresa crear estrategias comerciales para el beneficio tanto del cliente como de la empresa misma. Se aplicó la metodología CRISP-DM para el proceso de minería de datos, como modelo empleado fue descriptivo para este tipo de solución, en la cual; se utilizaron técnicas de clustering de minería de datos, como algoritmos K-means, distancia, K-medoids. Las herramientas utilizadas fueron: Rstudio para efectuar el agrupamiento de datos, Power BI para mostrar los resultados de manera interactiva al usuario final y un dashboard para presentación de los resultados. Teniendo como resultados el patrón de clientes de consumo por su monto promedio de consumo, la cantidad de cursos y promedio de consumo, departamentos con mayor impacto, edad promedio de cada grupo(clúster). Y finalmente, como conclusiones se obtuvo que los datos almacenados en el periodo 2014-2018 permitió un análisis exploratorio, seleccionando variables cuantitativas y cualitativas creando así un nuevo modelo a evaluar por algoritmos de minería de datos, obteniéndose 3 grupos(clústeres) formados por homogeneidad.
Identifer | oai:union.ndltd.org:usat.edu.pe/oai:tesis.usat.edu.pe:20.500.12423/2219 |
Date | January 2019 |
Creators | Gelacio Mendoza, Dany Yesenia |
Contributors | Castillo Zumarán, Segundo José |
Publisher | Universidad Católica Santo Toribio de Mogrovejo, PE |
Source Sets | Universidad Catolica Santo Toribio de Mogrovejo |
Language | Spanish |
Detected Language | Spanish |
Type | info:eu-repo/semantics/bachelorThesis |
Format | application/pdf |
Rights | info:eu-repo/semantics/embargoedAccess, http://creativecommons.org/licenses/by/4.0/ |
Page generated in 0.0017 seconds