| Título: | Proyecto de minería de datos para el análisis del comportamiento de los clientes de telecomunicaciones |
| Autores: | Peralta Cochancela, Daycy Elizabeth |
| Fecha: |
2010-03-05 2010-03-05 2009-12 |
| Publicador: | Universidad Politécnica Salesiana |
| Fuente: |
 |
| Tipo: | Thesis |
| Tema: |
Minería de Datos Telecomunicaciones |
| Descripción: | Objetivo: Predecir con cierto grado de exactitud los clientes que se convertirán en posibles deudores de la Empresa mediante un análisis previo sobre su comportamiento de pago y consumo con el fin de evitar perdidas económicas por incumplimiento de pago de servicios de Telefonía Fija. Introducción: La Minería de Datos a través de sus técnicas permite usar grandes cantidades de información que posee una Empresa de forma óptima extrayendo información que generalmente permanece oculta convirtiéndola en conocimiento. La Minería de Datos integra a ciencias como la Estadística y la Inteligencia Artificial con el fin de buscar patrones de comportamiento, precisamente el algoritmo que se usa para el análisis pertenece a la rama de la Inteligencia Artificial. Desarrollo: Se aplica CRISP-DM como metodología a seguir, cuyos pasos son: Comprensión del Negocio, Comprensión de Datos. Preparación de los Datos, Modelado, Evaluación y Desarrollo. Además de SQL Server Business Intelligence como herramienta principal de desarrollo se procede a recoger las variables que han sido consideradas como relevantes luego de un proceso de ETL de la información, este proceso se lo realiza mediante la ejecución de paquetes en Integration Services. Las variables corresponden al comportamiento de pago y consumo de los abonados. Se cuenta con 10 variables principales de las cuales se derivan ciertas variables calculadas en base a conceptos estadísticos, que suman un total de 130 variables para el entrenamiento. El estudio cuenta con dos fases. La primera es la “Fase de Estudio” que comprende un análisis dentro de los siente meses anteriores al mes que se desea predecir y la “Fase de Predicción” que corresponde al mes que se desea predecir. La RNA esta formada por tres capas. La Capa de Entrada que contiene las variables que han sido asignadas, la Capa Oculta que no esta a al vista del usuario y se encarga de procesar las entradas en salidas y la Capa de Salida que es la que contiene el resultado con sus posibles estados, en este caso las posibles respuestas son si es posible deudor (1) o no es posible deudor (0). La propia red se encarga de priorizar las variables mediante la asignación de los pesos a cada una de ellas, visualizando como las variables favorece cada posible resultado de salida, mientras que el usuario deberá asignar las variables de entrada deseadas y modificar los parámetros del propio algoritmo si fuese necesario Conclusiones: La Red Neuronal es capaz de predecir con cierto grado de precisión a los clientes que posteriormente incumplirán con los pagos de sus planillas telefónicas, de esta forma la unidad correspondiente podrá tomar acciones para evitar el incremento de la Cartera Vencida de la Empresa. Las técnicas de Minería de datos se pueden aplicar en cualquier área donde se quiera usar de la manera mas optima la información que se genera diariamente y que por medio de la Inteligencia de Negocios se puede obtener resultados favorables para la Empresa. |
| Idioma: | Español |