Propuesta de metodología para mejorar la efectividad de las campañas comerciales de un ISP utilizando Data Mining

Abstract

Las empresas requieren explotar de manera oportuna inmensas cantidades de datos operacionales disponibles. La minería de datos (Data Mining) es una respuesta a esta problemática, que permite analizar y explotar automáticamente grandes bases de datos para extraer información útil y no evidente [1]. Una de las grandes problemáticas de un Proveedor de Acceso a Internet (ISP) es mejorar la efectividad de una campaña comercial seleccionando con mayor certeza a los clientes potenciales. El propósito de la presente tesis es resolver esta problemática proponiendo una metodología de Data Mining [2]. La tesis se presenta con un estudio y análisis del proceso y las herramientas que utiliza en la actualidad un ISP típico (Telefónica del Perú - TdP, por ejemplo) para seleccionar los clientes potenciales, que en el caso particular utilizan procesos manuales, no utilizan todos los datos disponibles y no hay evidencia que se siga una metodología Data Mining. En seguida; se estudian y analizan las metodologías de Data Mining que existen en el mercado y tomando en cuenta que es un estándar abierto e integral, se selecciona como metodología Data Mining a CRISP-DM (CRoss Industry Standard Process for Data Mining) [3]. Sobre esta base se realiza una propuesta de mejora del proceso o metodología de gestión de campañas del ISP. Para consolidar la nueva metodología de gestión de campañas propuesto, que incluye datos disponibles no utilizados (tráfico Internet por aplicaciones: P2P, Web, etc.), se modela la nueva Base de Datos en UML. Por otro lado, se diseña en UML parte del proceso propuesto (modelamiento y despliegue), y se imple- menta en MATLAB utilizando como herramienta de Data Mining al software libre WEKA (Waikato Environment for Knowledge Analysis) Finalmente se valida la metodología propuesta, con datos reales disponibles de un ISP típico (TdP), aplicando árboles de decisión como técnica de modelamiento, y se logra mostrar que la efectividad de las campañas mejora considerablemente.

The companies operating in a timely manner require huge amounts of operational data available. Data mining is a response to this problem, to analyze and automatically exploit large databases to extract useful and not obvious information [1]. One of the major problems of an Internet Service Provider (ISP) is to improve the effectiveness of a marketing campaign by selecting the potencial customer, with a major assurance (better selection). The purpose of this thesis is to solve this problem by proposing a methodology using Data Mining [2]. The thesis is presented with a study and analysis of the process and the tools currently used at typical ISP (TdP) to select potential customers, who are currently using manual processes, they are not using all data available and no there is evidence that they follow a methodology of Data Mining. Then, we study and analyze the data mining methods that exist in the market and, having present that, is an open standard and a comprehensive method; CRISP-DM (Cross Industry Standard Process for Data Mining) is selected as the Data Mining tool to use [3]. With this basis, a proposal to improve the process or methodology for managing ISP campaigns is mode. To consolidate the new proposed methodology campaign management, which includes not used data (Internet traffic applications: P2P, Web, etc.) the new Data base is modeled in UML. On the other hand, is designed in UML part of the proposed process (modelling and deployment), and is implemented in MATLAB using as Data Mining tool the free software WEKA ((Waikato Environment for Knowledge Analysis) Finally the proposed methodology is validated with real data available from a typical ISP (TdP), decision trees as the modeling technique showing that the effectiveness of the campaigns improve.