Curso recomendado

sábado, 26 de diciembre de 2009

Data Mining - Conferencia de R y charla sobre Knime

Hola a todos, hace unas semanas nos hicimos eco de un importante hecho, se habían preparado la primera conferencia hispana de R. La verdad es que me hubiera gustado asistir pero no pudo ser, eso si, nos han dejado colgados varios vídeos sobre las charlas, os dejo el enlace aquí.

Todas son interesantes, pero sobre todo no os perdáis la charla de Carlos J. Gil Bellosta, ya os lo presentamos en un post anterior. En esta charla llamada Al-R-ededores nos presenta R desde el punto de vista de la empresa, y no sólo eso, sino que Carlos está trabajando para integrar R y Knime, de esta manera se pueden crear nuevos nodos con código R que luego pueden ser utilizados dentro de la interficie de Knime. La verdad es que tiene muy buena pinta lo que está consiguiendo junto con su equipo.

Bueno y por ahora nada más, felices fiestas, feliz año nuevo y espero que nos sigamos viendo por aquí.

jueves, 17 de diciembre de 2009

Felices Fiestas y Feliz 2010

Se acaba el año, y con él llegan las deseadas vacaciones navideñas. Llega el momento de mirar atrás, reelerte un poco, reinventarte, y pensar en el año entrante.

Este año lo cerramos con más de 10.000 visitas, y más de 6.000 usuarios, que han tenido la oportunidad de leer más de 70 posts, más de 6 al mes, gracais sobre todo a Paco Ortega que entró y continua con mucha fuerza. Este golpe de efecto creo que será continuista con la llegada de Chim Baldús que aportará ese toque tan característico que Chim aporta a los proyectos y desarrollos.

¿Y el año que viene? Pues estamos con cosas, ya os iremos contando. Yo por mi parte estaré unos tres meses desarrollando un proyecto en un cliente, bastante interesante por cierto, pero espero tener tiempo para poder seguir compartiendo mis experiencias.

Saludos y felices fiestas.

martes, 8 de diciembre de 2009

GMK y DM - ZoneTypes y regresiones espaciales

Desde hace aproximadamente dos años se ha vivido una creciente demanda de proyectos analíticos con una componente geográfica muy importante; se trata por lo general de valorar ubicaciones en cuanto a su idoneidad como puntos de distribución de un producto o servicio determinado. La cuestión ha surgido en algunos casos buscando locales para nuevas aperturas y en otros casos comparando locales que ya formaban parte de la red comercial, siendo necesario el cierre selectivo de algunos de estos puntos. En cualquier caso, la experiencia adquirida muestra que una forma interesante de abordar este tipo de problema es la construcción de modelos matemáticos para simular la presencia de clientes potenciales teniendo en cuenta los diferentes orígenes de éstos. Una forma de clasificar estos orígenes consiste en definir una partición del público medio presente entorno al punto de venta en los siguientes términos: público estable, vinculado a la zona por su residencia o su puesto de trabajo; público atraído por la oferta propia de la zona en el sentido del ocio, los comercios, servicios, etc.; público de paso, asociado al tráfico de transeúntes o en algún medio de transporte propio.

El resultado del trabajo realizado durante este tiempo consiste en una colección de unos 30 indicadores numéricos llamados Zone Types que sintetizan la información disponible desde diferentes y numerosas fuentes (unas 600 variables) de forma que es posible cuantificar y cualificar la presencia de clientes potenciales pertenecientes a los tres orígenes ya descritos. Estos indicadores numéricos están asociados a unidades geográficas elementales como secciones censales o, más recientemente, a una cuadrícula con elementos de 100 por 100 metros extendida sobre el conjunto del territorio español que proporciona resultados con una precisión mucho mayor.

El conjunto de Zone Types está estructurado en cuatro conceptos independientes: Perfil de atracción de la zona, entorno físico, perfil sociodemográfico de los residentes y perfil empresarial en la zona. Para una presentación que permita una lectura rápida se ha generado además cuatro segmentaciones asociadas a cada uno de los cuatros conceptos.

Existe una gran variedad de formas de ofrecer este producto; la forma más sencilla, directa y de carácter puramente descriptivo consiste en proporcionar un informe asociado a una ubicación en que aparecen todos los indicadores numéricos presentados de forma gráfica, con estadísticas a nivel nacional, provincial, etc. que proporciona una potente imagen del funcionamiento de la zona, cosa útil en caso de contar con alguna intuición de negocio que permita valorar subjetivamente la idoneidad del lugar.

Otra posibilidad que ha despertado gran interés en el contexto de empresas con cierto histórico sobre el funcionamiento de sus diferentes puntos de venta es la búsqueda de ubicaciones con igual perfil que las ubicaciones de sus establecimientos con mejores resultados (se crea una medida de similitud en términos de Zone Types) .

Por último, con mayor nivel de complejidad, hemos utilizado las Zone Types como entradas para el desarrollo de modelos de regresión espacial. Los valores a predecir han sido en la mayoría de los casos variables relacionadas con los resultados esperables de una establecimiento imaginario que podría ser abierto en una ubicación dada; cuotas de penetración, número de clientes a captar o, incluso, facturación estimada explícitamente. Las experiencias hasta el momento muestran que la construcción de un modelo de este tipo es relativamente directa gracias al buen funcionamiento de los indicadores numéricos (ZT) utilizados como entrada. Otros componentes de estos modelos son los campos de atracción, concepto que sustituye al de área de atracción, y que permite dar una medida estimada de la atracción generada en cada punto alrededor de una ubicación estudiada. Estos campos de atracción simulados tienen un comportamiento no escalonado (cosa que aporta gran estabilidad al resultado) y decreciente con la separación entre la ubicación estudiada y los puntos de su entorno. Esta separación suele calcularse en términos del tiempo de desplazamiento en ruta.

Otra contribución importante en estos modelos es la correspondiente a la competencia, tanto externa como interna. Esta última parte completa un modelo en que aparecen estimadas las diferentes componentes del mercado potencial con una repartición de éste entre los diferentes competidores de la zona a través de las fuerzas de atracción que cada uno de ellos está generando en los lugares de procedencia de los clientes.

Nueva Incorporación - Chim Baldus

Hola a todos, tengo la grata noticia de presentaros a una nueva incorporación al blog. Se trata de un compañero de fatigas, Chim Baldus, que desde mi punto de vista es el eslabón que une el geomarketing y el data mining, ejes centrales de este blog.

De Chim poco puedo decir, el mismo se presenta de la siguiente manera:

"Tengo 32 años, estudié física y matemáticas en la universidad de Barcelona y me especialicé en la visión geométrica de la física matemática, profesión poco próspera a nivel lucrativo en este país. En estos momentos hace ya tres años que trabajo en arvato services (Barcelona) en el área analítica realizando proyectos de data mining y, sobre todo el último año, geomárketing de carácter analítico."

Bienvenido a este proyecto!!!!

jueves, 3 de diciembre de 2009

Data Mining - Blog "Análisis y decisión"

Desde hace poco tengo el placer de cruzarme emails con Carlos J. Gil Bellosta, posteador habitual de "Análisis y decisión", blog de Raúl Vaquerizo.

De Carlos decir que le llevo la pista desde hace años, desde que era estadístico freelance a actualmente que está en las filas de everis. Es el único que conozco que ha trabajado en el mundo real con software libre dentro de un entorno analítico; hace poco hizo una presentación en las "I Jornadas de R en Castellano" sobre el software GPL, en concreto se centró en R y derivados, y el desarrollo de proyectos en la empresa; tiene un resumen de las jornadas posteado aquí.

A Raúl tengo que reconocer que hasta que no vi su blog, hace un par de meses, no tenía noticias de él, pero hay que admitir que su blog es de obligada lectura para cualquiera que se interese en estos temas.

Desde aquí darles la gracias por recomendarnos y no puedo hacer la otra cosa que hacer lo mismo con vosotros compañeros, cualquiera que tenga interés sobre el análisis de datos tiene que tener su blog, "Análisis y decisión", en favoritos y ser de obligada lectura.

Un saludo vecinos.

PD: nosotros también agregamos a http://erre-que-erre-paco.blogspot.com/ como enlace, que para pocos que somos nos tenemos que ayudar.

miércoles, 2 de diciembre de 2009

Data Mining - Wipley


Esta vez sólo hacerme eco de esta interesante noticia que acaba de saltar a la red, ha surgido una red social española centrada en el mundo de los video juegos, se llama wipley, así que al grito de "Quien no sea freak que levante su sable laser" os insto a apuntaros.

La idea es sencilla, permite a los usuarios compatir gustos sobre los diferentes juegos digitales sin importar la plataforma, con esto cubriríamos la utilidad de red social, pero no se queda allí la cosa, según nuestro perfil, puntuaciones a juegos, comportamiento y cualquier información que puedan almacenar nos haran recomendaciones de juegos; como mínimo es un planteamiento interesante.

Ya se que no es la tipica noticia que posteo, pero es que dentro de este proyecto hay un motor de recomendación español, y la verdad, para pocas iniciativas interesantes que se hacen en este país hay que mimar y ayudar a las que surgen, y más con los tiempos que corren.

Les seguiremos la pista a estos de wipley, espero que nos de muchas alegrías.



lunes, 30 de noviembre de 2009

Data Mining - Rapid Miner

Hoy os presentaré otra herramienta GPL para hacer minería de datos, creo que ya llevamos 3 y eso que no hemos entrado en las librerías de programación libres, para que luego digan que no hay opciones en el software libre.

Se llama RapidMiner; esta herramienta nace de Yale (Yet Another Learning Environment), una herramienta totalmente gratuita centrada en la investigación de algoritmos de machine learning, con el tiempo se creo una empresa a su alrededor que lo ha estado desarrollado la herramienta desde, más o menos, el 2006.

El resultado, cuando menos, es interesante. Esta herramienta permite ejecutar los algoritmos de Weka dentro de su interface, a demás, en la proxima versión podrán en marcha una nueva interface mucho más visual que la anterior, os dejo un enlace con un vídeo aquí .

Esta herramienta ha ganado varios premios, ha sido la mejor startup de Alemania en el 2007, el año pasado gano otro premio centrado en las Startup de Business, pero lo que considero más interesante es el hecho que se ha metido dentro, como observador, del comite del Data Mining Group, esto quiere decir que en breve soportará exportación e importación de modelos en PMML, pero a demás desde su puesto estará al tanto de la evolución de este formato y podrá aplicar la modificaciones de una manera rápida. Esto es más importante de lo que parece en un principio, ya que se auguran tiempos donde la herramienta de modelización estará desvinculada de la de explotación.

Esta empresa, como otras dentro del software GPL, han optado por el doble producto, uno totalmente libre donde la comunidad puede hacer lo que quiera, y otro Enterprise, donde hay que pagar un precio por el producto, la verdad que no muy abultado, con 9999€ una versión con instalaciones ilimitadas y con un soporte con una respuesta en menos de 2 horas. Os dejo el enlace con las tarifas aquí.

Bueno pues ya tenemos otro entorno donde poder hacer nuestro análisis, ya me contareis que os parece.

viernes, 27 de noviembre de 2009

Data Mining - Knime Reporting

Hace casi nada que os hablamos de Knime, pues hoy ha salido a la luz una nueva funcionalidad muy interesante, la capacidad de hacer reporting con esta herramienta.

Sinceramente cuanta más tiempo pasa más interesante me parece esta herramienta, para que os hagáis una idea o dejo un pantallazo de la nueva funcionalidad justo debajo de estas líneas


Aunque seguro que tiene limitaciones es una capacidad muy interesante, ya que en la misma herramienta tenemos la capacidad de hacer ETL, es decir, que podemos hacer informes con información sucia de cualquier fichero txt o excel, que aunque todo técnico de BI nos dirá que si no está en la BBDD no se puede trabajar con ello o en su defecto se tiene que hacer una petición para que se incluya la información, todos sabemos que las peticiones de información que nos hacen son siempre urgentes y no son estandarts.

Os dejo aquí la página que contiene un par de vídeos para que os hagáis una idea de como funciona todo el conjunto.

Sinceramente cada vez estoy más convencido que escucharemos cosas muy interesantes sobre esta herramienta, ETL, Minería, Reporting, capacidad de exportar a PMML, capacidad de ejecutar escripts de Python y R...

jueves, 26 de noviembre de 2009

Data Mining - Canal Data Mining Youtube

De vez en cuando la red deja encontrar una pela, pues hoy ha sido uno de esos días; trasteando he encontrado un canal en youtube que trata sobre la minería de datos. Me los he estado mirando y hay un curso entero de minería impartido en el Google Campus del 2007, se llama Staditical Aspets of Data Mining (Stats 202) tiene 13 vídeos de poco menos de una hora, son los 13 primeros que podéis encontrar en el visor.

Os dejo debajo de estas líneas el reproductor con todos los vídeos. Echad les un vistazo que no tienen desperdicio.




ACTUALIZACIÓN: he encontrado las transparencias que utilizan en el curso, las encontrareis aquí

lunes, 23 de noviembre de 2009

Data Mining - Libro "Los numerati"


Hace tiempo ya que la manera de hacer negocios esta cambiando de manera radical, las empresas se están dando cuenta que no pueden tratar de manera adecuada a sus clientes sin tener un modelo basado en la experiencia previa, de esta prioridad deriva la necesidad de tener técnicos capaces de estudiar a nuestros clientes, construir modelos de contacto, preveer los cambios de los clientes,...

Esta nueva profesión es la que viene a presentarnos el libro "Los numerati", en un mundo donde la información que se tiene de las personas cada vez es más extensa y crece de manera exponencial los técnicos que sean capaz de analizarla, y utilizarla de manera útil serán cada vez más necesarios.

Esta capacidades permiten a la empresa o institución focalizar sus esfuerzos de una manera más productiva y eficiente. Por otro lado el consumidor lo tendrá más fácil y se sentirá más tenido en cuenta, pero, también está la otra cara de la moneda ¿utilizarán estas técnicas los gobiernos para ejecer control sobre nosotros? tenemos que ser conscientes que de aquí poco tiempo, si no ya, toda nuestra vida estará registrada, qué compramos, cuándo, dónde, qué nos gusta, qué miramos por internet....

El libro de Stephen Baker nos habla de una manera sencilla sobre la figura del analísta de datos, de como ha trabajado hasta ahora y que le depara un futuro centrado en el mundo de la red, tratando también temas de privacidad del consumidor y ética.

No me lo he podido leer todavía pero creo que es una léctura muy recomendable para cualquiera que se quiera acercar a este mundo.

jueves, 19 de noviembre de 2009

Data Mining - Conferencia de mototres de recomendación

Hace unas semanas se realizó la "3rd ACM Conference on Recomender Systems", ya hemos hablado alguna vez sobre los sistemas de recomendación, y siempre es interesante que surjan simposios donde se discutan las nuevas tendencias, para que de esta manera se estandarice la tecnología.

Hasta aquí lo normal de una conferencia, pero lo que es remarcable es el hecho que Francisco Martín, CEO de Mystrands, diera una charla sobre su carrera, su empresa actual y diera unos consejos para la implantación de sistemas de recomendación, os dejo aquí un resumen sobre el tema:

  1. ¿Realmente lo necesitas? hay que tener claro que invertir en un motor de recomendación es un proyecto costos y necesitas de tener un tráfico en la web importante para que sea rentable.
  2. Las recomendaciones deben tener una visión estratégica del cliente, es decir, no siempre la recomendación con más portabilidad de compra es la mejor a largo plazo.
  3. Elige bien la herramienta y el proveedor del servicio, incluso si dispones de suficiente presupuesto plantéate el hacer una herramienta especifica para tus necesidades.
  4. No tener miedo al comienzo frío, hay que ser creativo a la hora de comenzar y no tener miedo de hacer prouestas inicial, en el peor de los casos el algoritmo irá mejorando las recomendaciones con el tiempo.
  5. Hay que tener en cuenta que el 70% del éxito está en la calidad de los datos y el 30% en el algoritmo. (esto es aplicable a cualquier modelo predictivo)
  6. La atención del cliente es nuestro bien más preciado, si que es complicado saber qué y cuando, pero no servirá si no tenemos una página que capte su atención.
  7. No intentes hacer perfiles de clientes, utiliza la información que tienes a tu disposición en la red (Facebook, Twitter,..)
  8. Escala cuanto antes mejor tu negocio.
  9. Elige tu sistema de puntuación con detenimiento, si lo modificas ten en cuenta que tus usuarios no repuntuarán todo lo hecho hasta el momento.
  10. Y como no, MIDELO TODO, que sea la respuesta de tus usuarios la que guíen durante el desarrollo.
A ver si entre todos conseguimos que más empresas sean punteras en temas de analítico a nivel internacional.

miércoles, 18 de noviembre de 2009

Data Mining - No al tijeretazo

Sin más, me uno a esta iniciativa que surgió del blog "La aldea irreductible"

miércoles, 11 de noviembre de 2009

Geomarketing - Los Globos de Enfinity

Hoy iba de camino a la oficina, en Alcorcón, para más señas, y sabía que hoy se iba a respirar un ambiente diferente, por aquello de la eliminación de la copa, pero lo que he respirado ha sido una sorpresa mayúscula, por lo menos para mí.

Hoy estaba inundada la zona anexa a las oficinas de globos con una marca "Enfinity" y los retrovisores de los coches con un colgante de la misma marca. Evidentemente lo primero que me he preguntado ha sido ¿quiénes son estos? Pues son una empresa de inversiones en energias renovables entre otras cosas.

Como siempre, la idea original. Me ha impactado ver un parque infantil lleno de globos, ahora bien, mi pregunta de siempre, valga la redundancia, ¿era ese el mejor lugar para tal propósito? Según su propia web esta empresa ofrece:

  • EXPERIENCIA: Enfinity es una multinacional belga, que desde su fundación en 2005 ha desarrollado una amplia experiencia internacional, teniendo más de 100 MW en proyectos en instalación.
  • GARANTÍA: Enfinity es garantía de instalaciones fotovoltaicas de calidad, estableciendo acuerdos sólo con fabricantes áltamente reconocidos a nivel mundial.
  • PROFESIONALIDAD: Proporcionamos todo lo necesario para la instalación “llave en mano” desde su diseño, hasta el montaje, puesta en marcha y mantenimiento. Nos adecuamos a las necesidades de cada cliente y combinamos la máxima productividad con una impecable calidad estética.
 Sin querer adentrarme en el mundo de la publicidad, me gustaria que alguien me descifrara cuales pueden ser los objetivos de una campaña de este tipo en una zona como esta porque como decía un feligrés de un bar valenciano "mi no entender".

Por cierto, tengo fotos, ahora solo falta que consiga bajarlas del móvil.

Saludos

Data Mining - Estudio BI Open y R

Me hago eco de la noticia que ha publicado un gran blog de BI, TodoBi.

En la entrada comentan un estudio de BI Open Source realizado por Mark Madesn. En la página de TodoBi tenéis el pdf completo el cual podéis descargar, no tiene desperdicio; pero yo sólo quería hacer mención al siguiente gráfico:


Se puede observar que la parte donde más crecimiento hay en Open Source es en la división de analítico; esto puede ser por inercia, me encontrado con más de un consultor de riesgo que se le ponen los pelos de punta cuando dices de hacer un score sin SAS, falta de técnicos cualificados, miedo al cambio entre otros; pero la conclusión que tengo en mente al ver el gráfico es que no es nada descabellado que en medio plazo más del 30% de las empresas tengan sus departamentos de analítico funcionando en software libre, que es lo que hay actualmente en sistemas de BBDD Open.

Pero lo más interesante ha sido que hace unos días leí en el blog de REvolution una entrada sobre la opinión de R de Steve Miller, nos comenta que a SAS le están creciendo los enanos, la existencia de REvolution, productos que copian la sintaxis de SAS (WPS, Carolina), pero lo que cree que le va ha hacer más daño a medio plazo es que ahora en las universidades ya se enseña R y no SAS; no puedo estar más deacuerdo en el punto donde nos explica que de aquí a unos 5 años R será la herramienta preferida para los nuevos estadísticos en el mundo empresarial.

LLevamos tiempo con vientos de cambio en todo lo relacionado con el software, y parece que ahora ya le toca al mundo analítico, y lo más interesante es que ahora es cuando ya no se discute en las organizaciones si es necesario hacer análisis, sino como se hacen y que nos cuesta hacerlos; en una situación como la actual, con una crisis acuciante, el open source no es visto como un un medio de apredizaje relegado a las universidades, sino como una opción más que valida para las organizaciones.

jueves, 5 de noviembre de 2009

Geomarketing - Se busca consultor de geomarketing

Hola a todos,

En la parte derecha del blog tengo un RSS de Infojobs para puestos de trabajo en Geomarketing. Bueno, pues esta semana hay una oferta nueva en la empresa en la que trabajo. Se está buscando un consultor para el área de Geomarketing para las oficinas de Barcelona. El puesto es global, desde parte técnica hasta habilidades con clientes, gestión de proyectos, etc.

Si alguien se anima le dejo en link de la oferta para que se apunte:

http://www.infojobs.net/barcelona/consultor-geomarketing/of-i108210425328704705102504814323

saludos.

PD: Estoy un poco inactivo esta semana, pero es que estoy dando cursos de formación a todos nuestros clientes en Barcelona, y entre esto y los cierres de proyectos, no doy para más. Eso si, estoy preparando un post sobre un cierre de un supermercado como el de Gama pero de la cadena Carrefour que salió publicado en varios medios:

http://www.publico.es/dinero/266104/carrefour/cierra/tres/centros/bajos/niveles/ventas

Saludos