El último paso del proceso de minería de datos, como se resalta en el siguiente diagrama, consiste en implementar los modelos que funcionan mejor en un entorno de producción (ver fig. 6.7).
Figura 6.7: La implementación es el ultimo paso de el proceso.
Una vez que los modelos de minería de datos se encuentran en el entorno de producción, se pueden llevar acabo diferentes tareas, dependiendo de las necesidades. Éstas son algunas de las tareas que se pueden realizar:
- Utilizar los modelos para crear predicciones que se puedan utilizar para tomar decisiones empresariales. Por ejemplo: la predicción de demanda , optimización de campañas - tracking de campañas y predicción de respuesta / no respuesta.
- Incrustar la funcionalidad de minería de datos directamente en una aplicación.
- Aplicaciones del modelo de minería de datos a negocios electrónicos. Por ejemplo: para mejorar la estructura del Website (mejora en tiempos de acceso, análisis de tráfico y uso de recursos de e-business), se pueden aplicar las siguientes técnicas:
— Propensión a la fuga - modelos de predicción de abandono del sitio.
— Propensión a la compra venta cruzada (afinidad) - canasta de consumo.
— Reglas de asociación de páginas visitadas.
— Segmentación de visitantes, panelistas.
— Scoring de riesgo.
— Análisis cross/up sell - caracterización de perfiles de clientes para definir acciones de up selling y cross selling.
— Detección de fraude.
- Crear un informe que permita a los usuarios realizar consultas directamente en un modelo de minería de datos existente.
La actualización del modelo forma parte de la estrategia de implementación. A medida que la organización recibe más datos, debe volver a procesar los modelos para mejorar así su eficacia.
