Cada vez más el Big Data y la analítica van estando más presentes en el día a día de un analista de negocio. Uno de los pilares de la transformación digital es el dato y cada vez es más necesario formarse en estos campos para un analista de negocio.

Una primera introducción en el Big Data y analytics podría ser:

• Aprender a manejar grandes volúmenes de datos sin morir en el intento o generar Exceles inmantenibles o cuya ejecución se demora en exceso.
• Conocer lo necesario (sin ser un experto) de estadística o machine learning para que me ayude en mis procesos de reporting y análisis.
• Conocer lo necesario (sin ser un experto) de infraestructuras Big Data y Cloud para poder manejar y procesar lo que antes era inmanejable.
• Beneficiarme de la capacidad de visualización de datos de herramientas potentes y sencillas de manejar.

Recomendamos el siguiente curso (gratuito) como un útil primer paso para irse adentrando en estas cuestiones: 

Cada vez encontramos más recursos online para el aprendizaje de tecnologías. En esta ocasión queremos facilitar un resumen útil paa facilitar el aprendizaje de SAS Enterprise Guide y SAS Base para su uso en proyectos data science. Esperamos resulte de utilidad..

En este post vamos a ver un caso práctico de descomposición de series temporales con SAS.

Las series temporales son útiles cuando se quiere predecir la evolución de una variable que cambia a lo largo del tiempo. Las series temporales pueden mostrar una gran variedad de patrones..

El análisis RFM es una conocida técnica de segmentación del clientes. El modelo toma en consideración tres métricas:

1) Ticket medio de compra (Money)

2) Frecuencia de compra (Frecuency)

3) Tiempo qué hace que no compra (Recency)

En base a estas métricas clasifico a los clientes..

Existen múltiples aplicaciones de business analytics para el sector retail. Desde diferentes perspectivas los sistemas de business intelligence ayudan cuestiones críticas para el negocio, como pueden ser:

• Analizar clientes (segmentación, captación, retención, fidelización)
• Optimizar precios (elasticidad, pricing)
• Procesos de previsión de la demanda y previsión de ventas
• Análisis de las redes de distribución, transporte y almacenamiento
• Control geográfico de redes comerciales de gran capilaridad
• Seguimiento transacciones de venta (análisis productos y cesta de la compra)

En este post vamos a centrarnos en los procesos de análisis de cesta de la compra, realizando un rápido ejemplo..