Trabajo Random Mineria de Datos

Pontificia Universidad Católica Madre y Maestra
Presentado por:
Franchesca Baret Medina: 10145276
Sebastian Mercedes Genao: 10135300
Kevin Tavares :10144214
Ismael Alba Serrata 1014-3667
Presentado a:
Patricia Rodríguez
Asignatura:
Actualidad e Integración Tecnológica en los Negocios
Grupo:
2714
Santiago de los Caballeros

Rep. Dom.
La minería de datos es el proceso de hallar anomalías, patrones y correlaciones en grandes conjuntos de
datos para predecir resultados. Empleando una amplia variedad de técnicas, puede utilizar esta
información para incrementar sus ingresos, recortar costos, mejorar sus relaciones con clientes,
reducir riesgos y más.
¿Por qué es importante la minería de datos?
Ha podido apreciar los números asombrosos – el volumen de datos producidos se duplica cada dos años.
Los datos no estructurados por sí solos conforman el 90% del universo digital. Pero más información no
significa necesariamente más conocimientos.
La minería de datos le permite:
•Filtrar todo el ruido caótico y repetitivo en sus datos.
•Entender qué es relevante y luego hacer un buen uso de esa información para evaluar resultados
probables.
•Acelerar el ritmo de la toma de decisiones informadas.
Aprenda más acerca de técnicas de minería de datos en Minería de datos de la A a la Z, documento que
muestra cómo pueden las organizaciones utilizar la analítica predictiva y la minería de datos para revelar
nuevos insights partiendo de datos.
Minería de datos
En el 2000, Netflix comenzó a utilizar un sistema de calificación de las

películas en DVD que alquilaba. A través de la plataforma en línea, los
suscriptores tenían la posibilidad de calificar las películas vistas. A partir de
esta información, el sistema hacía recomendaciones al usuario. Este primer
sistema recibía el nombre de Cinematch.
En el mismo año, Netflix introduce un sistema de recomendación de
películas personalizado, que usa la calificación de los miembros de Netflix
para predecir con exactitud opciones para todos los miembros de Netflix.
Este sistema de recomendación consistía en el otorgamiento a 1 a 5 estrellas
de valoración personal de una película o serie, y sería en el año 2017
reemplazado por el sistema “pulgar arriba / pulgar abajo” y la utilización de
sistemas más complejos de comprensión de valoraciones por parte de los
suscriptores como la Minería de Datos.
En un inicio el sistema de recomendación se basaba solo en calificaciones

del usuario, pero rápidamente entendieron que lo que los espectadores
difieren muchas veces de lo que realmente hacen, por ejemplo, Reed
Hastings en una charla Ted, comentó que los espectadores calificaban con 5
estrellas la película “La Lista de Schindler”, pero esta película tenía pocas
reproducciones en relación con otras películas que tenían peores
calificaciones. Por esto, Netflix no elige contenidos al azar, sino que sustenta
sus decisiones en herramientas analíticas y estadísticas de Análisis de Datos,
como la Minería de Datos y el Aprendizaje Automático, para diseñar o
recomendar películas y series. En este sentido, para perfeccionar el
algoritmo y lograr una mayor satisfacción de cara al cliente.
En el año 2006 Netflix lanzó una competencia llamada “Netflix Prize”, que
buscaba mejorar este sistema, dotado con un premio en efectivo de 1 millón
de dólares, el objetivo del concurso era generar un algoritmo que mejorara
las predicciones de Cinematch en un 10%, es decir, predecir las
calificaciones de los usuarios en base a calificaciones anteriores, es decir,
poder predecir las preferencias de los usuarios, el individuo o equipo
ganador sería aquel que alcanzara primero la meta, por lo cual no había
fecha final prevista. Casi 3 años después, el 26 de julio de 2009, el equipo
llamado BellKor's Pragmatic Chaos, integrado por investigadores de AT&T
logró superar a Cinematch en un 10.6%, ganando así la contienda y
superando por tan solo 20 minutos al segundo lugar, The Ensemble, quienes
lograron el mismo 10.6% de mejora.
Hasta antes de la puesta en marcha de su sistema de VOD por streaming los
datos con los que contaba la compañía de cada uno de sus clientes eran,
entre otros, nombre, código postal, género y la calificación otorgada a ciertas
películas. Sin embargo, a partir del visionado de series y películas a través
de la plataforma de streaming, el algoritmo tiene un conocimiento más
puntual de los gustos del público gracias a datos como desde qué
dispositivos se ve el catálogo, la hora del día en que se usa el servicio,
durante cuánto tiempo se ve un determinado producto, qué géneros,
directores, actores/actrices o año de estreno es que el que prefiere. Con esta
información, además de personalizar la experiencia de cada consumidor (qué
productos le recomienda, qué foto miniatura o tráiler muestra para presentar
una serie o película), Netflix ha desarrollado proyectos originales que
responden a estos gustos o que saben que encontrarán una audiencia.
Incluso antes de empezar con la plataforma de streaming, la gran cantidad de

información que acumula la empresa ya suscitaba temores entre los analistas
de temas tecnológicos y privacidad. De igual forma, la manera de tratar estos
datos ha sido motivo de demandas legales en Estados Unidos,
particularmente ligadas a la liberación de información usada por los equipos
participantes en el Netflix Prize.
Netflix usa Minería de Datos a través del campo de las ciencias de la

computación referido al proceso que intenta descubrir patrones en grandes
volúmenes de conjuntos de datos de sus usuarios. Es por eso utiliza los
métodos de la inteligencia artificial, aprendizaje automático, estadística y
sistemas de bases de datos.
Netflix lo tiene fácil para acceder a la información de sus espectadores,

gracias a la minería de datos. A diferencia de medios como la televisión, que
se basan en cuotas de pantalla, el proveedor de vídeo puede extraer los datos
de todos sus usuarios:
Qué búsquedas realizan.

Qué dispositivos usan.
Cuál es su día preferido.
Cuánto tiempo emplean en el servicio y en cada uno de los
contenidos.
Si ven los capítulos enteros o parcialmente e incluso, qué fragmentos
vuelven a visionar.
En qué momento abandonan el visionado y si lo recuperan o
abandonan.
Las valoraciones de los consumidores.
Qué preferencias tienen en común con sus amigos o con la audiencia
de su misma zona geográfica.
La información de sus perfiles en redes sociales.
Todo ese conocimiento, esa inteligencia, hace que la definición de
cada producto, cada programa, deje de ser un arte y se convierta en
una ciencia.
El empleo de técnicas de minería de datos permite a la compañía Netflix la

segmentación de sus clientes, y la identificación de clusters de usuarios a los que
poder observar y ofrecer contenidos personalizados. En este sentido, estas técnicas
han ayudado a crear su propia línea de negocio de producciones originales (Netflix
originals) adaptadas en gran medida a los intereses y demandas de sus suscriptores.
Con el empleo de técnicas de minería de datos y de recomendación de contenidos
hemos visto cómo logran también saber qué quieren o qué necesitan sus usuarios y
con ello reducir las bajas de su servicio.
La internacionalización del servicio ha sido, curiosamente, el paso decisivo para
superar la fragmentación cultural por países. Gracias a su flujo de inteligencia de
negocio, dinámico, circular y basado en modelos de machine learning han podido
evolucionar en la identificación de nichos más globales y en la producción de
contenidos a medida de un público objetivo que ha crecido con la incorporación de
nuevos mercados. Netflix ahora recomienda, adquiere y produce para el mundo.

Trabajo Random Mineria de Datos

Cargado por

Copyright:

Formatos disponibles

Trabajo Random Mineria de Datos

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Trabajo Random Mineria de Datos

Cargado por

Copyright:

Formatos disponibles

Pontificia Universidad Católica Madre y Maestra

Franchesca Baret Medina: 10145276

Sebastian Mercedes Genao: 10135300

Kevin Tavares :10144214

Ismael Alba Serrata 1014-3667

Actualidad e Integración Tecnológica en los Negocios

Santiago de los Caballeros

¿Por qué es importante la minería de datos?

La minería de datos le permite:

•Filtrar todo el ruido caótico y repetitivo en sus datos.

•Acelerar el ritmo de la toma de decisiones informadas.

En el 2000, Netflix comenzó a utilizar un sistema de calificación de las

En un inicio el sistema de recomendación se basaba solo en calificaciones

Incluso antes de empezar con la plataforma de streaming, la gran cantidad de

Netflix usa Minería de Datos a través del campo de las ciencias de la

Netflix lo tiene fácil para acceder a la información de sus espectadores,

Qué búsquedas realizan.

El empleo de técnicas de minería de datos permite a la compañía Netflix la

También podría gustarte

Pfad - The Proxy pFad of © 2024 Garber Painting. All rights reserved.