El presente Trabajo Final tiene como objetivo aportar y complementar a los Análisis Clásicos de Estadística, con Técnicas novedosas de “Minería de Datos” que permitan detectar características comunes entre Hogares e individuos del Gran “Catamarca” en base a los Datos de la “Encuesta Permanente de Hogar”, realizada por el INDEC, correspondiente al primer Trimestre del año 2017..

Primero quiero agradecer a Carlos de Dataprix.com por su constante apoyo para redactar en la pagina, ya que fue la primer lugar para la que escribí, hace mas de 5 años. No duden en contactarlo para empezar ustedes!

La escritura técnica fue creciendo poco a poco y hoy quiero compartir con todos ustedes el libro open-source que publique: Data Science Live Book!

Los KPI podrían definirse como indicadores de eficiencia y eficacia y tienen una importancia fundamental dentro de la gestión de los call center. Los KPI son datos registrados gracias al software de nuestro call center que nos ofrecen una serie de métricas con las que podemos cuantificar el rendimiento de nuestro call center o contact center y que nos sirven para mejorar nuestro servicio de atención al cliente o aumentar las ventas de nuestras campañas de televenta.

Los KPI registrados por nuestro sistema nos permitirán definir estrategias de éxito para nuestra empresa..

Listado de software y herramientas de Data Mining, de proveedores de software propietario, es decir, software de pago.

Iremos ampliando información sobre cada herramienta de minería de datos, y también sobre otro software de data mining comercial que vayamos conociendo, o que vayáis sugiriendo en los comentarios.

Vuelven los sorteos de Dataprix! Conseguir uno de los 3 ejemplares del libro 'Haskell Data Analysis Cookbook' es muy fácil! En este post explicamos como!

Sigue las instrucciones y... mucha suerte!

En el siguiente link se incluye un tutorial de SAS/BASE que pretende ser de utilidad para todos aquellos que se inician en el uso de esta herramienta..

Existen en el Mercado numerosas herramientas para tratamiento de datos. En este post, nos vamos a centrar en algunas de las más utilizadas: SAS, SPSS y R. Sin entrar a valorar la mejor o peor adecuación de cada una de ellas al tipo de proyecto en el que trabajemos, sus ventajas o sus inconvenientes,  lo que es evidente es que son tres herramientas muy extendidas. 

En este post vamos a realizar un ejemplo de segmentación de datos de clientes, empleando un proceso de clusterización, concretamente el procedimiento proc fastclus de SAS.