Metodología de segmentación no supervisada

Retos

 

El análisis de grandes volúmenes de datos presenta el reto de descubrir patrones similares de comportamiento, tendencias o grupos que no respondan a una idea predefinida por un experto. Para ello es necesario utilizar herramientas de análisis no supervisado, que son capaces de estructurar la información para ser posteriormente analizada.


Enfoque

 

ADÁN es una herramienta desarrollada con técnicas de Inteligencia Artificial. Extrae de forma automática, no supervisada, la estructura subyacente en una base de datos. Los grupos o clusters se forman por similitud de los elementos o componentes de la base de datos respecto a las variables sujetas a análisis. El sistema ha sido diseñado para el análisis de grandes voúmenes de datos. A través de técnicas innovadoras, ADAN permite a los expertos analizar la información disponible apoyando el proceso de toma de decisiones.

ADAN es una herramienta de Clusterización conceptual basada en técnicas de aprendizaje no supervisado. Utiliza un potente algoritmo politético, exclusivo y no supervisado, completamente desarrollado por Aplicaciones en Informática Avanzada, S.A. El sistema permite por tanto realizar segmentaciones sin las restricciones de las metodologías basadas en técnicas estadísticas. Incluye el reconocimiento topológico, componente explicativo contextual, proyección gráfica espacial de los clusters resultantes, entre otras características destacadas.

ADAN Es una herramienta de análisis que puede ser considerada de propósito general. Puede ayudar decisivamente en procesos como la definición de una compañía, establecimiento de estrategias de crecimiento, financiación de inversiones en una red de sucursales, definición de marketing institucional, estrategias de ventas, etc. Ha sido utilizado para clasificar, entre otros, datos para determinar perfiles de clientes para los departamentos de marketing y ventas, clientes para análisis de riesgo en entornos bancarios, navegantes de Internet y clientes de tiendas virtuales, sucursales para una corporación y rendimiento de productos para control de calidad.


Beneficios

 

  • Aborda el problema de agrupar los elementos de una base de datos en clases o clusters, basados en sus similitudes.
  • Utiliza técnicas de aprendizaje no supervisado, siendo un producto de inteligencia artificial.
  • Algoritmo de clustering politetico (un conjunto de variables escogidas, tomadas simultáneamente).
  • Su avanzado algoritmo interno permite la selección no supervisada y automática del número de grupos finales.
  • Representación gráfica de los resultados en forma de árbol jerárquico.
  • Explicación de la ramificación en cualquier nivel del árbol.
  • Opción de descripción de grupos para su conceptualización (colocación de etiqueta).
  • Selección automática de una muestra estadística para agilizar el proceso posterior de agrupación.
  • Modificación opcional de la métrica euclidea básica mediante la utilización de técnicas de aprendizaje supervisado.
  • Refinamiento posterior del resultado de una agrupación mediante la definición de un grupo o fusión de grupos como nuevo universo.
  • Escalado automático del rango de cada variable, con la detección de valores discretos relevantes.
  • Elementos de control de calidad del proceso: índice de calidad y representación espacial de los datos.
  • Opción de listado de componentes de un grupo.
  • Identificación de outliers y definición de perfiles.
  • Opción de listado de disidentes dentro de un grupo.
  • Opción de podado del árbol.
  • Opciones de movimiento y modificación de tamaño del árbol.

Propiedad Intelectual

 

ADAN (Trademark)

Ownership: AIA

Appl. No.: 576.478 & M1.613.360 -9