Esta es un versión antigua publicada el 2016-03-20. Consulte la versión más reciente.

Estudio del comportamiento de compra de los asociados y clientes del servicio de supermercado de una cooperativa, aplicando reglas de asociación

Autores/as

DOI:

https://doi.org/10.24054/face.v17i1.694

Palabras clave:

Gestión, Organización, Comportamiento de compra, Minería de datos, Reglas de Asociación

Resumen

La generación creciente de importantes volúmenes de datos, como resultado de la actividad de la empresa, ha obligado de forma generalizada al uso de recursos informáticos que permitan su tratamiento y disponibilidad, creando una cultura de confianza y uso adecuado de la información. Lo que no es tan frecuente encontrar es empresas que hagan uso del conocimiento que se puede generar de esos datos a partir de uso de herramientas de minería de datos. Las reglas de asociación se basan en métodos y técnicas de la minería de datos que permiten estimar o predecir comportamientos sobre datos recolectados como resultado del quehacer operativo de la empresa, con las que se espera conocer, a partir de la aplicación de modelos formales, el comportamiento de compra de los clientes de un supermercado de mediana superficie y proponer, a partir de este conocimiento, estrategias y acciones a seguir para de un lado fortalecer los hallazgos favorables encontrados, y de otro, mejorar las posibles falencias identificadas.

Descargas

Los datos de descargas todavía no están disponibles.

Citas

Agrawal, R., & Srikant, R. (1994). Fast Algorithms for Mining Association Rules. Proc. Int. Conf. Very Large Database (VLDB’94), 487-499. Santiago, Chile.

Agrawal, R., Imielinski, T., & Swami, A. (1993). Mining Association Rules Between Sets of Items in Large Databases. In Proceedings of the 1993 ACM SIGMOD International Conference on Management of Data (pp. 207-216). Washington, D.C., USA: ACM.

Frawley, W. J., Piatetsky-Shapiro, G., & Matheus, C. J. (1991). Knowledge Discovery in Databases. Cambridge: MIT Press.

Han, J., Pei, J., Yin, Y., & Mao, R. (2004). Mining Frequent Patterns without Candidate Generation: A Frequent-Pattern Tree Approach. Data Mining and Knowledge Discovery, 53-87.

Hernandez, J., Ramírez, M. J., & Ferri, C. (2008). Introducción a la minería de datos. Madrid: Pearson / Prentice Hall.

Menzies, T., & Hu, Y. (2003). Data Mining for Very Busy People. IEEE Computer, 18-25.

Park, J., Chen, M.-S., & Yu, P. S. (1997). Using a Hash-Based Method with Transaction Trimming for Mining Association Rules. IEEE Transactions on Knowledge and Data Engineering, 813-825.

Rapidminer. (2016, December 1). Rapidminer. Retrieved from https://rapidminer.com/us/

Savasere, A., Omiecinski, E., & Navathe, S. (1995). An Efficient Algorithm for Mining Association Rules in Large Databases. In Proceedings of the 21st International Conference On Very Large Data Bases (pp. 432-444). Zurich, Switzerland.

Zaki, M. J., Parthasarathy, S., Ogihara, M., & Li, W. (1997). New Algorithms for Fast Discovery of Association Rules. In KDD'97 Proceedings of the Third International Conference on Knowledge Discovery and Data Mining (pp. 283-286). Newport Beach, CA: AAAI Press.

Descargas

Publicado

2021-01-30 — Actualizado el 2016-03-20

Versiones

Cómo citar

Fernández Romero, O. L., Portilla Granados, L. A., & Maldonado Bautista, J. O. (2016). Estudio del comportamiento de compra de los asociados y clientes del servicio de supermercado de una cooperativa, aplicando reglas de asociación. FACE: Revista De La Facultad De Ciencias Económicas Y Empresariales, 17(1), 6–18. https://doi.org/10.24054/face.v17i1.694 (Original work published 30 de enero de 2021)

Número

Sección

Artículos