Desarrollo de un modelo de sistema de recomendación de ventas para la toma de decisiones en empresas - Aplicación de un caso real

Abstract

Trabajo Fin de Máster en Big Data (2022-23). Tutor: Dr. D. Gonzalo Antonio Aranda Corral. Los sistemas de recomendación se utilizan con cada vez más frecuencia en las empresas para proporcionar sugerencias personalizadas y automáticas a sus clientes sobre nuevos productos y servicios a contratar. Son herramientas que utiliza algoritmos de aprendizaje automático para sugerir productos, servicios o contenido que puedan ser de interés para un usuario en particular. En este proyecto se desarrolla un sistema de recomendación de tipo colaborativo a partir del análisis formal de conceptos (FCA). Se trata de una técnica de minería de datos que se utiliza para extraer información y conocimiento de conjuntos de datos. FCA es especialmente útil para analizar conjuntos de datos relacionales, en los que cada registro tiene un conjunto de atributos y valores asociados. Además, permite la identificación de patrones y la agrupación de datos en conceptos formales, lo que facilita la interpretación y el análisis de los datos. El objetivo de nuestro sistema de recomendación es mejorar la experiencia del usuario al personalizar las sugerencias que recibe, y poder incorporarlas en los sistemas informáticos de las tiendas de la empresa. Se utilizan datos reales de una empresa de muebles que cuenta con nueve sedes a lo largo de Andalucía, con una facturación anual alrededor de 600 mil € anuales (2020) y que se encuentra en proceso de crecimiento. En resumen, este proyecto tiene como objetivo desarrollar un sistema de recomendación eficiente y personalizado utilizando técnicas de minería de datos y aprendizaje automático, con el fin de poder incorporar estas recomendaciones de productos a comprar por nuestros clientes en los sistemas informáticos de las tiendas de la empresa. Los resultados del SR concluyen que se ha logrado proporcionar una recomendación de ventas adecuada y personalizada para nuestros clientes basándonos en los datos históricos de clientes similares.

Recommender systems are increasingly used by companies to provide personalized and automatic suggestions to their customers about new products and services to hire. These tools use machine learning algorithms to suggest products, services or content that may be of interest to a particular user. In this Project, a collaborative filtered recommendation system is developed with real data, based on the formal analysis of concepts (FCA). It is a data mining technique used to extract information and knowledge from data sets. FCA is especially useful for analyzing relational data sets, where each record has a set of associated attributes and values. In addition, it allows the identification of patterns and the grouping of data into formal concepts, which facilitates the interpretation and analysis of the data. The objective of our recommendation system is to improve the user experience by personalizing the suggestions you receive, and being able to incorporate them into the computer systems of the company's stores. Real data from a furniture company that has nine offices throughout Andalusia, with an annual turnover of around €600,000 per year (2020) and which is in the process of growth, is used. In summary, this project aims to develop an efficient and personalized recommendation system using data mining and machine learning techniques, in order to be able to incorporate these recommendations of products to buy by our customers in the computer systems of the stores of the business. Results conclude that it has been possible to provide an adequate and personalized sales recommendation for our clients based on the historical data of similar clients.