Datamart para el análisis de los hábitos transaccionales de los clientes de una Entidad Bancaria con el uso del producto tarjeta débito
Datamart for the analysis of the transactional habits of Banking Entity customers with the use of the debit card product.
Contenido principal del artículo
Resumen
En este artículo se presentan los resultados del proyecto “Datamart para el análisis de los hábitos transaccionales de los clientes de una Entidad Bancaria con el uso del producto tarjeta débito”, desarrollado como trabajo final en el programa de Especialización en Administración de la Información y Bases de Datos de la Institución Universitaria Colegio Mayor del Cauca, que tuvo como objetivo construir un Datamart que le permita a una Entidad Bancaria, generar reportes que apoyen el proceso de medición y monitoreo de las costumbres transaccionales de los clientes que hacen uso del producto tarjeta débito. Se utilizó la metodología CRISP-DM (Cross Industry Standard Process for Data Mining), uno de los métodos más utilizados para trabajar con minería de datos, proporciona una descripción normalizada del ciclo de vida de un proyecto estándar de análisis de datos. Esta metodología consiste en seis fases: Definición de necesidades del cliente o comprensión de negocio, estudio y comprensión de los datos, análisis de los datos y selección de características, modelado, evaluación y despliegue. Se implemento un modelo de topología en estrella en el Datamart utilizando como gestor de base de datos MYSQL. Asimismo, se construyó un sistema ETL (Extract, transform and load) que permio la carga, limpieza y transformación de los datos para que se almacenen en el Datamart. Finalmente, se evaluaron y se interpretaron los resultados con la herramienta Power BI. El proyecto realizado permitirá a una Entidad Bancaria analizar detalladamente, el flujo transaccional de los clientes que hacen uso del producto tarjeta débito.
Palabras clave:
Descargas
Detalles del artículo
Referencias (VER)
J. E. Gómez-González, J. Jaramillo-Echeverri, and A. Meisel-Roca, “El uso de efectivo y tarjetas débito y crédito en Colombia,” Borradores Econ. No. 950, 2016.
A. Azevedo y M. Santos. KDD, SEMMA and CRISP-DM: a parallel overview. In Proceedings of IADIS European Conference on Data Mining, (pp. 182-185). Amsterdam, Netherlands . ISBN: 978-972-8924-63-8. (2008).
P. Chapman, J. Clinton, R. Kerber, T. Khabaza, T. Reinartz, C. Shearer and R. Wirth. CRISP-DM 1.0: Step-by-step data mining guide. CRISP-DM consortium: NCR Systems Engineering Copenhagen (USA and Denmark), DaimlerChrysler AG (Germany), SPSS Inc. (USA), and OHRA Verzekeringen en Bank Groep B.V. (The Netherlands). (2000).
J. Hernández, M. Ramírez, and C. Ferri. Introducción a la Minería de Datos. Editorial Pearson Educación SA, Madrid. Recuperado a partir de http://dspace.ucbscz.edu.bo/dspace/handle/123456789/526. 2005.
J. Villena. CRISP-DM: La metodología para poner orden en los proyectos de Data Science. Disponible en: https://data.sngular.team/es/art/25/crisp-dm-la-metodologia-para-poner-orden-en-los-proyectos-de-data-science. 2016.
IBM, “IBM SPSS Modeler CRISP-DM,” IBM Corp., 2016.
Smartbase Group, [En línea]. Available: https://www.sngular.com/es/data-science-crisp-dm-metodologia/.