Tesis Roque Montalvo Irene

FACULTAD DE INGENIERIA, ARQUITECTURA Y
URBANISMO
ESCUELA ACADMICO PROFESIONAL DE
INGENIERIA DE SISTEMAS
TESIS
ANLISIS COMPARATIVO DE TCNICAS DE

MINERA DE DATOS PARA LA PREDICCIN
DE VENTAS
PARA OPTAR EL TTULO PROFESIONAL DE

INGENIERO DE SISTEMAS
AUTOR
Bach. IRENE LEYDI ROQUE MONTALVO
Pimentel, 09 de noviembre de 2016

ANLISIS COMPARATIVO DE TCNICAS DE MINERA DE DATOS
PARA LA PREDICCIN DE VENTAS
Aprobacin de la tesis
Irene Leydi Roque Montalvo

Autora
Asesor metodlogo
Ing. Heber Ivn Meja Cabrera

Presidente del jurado de tesis
Mg. Rosa Amrica Cobeas Snchez

Secretario del jurado de tesis
Ing. Denny John Fuentes Adrianzn

Asesor Especialista/Vocal del jurado de tesis
ii
DEDICATORIA
A:
Dios, por darme la oportunidad de vivir y por estar conmigo en cada paso
que doy, por fortalecer mi corazn e iluminar mi mente y por haber puesto en
mi camino a aquellas personas que han sido mi soporte y compaa durante
todo el periodo de estudio.
Mis padres, por haberme apoyado en todo momento, por sus consejos, sus
valores, por la motivacin constante que me ha permitido ser una persona de
bien, pero ms que nada, por su amor.
iii
AGRADECIMIENTOS
A mis padres, por su comprensin, paciencia y nimo.
A mi asesor, por su orientacin y colaboracin en el desarrollo de este

trabajo de investigacin.
Al Dr. Jorge Narvez Restelli, Jefe del Departamento de Ayuda al

diagnstico y tratamiento del Hospital II Luis Heysen Inchustegui, por su
apoyo incondicional y desinteresado durante toda mi formacin acadmica.
iv
ndice de Contenido
ndice de Grficos.................................................................................................... viii
RESUMEN.................................................................................................................... x
CAPTULO I: PROBLEMA DE LA INVESTIGACIN................................................. 14
1.1. Situacin Problemtica ............................................................................ 14
1.2. Formulacin del problema ...................................................................... 15
1.3. Delimitacin de la Investigacin ............................................................. 16
1.4. Justificacin e Importancia...................................................................... 16
1.5. Limitaciones de la Investigacin ............................................................ 17
1.6 Objetivos de la Investigacin .................................................................. 18
1.Objetivos de la Investigacin ..................................................................... 18
2.Objetivos especficos .................................................................................. 18
CAPTULO II: MARCO TERICO .............................................................................. 20
2.1. Antecedentes de estudios:...................................................................... 20
2.2. Estado del arte .......................................................................................... 25
2.3. Bases Terico Cientficas ....................................................................... 27
A. Proceso KDD para la obtencin del conocimiento .............................. 27
B. Minera de datos ....................................................................................... 30
C. Tcnicas de minera de datos: ............................................................... 31
D. Metodologa para minera de datos CRISP-DM .................................. 55
E. Herramientas para minera de datos ..................................................... 58
F. Libreras para minera de datos ............................................................. 59
G. Prediccin .................................................................................................. 60
H. Tcnicas de prediccin con minera de datos ..................................... 61
2.4. Definicin de trminos bsicos.......................................................... 62
A. Almacn de datos ...................................................................................... 62
B. Anlisis prospectivo de datos................................................................... 62
C. rbol de decisin ....................................................................................... 62
D. Mtodo ......................................................................................................... 62
E. Metodologa ................................................................................................ 62
F. Minera de datos ......................................................................................... 63
G.Modelo predictivo ........................................................................................ 63
H.Tcnicas de Prediccin .............................................................................. 63
I. Prediccin de ventas .................................................................................. 63
v
CAPTULO III: MARCO METODOLGICO ............................................................... 65
3.1.Tipo y Diseo de la Investigacin ............................................................... 65
3.2. Poblacin y muestra .................................................................................... 65
3.3. Hiptesis ........................................................................................................ 68
3.4. Variables Operacionalizacin ................................................................. 68
3.4.1. Variable Independiente ....................................................................... 68
3.4.2. Variable Dependiente .......................................................................... 68
3.5. Operacionalizacin ...................................................................................... 69
3.6. Mtodos, tcnicas e instrumentos de recoleccin de datos.................. 70
3.7. Procedimiento para la recoleccin de datos ............................................ 70
3.8. Anlisis estadstico e Interpretacin de los datos ................................... 70
3.9. Principios ticos ........................................................................................... 71
3.10. Criterios de rigor cientfico........................................................................ 71
3.11. Evaluacin econmica del software ....................................................... 72
CAPTULO IV: ANLISIS E INTERPRETACIN DE LOS DATOS ........................... 76
4.1. Resultados en tablas y grficos ................................................................. 76
4.2. Contrastacin de la hiptesis. .................................................................... 83
4.3. Discusin de los resultados. ...................................................................... 83
CAPITULO V: DESARROLLO DE LA PROPUESTA................................................. 86
5.1. Generalidades ........................................................................................... 86
5.2. Metodologa de desarrollo ......................................................................... 88
CAPITULO VI: CONCLUSIONES Y RECOMENDACIONES ................................... 126
6.1. Conclusiones........................................................................................... 126
6.2. Recomendaciones................................................................................... 128
BIBLIOGRAFA ........................................................................................................ 130
ANEXOS .................................................................................................................. 133
vi
ndice de Figuras
FIGURA 1: ETAPAS DEL PROCESO KDD .................................................................................. 28

FIGURA 2: TCNICAS DE MINERA DE DATOS.......................................................................... 31
FIGURA 3: GRFICO DE TENDENCIA DE UN CONJUNTO DE DATOS DE LOS AOS 1974-1989 34
FIGURA 4: MODELO ADITIVO Y MIXTO ....................................................................................... 36
FIGURA 5: GRFICA DE VALORES EN EL TIEMPO, DONDE SE OBSERVA LA ESTACIONALIDAD . 37
FIGURA 6: FUNCIN DE AUTOCORRELACIN PARCIAL ............................................................. 39
FIGURA 7: UNA SIMPLE RED NEURONAL EQUIVALENTE A UNA REGRESIN LINEAL ................. 49
FIGURA 8: UNA RED NEURONAL CON CUATRO ENTRADAS Y UNA CAPA OCULTA CON TRES
NEURONAS OCULTAS. ....................................................................................................... 49
FIGURA 9: TCNICA DE CLASIFICACIN.................................................................................... 52

FIGURA 10: ESTRUCTURA DE UN RBOL DE DECISIN ............................................................ 55
FIGURA 11: FASES DEL PROCESO DE METODOLOGA CRISP-DM ........................................ 56
FIGURA 12: METODOLOGA DE TRABAJO ................................................................................. 90
FIGURA 13 : SERIES DE TIEMPO .............................................................................................. 94
FIGURA 14 : DIAGRAMA E-R ESQUEMA VENTAS ..................................................................... 95
FIGURA 15: ENTIDADES VENTAS - DETALLEVENTA................................................................. 96
FIGURA 16 : SCRIPTS SQL PARA VENTAS ............................................................................... 97
vii
ndice de Grficos
GRFICO 1: PRONSTICOS DE VENTAS DE HOLTW INTERS, HOLT Y ETS ............................. 77

GRFICO 2: TIEMPO DE PROCESAMIENTO ENTRE HOLTW INTERS, HOLT Y ETS ................... 79
GRFICO 3: TIEMPO PROMEDIO ENTRE HOLTW INTERS, HOLT Y ETS ................................... 80
GRFICO 4: CANTIDAD DE MESES MNIMOS PARA EL PROCESAMIENTO HOLTW INTERS, HOLT Y
ETS .................................................................................................................................. 81
GRFICO 5: TIEMPO DE GENERACIN DE PRONSTICOS EN MDULO ................................... 82
GRFICO 6: ALGORITMO HOLTW INTERS ............................................................................... 103
GRFICO 7: APLICACIN DE ALGORITMO .............................................................................. 104
GRFICO 8: VALORES DE ENTRENAMIENTO VS VALOR REAL USANDO HOLT-W INTERS....... 105
GRFICO 9: VALORES DE ENTRENAMIENTO USANDO HOLT-W INTERS ................................. 106
GRFICO 10: COEFICIENTES DE HOLT-W INTERS ................................................................. 106
GRFICO 11: PREDICCIONES APLICANDO HOLTWINTERS ..................................................... 107
GRFICO 12: SCRIPT DEL ALGORITMO HOLT......................................................................... 109
GRFICO 13: APLICACIN DEL ALGORITMO HOLT ................................................................. 109
GRFICO 14: VALORES DE ENTRENAMIENTO VS VALOR REAL USANDO HOLT ..................... 110
GRFICO 15: VALORES DE ENTRENAMIENTO HOLT ........................................................... 110
GRFICO 16: COEFICIENTES DE HOLT................................................................................... 111
GRFICO 17: PREDICCIONES APLICANDO HOLT .................................................................... 111
GRFICO 18: SCRIPT DEL ALGORITMO ETS ......................................................................... 113
GRFICO 19: APLICACIN DEL ALGORITMO ETS .................................................................. 113
GRFICO 20: GRFICO DE ENTRENAMIENTO VS VALOR REAL USANDO ETS ....................... 114
GRFICO 21: VALORES DE ENTRENAMIENTO ETS ............................................................ 114
GRFICO 22: PREDICCIONES APLICANDO ETS ..................................................................... 115
GRFICO 23: CODIFICACIN HTML5 Y PHP ........................................................................ 122
GRFICO 24: INICIO DE SISTEMA ............................................................................................ 123
GRFICO 25: INDICADORES CONSOLIDADOS DE VENTAS...................................................... 123
GRFICO 26: RESULTADOS DEL MODELO .............................................................................. 124
GRFICO 27: GENERADOR DE ESTIMACIONES Y PROYECCIONES ......................................... 124
viii
ndice de Tablas
TABLA 1: VENTAS - AO 2011................................................................................................. 66

TABLA 2: VENTAS - AO 2012................................................................................................. 66
TABLA 3: VENTAS - AO 2013................................................................................................. 67
TABLA 4: VENTAS - AO 2014................................................................................................. 67
TABLA 5: OPERACIONALIZACIN DE VARIABLES ..................................................................... 69
TABLA 6: INDICADORES /FACTORES POR MEDIDA DE PROYECTO .......................................... 74
TABLA 7: DISTRIBUCIN DE ESFUERZO Y TIEMPO DE DESARROLLO POR ETAPAS .................. 74
TABLA 8: GENERACIN DE LOS PRONSTICOS....................................................................... 76
TABLA 9: RESULTADOS OBTENIDOS CON LA FRMULA APLICADA ........................................... 78
TABLA 10: TIEMPO DE PROCESAMIENTO ENTRE HOLTW INTERS, HOLT Y ETS ..................... 79
TABLA 11: NMERO DE MESES MNIMOS PARA EL PROCESAMIENTO DE ESTIMACIONES PARA
HOLTW INTERS, HOLT Y ETS ........................................................................................... 81
TABLA 12: TIEMPO DE PROCESAMIENTO DEL SISTEMA W EB ................................................. 82
TABLA 13: COMPARACIN DE METODOLOGAS DE DESARROLLO DE MODELO DE MINERA DE
DATOS .............................................................................................................................. 89
TABLA 14: PERIODO - VENTAS ................................................................................................ 91
TABLA 15: VENTAS DE ARTCULOS DEPORTIVOS 2011-2014................................................ 96
TABLA 16: SERIE DE TIEMPO PREPARACIN DE DATOS ....................................................... 98
TABLA 17: EVALUACIN DE LAS TCNICAS DE MINERA DE DATOS ......................................... 98
TABLA 18: MODELOS DE MINERA DE DATOS ......................................................................... 99
TABLA 19: PRIORIDAD Y DIFICULTAD DE HISTORIA DE USUARIO ......................................... 117
TABLA 20: ESQUEMA DE DIARIO DE ACTIVIDADES ................................................................ 118
TABLA 21: REQUERIMIENTO 01 ............................................................................................. 119
ix
RESUMEN
El presente trabajo denominado ANLISIS COMPARATIVO DE

TCNICAS DE MINERA DE DATOS PARA LA PREDICCIN DE
VENTAS realiza un anlisis comparativo entre las distintas tcnicas
usadas en la minera de datos para el diseo de modelo de pronsticos
de series de tiempo. En la actualidad existen diversas tcnicas para la
generacin de pronsticos de series de tiempo, desde los modelos de
tipo estadsticos, o los ms avanzados que usan algoritmos
computacionales basados en inteligencia artificial como es el caso de
las redes neuronales o las mquinas de soporte vectorial.
El problema no trata sobre la construccin de un modelo de minera de

datos, si no de evaluar que algoritmo y tcnica sirve o tiene un mejor
performance para un problema determinado, ya que no es lo mismo
aplicar criterios de pronsticos a series de tipo ventas, que, para series
de clima, u otros. Donde cada algoritmo tiene un grado de influencia
segn el problema a enfocarse.
El mbito de estudio de esta investigacin se centra en la empresa El

Astro S.A.C. para determinar las estimaciones de ventas segn el
volumen que genera mensual o trimestral, uno de los algoritmos ms
usados para pronsticos de ventas desde el punto de vista estadstico
es el Holtwinters, en esta investigacin se realizar un anlisis de los
datos para comparar este algoritmo contra otros mtodos como son:
Holt y ETS.
PALABRAS CLAVES
Minera de Datos, Pronsticos, Holtwinters, Holt, ETS.
x
ABSTRACT
This paper called "COMPARATIVE ANALYSIS OF DATA MINING

TECHNIQUES FOR PREDICTING SALES" makes a comparative
analysis between the different techniques used in data mining to design
forecasting model time series. At present, there are various techniques
for generating time series forecasts from statistical type models, or
using the most advanced computational algorithms based on artificial
intelligence such as neural networks or support vector machines.
The problem is not about building a data mining model, if not assess
that algorithm and technique serves or has a better performance for a
given problem, since it is not the same criteria applied to series-type
forecasts sales that for series of weather, or other. Where each
algorithm has a degree of influence by the problem into focus.
The scope of this research focuses on the company "El Astro SAC" to
determine estimates of sales by volume generated monthly or quarterly,
one of the widely used algorithms for sales forecasts from a statistical
point of view is the Holtwinters, this research data analysis is performed
to compare this algorithm with other methods such as: Holt and ETS.
KEYWORDS
Data Mining, Forecasts, Holtwinters, Holt, ETS.
xi
INTRODUCCIN
El desarrollo de sistemas informticos en la actualidad ha tenido un

crecimiento exponencial, en los ltimos aos con los nuevos
dispositivos tecnolgicos ha sido necesario dividir el mbito del
desarrollo de software, trminos como el desarrollo web, desarrollo
mvil, soluciones de inteligencia de negocios son cada vez ms vistos,
dentro del software de inteligencia de negocios destaca el surgimiento
de una tcnica denominada Minera de Datos.
La minera de datos es una tcnica matemtico-computacional que usa
principios estadsticos para hacer la explotacin y anlisis de datos en
sistemas informticos, los cuales estn en bases de datos, el objetivo
de la minera de datos es detectar patrones de comportamiento en
estos datos para generar probabilidades, predicciones, pronsticos y
anlisis descriptivo avanzado, que permitan explicar el fenmeno de
negocio de la empresa.
Uno de estos sistemas informticos es el software comercial de la
empresa El Astro S.A.C., esta empresa se dedica a la venta de
artculos deportivos, su base de datos bsicamente engloba el proceso
de ventas, por lo tanto, es necesario para la tienda conocer los
consolidados de la misma, as como realizar estimaciones o
pronsticos.
Este problema puede ser resuelto empleando las tcnicas de minera
de datos diseando un modelo de pronsticos de series de tiempo, sin
embargo existen mltiples algoritmos para disear este modelo, cada
algoritmo tiene particularidades que influyen en el pronstico, por lo
tanto es necesario evaluar estos algoritmos con el fin de determinar
cul es el que tiene mejor performance para obtener un pronstico que
se asemeje a lo que ocurre cuando se da el fenmeno de artculos
deportivos.
xii
CAPITULO I
EL PROBLEMA DE
INVESTIGACIN
CAPTULO I: PROBLEMA DE LA INVESTIGACIN
1.1. Situacin Problemtica
Desde hace algunas dcadas, el hombre se ha visto en la

necesidad de administrar sus actividades, la mayora de stas
comerciales, como lo son el uso al que se le da al dinero tanto
en el hogar como a nivel empresarial, por lo tanto le es
necesario almacenar un historial de algunas o la mayora de sus
actividades comerciales, lo que lo obliga a llevar de manera
ordenada el cmo y en qu ha gastado su dinero, hasta el punto
de ser necesario contar con una persona que se dedique a
administrar, almacenar y vigilar dichas actividades a nivel
empresarial.
Con el paso del tiempo se ha visto que para dar una adecuada
administracin de todas esas actividades y con el fin de evitar
muchos conflictos, en la mayora de los lugares como por
ejemplo en los hospitales, se realizan historial de visitas,
entradas y salidas de pacientes; en las estaciones de polica se
registran con hora y fecha exactas los hechos sucedidos; en
almacenes grandes se registran las transacciones en facturas
con fecha de compra, entre otros ejemplos; por lo que se
comienza a formar una generacin masiva de datos los cuales
llevan a la creacin de almacenes o bodegas de datos, algunos
con un crecimiento tan exagerado que hasta para las consultas
realizadas por lenguajes como SQL es imposible lograr
resultados eficientes (Garca Bermdez & Acevedo Ramrez,
2010).
14
Los algoritmos de Minera de Datos realizan en general tareas
de prediccin de informacin desconocida que puede estar
contenida en los datos, como tambin puede realizar la labor de
describir patrones de comportamiento de los datos.
1.2. Formulacin del problema
En este campo de la minera de datos se han realizado

importantes avances especficamente en tcnicas de algoritmos
de prediccin, sin embargo se estn realizando investigaciones
sobre tcnicas de minera de datos para predecir demanda o
determinar patrones de comportamiento. (Fernndez Maturana,
2007) en su investigacin Wavelet-and SVM-based forecasts: An
analysis of the U.S. metal and materials manufacturing industry"
estudio el desempeo de los pronsticos para lo cual utilizo
cuatro tcnicas de estimacin: ARIMA multiplicativo estacional,
componentes no observables (UC), wavelets (ondas cortas) y
support vector machines (SVM) determinando que ARIMA y UC
superan en exactitud a Wavelets y SVM, as como tambin
(Calvo Rodrguez, 2008) en su investigacin Prediccin en
Series de Tiempo con Modelos Aditivos utilizarn modelos
aditivos para regresin mltiple y el algoritmo backfitting para
su estimacin y bsqueda de intervalos de confianza,
obteniendo como resultado que Modelo Aditivo tiene un margen
de error del 2,77% llegando a la conclusin que este modelo
sirve para solucionar el problema de dimensionalidad; por otro
lado (Madrigal Espinoza, 2006) en su tesis Modelos de espacio
de estados subyacentes al mtodo multiplicativo de HoltWinters
desarroll un mtodo de pronstico basado en suavizacin
exponencial que incorpore el clculo de intervalos de prediccin,
para una serie de tiempo que presenta tendencia aditiva y
15
mltiples estacionalidades multiplicativas en el cual se obtuvo un
85% de confiabilidad al utilizar el mtodo multiplicativo de
HoltWinters.
A pesar de que estos algoritmos obtuvieron en promedio hasta

un 85 % de efectividad para pronsticos an resta mejorar esas
tasas de acierto es por ello que en esta investigacin se
pretende realizar un anlisis de rendimiento comparativo de las
diferentes tcnicas de minera de datos como son las series
temporales, seleccionando la que mejor se adapta para la
prediccin de ventas orientado en el sector comercializacin de
artculos deportivos tomando como referencia la empresa El
Astro SAC ubicada en la calle Alfredo Lapoint Nro. 1189
Chiclayo. Las tcnicas propuestas en este caso son ARIMA,
HoltWinters, Holt y ETS por ser las que ms se adaptan a este
trabajo.
1.3. Delimitacin de la Investigacin
Esta investigacin est enfocado al anlisis comparativo de

tcnicas de minera de datos para prediccin usando algoritmos
de series de tiempo como son Holtwinters, Holt y ETS.
El sistema contempla dos mdulos, uno para visualizar los datos

estadsticos del proceso de ventas y otro modulo que tiene la
caracterstica de presentar los datos del modelo de minera, as
como tambin una interfaz de simulacin para evaluar el
comportamiento con distintos algoritmos propios de la
investigacin.
1.4. Justificacin e Importancia
El motivo de desarrollo de esta investigacin es que existe un

problema real en la capacidad de procesar grandes cantidades
16
de datos, los cuales generan las reas operativas de cada
empresa; problema que puede ser resuelto con la aplicacin de
algoritmos de minera de datos. (Asencios, 2004).
Desde el punto de vista social, las tcnicas para minera de

datos devienen necesarias en diferentes reas de la vida diaria,
tales como economa, el nivel empresarial, la salud, la
investigacin cientfica, etctera; en estas reas generalmente
existe una gran cantidad de datos generados permanentemente
por los sistemas de informacin transaccionales, y que no son
analizados o en su defecto han sido analizados solo
parcialmente; conteniendo gran cantidad de informacin que an
no ha sido debidamente evaluada y que constituye la base para
una correcta definicin empresarial.
Desde el punto de vista tecnolgico, la presente investigacin

se justifica entonces por el impacto que representa estudiar los
algoritmos de minera de datos en la solucin de problemas
donde se requiere el uso de grandes repositorios de datos para
convertirlos en informacin til, usando para ello tcnicas
avanzadas de minera de datos; las cuales sern evaluadas para
medir su grado de efectividad.
Desde el punto de vista acadmico, la presente investigacin

es importante por su aporte al estudio y conocimiento de las
tcnicas de minera de datos.
1.5. Limitaciones de la Investigacin
Los datos histricos extrados de la base de datos del sistema

comercial de El Astro S.A.C. comprenden el periodo Agosto
2011 Junio 2014 por lo tanto existe informacin cuantificada
mensual equivalente a 35 meses.
17
1.6. Objetivos de la Investigacin
1. Objetivos de la Investigacin
Realizar un anlisis comparativo del rendimiento de las

tcnicas de minera de datos para la prediccin de ventas
orientado a la comercializacin de artculos deportivos.
2. Objetivos especficos
a) Realizar una evaluacin de las tcnicas de minera de

datos existentes en la actualidad.
b) Seleccionar las tcnicas de minera de datos para la

prediccin de ventas para realizar el anlisis
comparativo.
c) Seleccionar un modelo de evaluacin para elaborar la

comparacin entre las tcnicas de minera de datos
para la prediccin de ventas.
d) Desarrollar la aplicacin que muestre los resultados de

las tcnicas de minera de datos seleccionada.
e) Analizar los resultados.
f) Realizar la evaluacin econmica de la propuesta.
18
CAPITULO II
MARCO TERICO
19
CAPTULO II: MARCO TERICO
2.1. Antecedentes de estudios:
A. WAVELET-AND SVM-BASED FORECASTS: AN ANALYSIS OF

THE U.S. METAL AND MATERIALS MANUFACTURING
INDUSTRY" (Fernndez Maturana, 2007) esta investigacin
estudia el desempeo de los pronsticos de cuatro modelos de
series temporales: ARIMA multiplicativo estacional, componentes
no observables (UC), wavelets (ondas cortas) y support vector
machines (SVM), obteniendo como resultados que los mtodos
tradicionales de ARIMA y UC suelen ser ms exactos sin
embargo, wavelets y SVM pueden contener informacin adicional
a aquella contenida en los pronsticos de ARIMA y UC. En
consecuencia, las combinaciones lineales de pronsticos pueden
ser preferibles a los pronsticos individuales. En trminos
generales, los resultados muestran que ARIMA y UC suelen
superar, en valor de prediccin del 5%, a SVM y wavelets,
mientras que UC es superior a ARIMA en un nivel de significancia
del 1%. Llegando a las siguientes conclusiones: En primer trmino
el horizonte temporal escogido es un elemento clave para decidir
qu modelo o combinacin lineal de modelos es preferible, en
trminos de la calidad de pronstico. En especial, para
pronsticos de mediano y ms largo plazo, parece ser que el test
de Harvey, Leybourne y Newbold discrimina mejor entre dos
modelos competitivos, sobre la base del error cuadrtico medio y
del error medio en valor absoluto. En segundo trmino, en
general, ARIMA y UC suelen superar a wavelets y SVM. Sin
embargo, en varios casos los dos ltimos pueden contener
informacin adicional a aquella contenida en los pronsticos de
los dos primeros. En consecuencia, las combinaciones lineales de
20
pronsticos pueden ser preferibles a los pronsticos individuales.
Por ltimo, en general, la informacin proporcionada por SVM
resulta de mayor utilidad cuando se consideran combinaciones
lineales de SVM y wavelets. No obstante, SVM puede superar a
UC y ARIMA.
B. MODELOS DE ESPACIO DE ESTADOS SUBYACENTES AL

MTODO MULTIPLICATIVO DE HOLT-WINTERS CON
MLTIPLE ESTACIONALIDAD (Madrigal Espinoza, 2006) Esta
investigacin tuvo como objetivo desarrollar un mtodo de
pronstico basado en suavizacin exponencial que incorpore el
clculo de intervalos de prediccin, para una serie de tiempo que
presenta tendencia aditiva y mltiples estacionalidades
multiplicativas, aplicando el mtodo multiplicativo de Holt-Winters
los resultados obtenidos al minimizar la funcin objetivo propuesta
para el mtodo multiplicativo de Holt-Winters de 2 y 8 semestres
para el caso de errores aditivos ( = 0) y multiplicativos ( = 1).
Ambos criterios de seleccin favorecieron al mismo modelo, que
en este caso es el de errores aditivos; el margen de error arrojado
por este mtodo es cinco veces menor al de errores
multiplicativos llegando a la conclusin que, el modelo con errores
multiplicativos muestra muy buen ajuste para los primeros datos
un 86% de confiabilidad,. Sin embargo, a ms cantidad de datos
(24 periodos), deja de ajustarse con la precisin que lo hizo al
principio y de hecho, conforme pasa el tiempo, el ajuste parece ir
empeorando.
21
C. TCNICAS DE MINERA DE DATOS APLICADAS A LA
CONSTRUCCIN DE MODELOS DE SCORE CREDITICIO
(Ramrez A., 2007) en su trabajo realizo la comparacin de
diferentes tcnicas como son las de redes neuronales, anlisis
discriminante, mquinas vectoriales de soporte, rboles de
decisiones y regresin logstica, las cuales son ms empleadas de
score crediticio para as determinar patrones de comportamiento de
un cliente como resultados se obtuvo que dentro de las tcnicas
tradicionales, la Regresin Lineal es la que mejor exactitud en
prediccin muestra. Sin embargo, las Redes Neuronales muestran
una mayor exactitud en cada una de las ejecuciones que los
autores realizan. En general, los modelos presentados predicen
mejor los buenos crditos que los malos con excepcin de dos
casos de Anlisis Discriminante (DA). El mejor predictor para la
clase buena (i.e. buen crdito) es una red neuronal probabilstica
(Probabilistic Neural Networks, PNN) mientras que una Red
Neuronal Multicapa Feed-Forward (Multi-Layer Feed Forward
Network, MLFN) predice mejor los crditos malos Por otra parte, se
ha realizado una comparacin entre los distintos modelos en donde
los modelos sobresalientes son las redes neuronales y las
mquinas vectoriales de soporte (SVM). Sin embargo, no se
desconoce el esfuerzo y la precisin presentada por modelos
hbridos. Estos modelos hbridos han mostrado mejores resultados
frente a modelos tradicionales, sin embargo dichos modelos no son
contundentes y la diferencia entre estos y los tradicionales suele
ser muy baja.
Por otra parte, de acuerdo a lo que han reportado varios autores,
las consideraciones importantes para construir un buen modelo
radica en la calidad de los datos escogidos y en la seleccin
adecuada de las variables que inuyen en los modelos.
22
D. APLICACIN DE MINERA DE DATOS PARA LA
EXPLORACIN Y DETECCIN DE PATRONES DELICTIVOS EN
ARGENTINA (Perversi, 2007) en su investigacin realizo la
identificacin y deteccin de patrones de homicidios dolosos
vinculados con el tipo de arma empleada, para tal cometido
utilizaron los algoritmos K-means (para agrupar los hechos segn
su similitud), Induccin, ID3, C4.5 (para identificar reglas de
pertenencia). Obtuvo como resultado que el 98,8% de instancias
bien clasificadas confirma que los clsteres determinados por K-
means responden a un criterio determinado subyacente a los
datos.
E. La investigacin MINERA DE DATOS APLICADA EN LA

DETECCIN DE INTRUSOS realizado por (Vallejo Prez, 2012)
partiendo de una base de datos con captura de conexiones
realizada para el The Third International Knowledge Discovery and
Data Mining Tools Competition, y basados en la metodologa
CRISP-DM, pretendieron mostrar mediante diferentes tcnicas de
modelado que se basan en clculos estadsticos, como la
aplicacin de la minera de datos sirve para analizar y procesar
grandes volmenes de datos de una manera predictiva, con miras
a entregar unos resultados de manera oportuna, eficiente, eficaz y
confiable, entregando informacin que ayuda en la toma de
decisiones en la prevencin de posibles intrusiones.
Utilizaron las tcnicas de modelado que se basan en el uso de
algoritmos, los modelos evaluados o utilizados en su caso de
estudio son: El modelo CHAID, el modelo ARBOL C&R y el modelo
C 5.0.
23
Luego de evaluar cada uno de los modelos segn la necesidad
esperada, se procede a revisar los resultados entregados por el
modelo, es de esta manera como se obtiene un mejor
acercamiento a los datos entregados. El modelo que mejor
comportamiento tiene en evaluar la variable Ataque vs las otras
variables de entrada fue el modelo CHAID. Las conclusiones a las
que llegaron es que la minera de datos basada en una
metodologa adecuada, puede ser muy til en el proceso de
exploracin de datos, toda vez que mediante tecnologas analticas
y procesos estadsticos nos permiti generar reglas que a partir de
datos histricos de capturas, para generar reglas y patrones que
permiten predecir intrusiones.
F. La investigacin APLICACIN DE TCNICAS DE MINERA DE

DATOS PARA MEJORAR EL PROCESO DE CONTROL DE
GESTIN EN ENTEL presentada por (Martnez lvarez, 2012)
tuvo por objetivo reducir el tiempo de clculo de los indicadores de
servicios privados de ENTEL Chile, para lo cual aplic la tcnica de
minera de datos Clustering usando los algoritmos K-means y
tcnicas de clasificacin como rbol de decisiones y redes
neuronales; con la finalidad de identificar relaciones entre los datos
de clientes y servicios, generando conocimiento para la empresa a
travs de la caracterizacin de las preferencias de cada uno.
24
2.2. Estado del arte
A. WAVELET-AND SVM-BASED FORECASTS: AN ANALYSIS

OF THE U.S. METAL AND MATERIALS MANUFACTURING
INDUSTRY" (Fernndez Maturana, 2007) En esta investigacin
se estudia el desempeo de los pronsticos de cuatro modelos
de series temporales: ARIMA multiplicativo estacional,
componentes no observables (UC), wavelets (ondas cortas) y
support vector machines (SVM), obteniendo como resultados
que los mtodos tradicionales de ARIMA y UC suelen ser ms
exactos sin embargo, wavelets y SVM pueden contener
informacin adicional a aquella contenida en los pronsticos de
ARIMA y UC. En consecuencia, las combinaciones lineales de
pronsticos pueden ser preferibles a los pronsticos
individuales. En trminos generales, los resultados muestran
que ARIMA y UC suelen superar, en valor de prediccin del
5%, a SVM y wavelets, mientras que UC es superior a ARIMA
en un nivel de significancia del 1%. Llegando a las siguientes
conclusiones: En primer trmino el horizonte temporal escogido
es un elemento clave para decidir qu modelo o combinacin
lineal de modelos es preferible, en trminos de la calidad de
pronstico. En especial, para pronsticos de mediano y ms
largo plazo, parece ser que el test de Harvey, Leybourne y
Newbold discrimina mejor entre dos modelos competitivos,
sobre la base del error cuadrtico medio y del error medio en
valor absoluto. En segundo trmino, en general, ARIMA y UC
suelen superar a wavelets y SVM. Sin embargo, en varios
casos los dos ltimos pueden contener informacin adicional a
aquella contenida en los pronsticos de los dos primeros. En
consecuencia, las combinaciones lineales de pronsticos
pueden ser preferibles a los pronsticos individuales. Por
25
ltimo, en general, la informacin proporcionada por SVM
resulta de mayor utilidad cuando se consideran combinaciones
lineales de SVM y wavelets. No obstante, SVM puede superar
a UC y ARIMA.
B. PREDICCIN EN SERIES DE TIEMPO CON MODELOS

ADITIVOS (Calvo Rodrguez, 2008), esta investigacin
presenta un algoritmo para la prediccin en series de tiempo y
bsqueda de intervalos de confianza, utilizarn los modelos
aditivos para regresin mltiple y el algoritmo backfitting para
su estimacin. El mtodo utiliz la estadstica no paramtrica
de forma que slo se trabaje con funciones unidimensionales,
ya que se sabe que cuando se trabaja con dimensiones altas
los mtodos son costosos y, en ocasiones, dan problemas. Se
obtuvo como resultado que Modelo Aditivo tiene un margen de
error del 2,77% llegando a la conclusin que este modelo sirve
para solucionar el problema de dimensionalidad.
C. UNA INVESTIGACIN BASADA EN MINERA DE DATOS:

PREDICCIN DE VENTAS PARA COMPAAS
FARMACUTICAS DE DISTRIBUCIN realizado por (Zadeh,
2014) en esta investigacin propone determinar un mtodo de
minera de datos como combinacin de herramientas para
anlisis de red y series de tiempo; con la finalidad de controlar
los niveles de inventario en compaas farmacuticas de
distribucin PDCs para prevenir el costo excesivo de inventario
y prevenir adems la prdida de clientes. Los modelos se
construyen a partir de la metodologa ARIMA.
26
D. MODELOS DE ESPACIO DE ESTADOS SUBYACENTES AL
MTODO MULTIPLICATIVO DE HOLT-WINTERS CON
MLTIPLE ESTACIONALIDAD (Madrigal Espinoza, 2006)
Esta investigacin tuvo como objetivo desarrollar un mtodo de
pronstico basado en suavizacin exponencial que incorpore el
clculo de intervalos de prediccin, para una serie de tiempo
que presenta tendencia aditiva y mltiples estacionalidades
multiplicativas, aplicando el mtodo multiplicativo de Holt-
Winters los resultados obtenidos al minimizar la funcin
objetivo propuesta para el mtodo multiplicativo de Holt-Winters
de 2 y 8 semestres para el caso de errores aditivos ( = 0) y
multiplicativos ( = 1). Ambos criterios de seleccin favorecieron
al mismo modelo, que en este caso es el de errores aditivos; el
margen de error arrojado por este mtodo es cinco veces
menor al de errores multiplicativos llegando a la conclusin
que, el modelo con errores multiplicativos muestra muy buen
ajuste para los primeros datos. Sin embargo, a ms cantidad
de datos (24 periodos), deja de ajustarse con la precisin que
lo hizo al principio y de hecho, conforme pasa el tiempo, el
ajuste parece ir empeorando.
2.3. Bases Terico Cientficas
Se presentan los conocimientos o bases tericas que sern

empleadas a lo largo de la investigacin.
A. Proceso KDD para la obtencin del conocimiento

Segn (Molina Neyra & Murakami de la Cruz, 2008) KDD
(Knowledge Discovery in Databases) es una metodologa
genrica para encontrar informacin en un gran conjunto de
datos y con ello generar conocimiento. Se define como un
proceso no trivial de extraccin de informacin a partir de los
27
datos, la cual se encuentra presente de forma implcita,
previamente desconocida y potencialmente til para el usuario o
para el negocio. El objetivo principal de esta metodologa es
automatizar el procesamiento de los datos, permitiendo a los
usuarios dedicar ms tiempo a las tareas de anlisis y al
descubrimiento de relaciones entre los datos. El KDD es un
proceso que consta de una serie de etapas consecutivas, y
funciona de forma iterativa e interactiva. Iterativa, ya que es
posible regresar desde cualquier etapa a una anterior para
ajustar los parmetros o supuestos previos, e interactiva pues el
usuario experto del negocio tiene que estar presente para
aportar con su conocimiento en la preparacin de los datos y en
la validacin de los resultados que se obtengan durante el
proceso.
Figura 1: Etapas del Proceso KDD
Fuente: (Molina Neyra & Murakami de la Cruz, 2008)
28
Las etapas de este proceso son:
Identificacin del problema en estudio, teniendo un objetivo
claro para el problema a resolver, entendiendo las metas del
proceso y cules son las preguntas que se quieren responder.
Seleccin e integracin de los datos, para contar con un
conjunto objetivo desde el cual obtener el conocimiento. Se
obtienen los datos desde los sistemas operacionales, los cuales
pueden venir en diferentes formatos y en algunas oportunidades
con errores, por lo cual es importante realizar una etapa de
procesamiento.
Preparacin de los datos (limpieza y pre-procesamiento), ya
que en general, como se dijo en la etapa anterior, los datos
provienen desde varias fuentes y en diferentes formatos. En
esta etapa se escogen tcnicas y estrategias para corregir
errores en el conjunto de datos seleccionado, tratar la
informacin faltante y unificar formatos.
Transformacin y almacenamiento de los datos, punto en el
que se pueden reducir o agrupar los datos en las caractersticas
de inters. Se consolida la informacin y escoge una
arquitectura acorde a las necesidades del problema que permita
almacenarla, por ejemplo, un Data Mart.
Seleccin y aplicacin de algoritmos de Data Mining,
utilizando tcnicas adecuadas segn la hiptesis planteada y el
anlisis que se quiera hacer. Las tcnicas seleccionadas
permitirn generar modelos de minera de datos, y con ello
descubrir patrones de informacin implcitos en los datos.
Interpretacin y evaluacin de los patrones encontrados,
identificando los nuevos conocimientos y apoyndose en los
expertos del negocio para ver si se pueden tomar acciones con
estos resultados. Para interpretarlos, es necesario visualizarlos
29
de diversas formas, validando los patrones y modelos de datos,
documentando los procedimientos y consideraciones de manera
que se generen propuestas de valor para el negocio.
B. Minera de datos
Segn (Dandretta, 2002) dice:
La minera de datos est conformada por un conjunto de tcnicas y

algoritmos que sirven para hacer anlisis de conjuntos de datos,
extrayendo patrones y relaciones entre ellos, convirtindolos en
informacin valiosa y til para quienes toman las decisiones.
El uso potencial del Data Mining en las empresas es identificar

nuevas oportunidades de negocio, adaptar los productos ofrecidos
o encontrar los clientes ms valiosos con el fin de retenerlos, y de
esta manera aumentar los ingresos y reducir las prdidas o costos.
Al determinar las caractersticas de los buenos clientes, las
empresas pueden enfocarse en aquellos de caractersticas
similares y disear productos o servicios acordes a sus
necesidades. Dentro de la industria de telecomunicaciones por
ejemplo, las reas de inters donde aplicar minera de datos son:
deteccin de fraude, asignacin de recursos para instalaciones o
servicios tcnicos, anlisis de clientes, pronsticos de demanda,
proyecciones de crecimiento de la industria y prediccin de fallas
en la red. Los algoritmos que destacan en estos casos son los de
regresin, clustering y clasificacin. El uso de minera de datos se
debe entender como un apoyo para los analistas, y no reemplaza al
conocimiento que tienen los expertos del negocio, ni elimina la
necesidad de entender los datos. El Data Mining no funciona por s
slo, ya que los patrones que se encuentren en los datos deben ser
30
interpretados y validados para ver si responden a las consultas del
negocio, y si son aplicables en el mundo real.
C. Tcnicas de minera de datos:
En la figura N 2 nos describe las tcnicas de la minera de

datos.
Figura 2: Tcnicas de Minera de Datos
Fuente (Molina Lpez & Garca Herrero, 2006)
(Molina Lpez & Garca Herrero, 2006) Las tcnicas de Minera

de Datos tratan de obtener patrones o modelos a partir de los
datos recopilados. Una tcnica constituye el enfoque conceptual
para extraer la informacin de los datos.
Cada algoritmo representa, la manera de desarrollar una
determinada tcnica paso a paso. Las predicciones se utilizan
para prever el comportamiento futuro de algn tipo de entidad
mientras que una descripcin puede ayudar a su comprensin.
31
Los modelos predictivos pueden ser descriptivos (hasta donde
sean comprensibles por personas) y los modelos descriptivos
pueden emplearse para realizar predicciones. De esta forma,
hay algoritmos o tcnicas que pueden servir para distintos
propsitos, por lo que la figura N 2 representa para qu
propsito son ms utilizadas las tcnicas. Por ejemplo, las redes
de neuronas pueden servir para prediccin, clasificacin e
incluso para aprendizaje no supervisado.
El aprendizaje inductivo no supervisado estudia el aprendizaje

sin la ayuda del maestro; es decir, se aborda el aprendizaje sin
supervisin. Segn (Valcrcel Asencios, 2004) dice: La
aplicacin de tcnicas de data mining en grandes bases de
datos persiguen los siguientes resultados:
Regresin: (Valcrcel Asencios, 2004) Se persigue la

obtencin de un modelo que permita predecir el valor numrico
de alguna variable (modelos de regresin logstica). Las
regresiones se pueden utilizar por ejemplo para predecir
comportamiento de la demanda futura, utilizando las ventas
pasadas.
Series Temporales: (Ortz Farro, 2015) Es el conocimiento de

una variable a travs del tiempo, para que a partir de ese
conocimiento y con el supuesto de que no se producirn
cambios, poder realizar predicciones. Llamamos Serie de
Tiempo a un conjunto de mediciones de cierto fenmeno o
experimento registradas secuencialmente en el tiempo. Estas
observaciones sern denotadas por:
{x(t1), x(t2), ..., x(tn)} = {x(t) : t T R} con x(ti) el valor de la

variable x en el instante ti.
32
Si T = Z se dice que la serie de tiempo es discreta y si T = R se
dice que la serie de tiempo es continua.
Los mtodos de anlisis de series de tiempo consideran el

hecho que los datos tomados en diversos periodos de tiempo
pueden tener algunas caractersticas de auto correlacin,
tendencia o estacionalidad.
MODELOS CLASICOS DE SERIES DE TIEMPO
MODELOS DE DESCOMPOSICIN
(Ortz Farro, 2015) Un modelo clsico para una serie de

tiempo, supone que una serie x(1), ..., x(n) puede ser
expresada como suma o producto de tres componentes:
tendencia, estacionalidad y un trmino de error aleatorio.
Existen tres modelos de series de tiempos, que generalmente
se aceptan como buenas aproximaciones a las verdaderas
relaciones, entre los componentes de los datos observados.
Estos son:
1. Aditivo: X(t) = T(t) + E(t) + A(t)
2. Multiplicativo: X(t) = T(t) E(t) A(t)
3. Mixto: X(t) = T(t) E(t) + A(t)
Donde:
X(t) serie observada en instante t
T(t) componente de tendencia
E(t) componente estacional
A(t) componente aleatoria (accidental)
Un modelo aditivo, es adecuado, por ejemplo, cuando E(t) no

depende de otras componentes, como T(t), s por el contrario la
estacionalidad vara con la tendencia, el modelo ms adecuado
33
es un modelo multiplicativo . Es claro que este modelo puede
ser transformado en aditivo, tomando logaritmos. El problema
que se presenta, es modelar adecuadamente las componentes
de la serie.
ESTIMACIN DE LA TENDENCIA: (Cruz Arrela, 2010) Patrn de

comportamiento de los elementos en un entorno particular
durante un periodo de tiempo.
Figura 3: Grfico de Tendencia de un conjunto de datos de los aos 1974-

1989
Fuente: (Cruz Arrela, 2010)
Supondremos aqu que la componente estacional E(t) no est

presente y que el modelo aditivo es adecuado, esto es:
X(t) = T(t) + A(t), donde A(t) es ruido blanco.
Hay varios mtodos para estimar T(t). Los ms utilizados

consisten en:
AJUSTE DE UNA FUNCIN

Los siguientes grficos ilustran algunas de las formas de estas
curvas.
34
3. T(t) = a + b ebt
bt
1. T(t) = a + bt (Lineal) 2.T(t) = a e (Exponencial)
(Exponencial modificada)
4. T(t) = b0 + b1t ,...,+ bmtm

5.T(t) = exp(a + b(rt))
(Polinomial)
6. T(t) =
(Gompertz 0 < r < 1)
(Logstica)
ESTIMACIN DE LA ESTACIONALIDAD: (Ortz Farro, 2015)

La estimacin de la estacionalidad no slo se realiza con el fin
de incorporarla al modelo para obtener predicciones, sino
tambin con el fin de eliminarla de la serie para visualizar otras
componentes como tendencia y componente irregular que se
pueden confundir en las fluctuaciones estacionales.
De acuerdo con los modelos de descomposicin, se asume el

siguiente modelo para T(t),
a) Aditivo
35
b) Mixto
Una vez removida la tendencia se obtiene los siguientes

grficos, donde aparece el modelo aditivo y en la el modelo
mixto
Figura 4: Modelo aditivo y mixto
Pues si no hay tendencia, se espera
Como para serie mensual,

entonces basta estimar E(1), E(2), E(3), ... , E(12). Para una
serie trimestral, bastara conocer: E(1), E(2), E(3) y E(4).
Suponga que se ha estimado la tendencia por alguno de los
mtodos vistos en la seccin previa. Sea la estimacin de

la tendencia ya sea mediante una curva o filtros lineales.
Entonces,
36
- Si el modelo es aditivo representa
la serie con los efectos de tendencia removidos.
- Anlogamente, si el modelo es mixto representa la

serie, una vez removidos los efectos de tendencia.
Estas series generadas a partir de la original por eliminacin de

la tendencia se denominan series de residuos y debern
contener predominantemente fluctuaciones estacionales. Para
estimar la estacionalidad se requiere haber decidido el modelo a
utilizar (mixto o aditivo), lamentablemente esto no es siempre
claro, ya sea porque no contamos con informacin a priori para
suponerlo o porque el grfico no ha dejado evidencia
suficientemente clara como para decidirnos por alguno de ellos.
En tal situacin se propone calcular ambas series residuales y
elegir aquella cuyos valores correspondientes a una estacin
dada oscilen menos en torno a su promedio. Son fluctuaciones
peridicas, cuando se observan picos en determinados periodos,
por ejemplo, ventas en navidad o fiestas patrias.
Figura 5: Grfica de valores en el tiempo, donde se observa la estacionalidad
37
Para analizar la estacionalidad de una serie introduciremos un
concepto de gran inters en el anlisis de series temporales:
la funcin de autocorrelacin.
La funcin de autocorrelacin mide la correlacin entre los

valores de la serie distanciados un lapso de tiempo k.
Recordemos la frmula del coeficiente de correlacin simple,

dados N pares de observaciones y, x:
De igual forma, dada una secuencia temporal

de N observaciones x1...xN, podemos formar N-1 parejas de
observaciones contiguas ( x1, x2), ( x2, x3), ...( xN-1, xN) y
calcular el coeficiente de correlacin de estas parejas. A este
coeficiente lo denominaremos coeficiente de autocorrelacin de
orden 1 y lo denotamos como r1. Anlogamente se pueden
formar parejas con puntos separados por una distancia 2, es
decir ( x1, x3), ( x2, x4), etc. y calcular el nuevo coeficiente de
autocorrelacin de orden 2. De forma general, si preparamos
parejas con puntos separados una distancia k, calcularemos el
coeficiente de autocorrelacin de orden k.
Al igual que para el coeficiente de correlacin lineal simple, se

puede calcular un error estndar y por tanto un intervalo de
confianza para el coeficiente de autocorrelacin.
La funcin de autocorrelacin es el conjunto de coeficientes de

autocorrelacin rk desde 1 hasta un mximo que no puede
38
exceder la mitad de los valores observados, y es de gran
importancia para estudiar la estacionalidad de la serie, ya que si
sta existe, los valores separados entre s por intervalos iguales
al periodo estacional deben estar correlacionados de alguna
forma. Es decir que el coeficiente de autocorrelacin para un
retardo igual al periodo estacional debe ser significativamente
diferente de 0.
Relacionada con la funcin de autocorrelacin nos encontramos

con la funcin de autocorrelacin parcial. En el coeficiente de
autocorrelacin parcial de orden k, se calcula la correlacin entre
parejas de valores separados esa distancia pero eliminando el
efecto debido a la correlacin producida por retardos anteriores
a k.
En la figura 5 vemos una grfica tpica de la funcin de

autocorrelacin parcial, en la que se marcan los intervalos de
confianza para ayudar a detectar los valores significativos y cuya
posicin en el eje X nos indicar la probable presencia de un
factor de estacionalidad para ese valor de retardo.
Figura 6: Funcin de autocorrelacin parcial
39
Tcnicas de Series de Tiempo en Minera de Datos
Si bien existen diversas familias de Minera de Datos predictivas,

los datos con los que se cuenta para esta investigacin son
series de tiempo. Por ende, los modelos a aplicar en primer
lugar son los de series de tiempo.
Aunque existen ms mtodos de pronstico, por simplicidad se

presentan slo los considerados ms usuales y sencillos de
llevar a cabo
a. Promedios Mviles: se construye sustituyendo cada

valor de la serie por la media obtenida y algunos valores
inmediatamente anteriores o posteriores. Se considera el
promedio mvil a partir de las tres observaciones ms
recientes. La ecuacin es la siguiente:
b. Suavizacin Exponencial: Este mtodo emplea un promedio

ponderado de la serie de tiempo pasada como pronstico. Se
selecciona solo un factor de ponderacin, el de la observacin
ms reciente. El modelo es el siguiente:
+ 1 = + (1 )
Dnde:
Ft+1: Pronstico de la serie de tiempo en el periodo t + 1
Yt: valor real de la serie de tiempo en el periodo t
Ft: Pronsticos de la serie de tiempo para el periodo t
: Constante de suavizamiento, 0< <1
40
c. ARIMA: (Modelo autorregresivo integrado de media
mvil). Est compuesto por tres componentes:
C: la variable que define la serie temporal y t depende de
una constante C.
c.1 Componente autorregresivo: nmero de retrasos de

la serie Yt que se introducen en el modelo, denotado con
la letra p. Se modela el comportamiento de la variable
como una regresin lineal mltiple, con valores de la serie
temporal, retrasados un periodo de muestreo.
c.2 Componente de media mvil: dependencia de la

serie temporal Yt con valores pasados de los errores.
Numero de errores introducidos al modelo, se denota con
la letra q.
Frmula: arima (p, d,q)
D: orden de diferenciacin.
Proceso Estocstico: Es una sucesin de variables

aleatorias Yt ordenadas, donde t puede tomar cualquier valor.
Se da la evolucin de una variable en funcin de otra (por lo
general el tiempo).
41
d. HOLTWINTERS:
(Coghlan, 2015) El modelo Holt-Winters incorpora un conjunto
de procedimientos que conforman el ncleo de la familia de
series temporales de alisado exponencial. Holt-Winters puede
adaptarse fcilmente a cambios y tendencias, as como a
patrones estacionales. En comparacin con otras tcnicas,
como ARIMA, el tiempo necesario para calcular el pronstico
es considerablemente ms rpido. Esto significa que cualquier
usuario puede poner en prctica la tcnica de Holt-Winters.
Ms all de sus caractersticas tcnicas, su aplicacin en
entornos de negocio es muy comn. De hecho, Holt-Winters
se utiliza habitualmente por muchas compaas para
pronosticar la demanda a corto plazo cuando los datos de
venta contienen tendencias y patrones estacionales de un
modo subyacente.
Esta tcnica se basa en la atenuacin de los valores de la
serie de tiempo, obteniendo el promedio de estos de manera
exponencial; es decir, los datos se ponderan dando un mayor
peso a las observaciones ms recientes y uno menor a las
ms antiguas.
La expresin para realizar el clculo de la suavizacin exponencial
es:
Donde:
Yt : Valor de la serie en el periodo t.
Pt+1: Pronstico o prediccin para el periodo t+1
Pt : Pronstico o prediccin en el periodo t.
: Factor de suavizacin (o< <1)
42
Mtodo aditivo Holt-Winters (Hyndman & Athanasopoulos,
2015). La forma de componentes para el mtodo aditivo es:
Donde h+m=(h1)mod m+1, asegura que las estimaciones

de los ndices estacionales utilizados para pronosticar
provienen del ltimo ao de la muestra. La ecuacin de nivel
muestra una media ponderada entre la observacin
desestacionalizado (ytstm) y el pronstico no estacional
(t1+bt1) para el tiempo de t. La ecuacin de tendencia es
idntico al mtodo lineal de Holt. La ecuacin de temporada
muestra una media ponderada entre el actual ndice de
estacionalidad, (ytt1bt1), y el ndice estacional de la
misma temporada del ao pasado (es decir, tiempo, periodos,
aos).
La ecuacin para el componente estacional suele expresarse
como:
Si sustituimos t de la ecuacin de suavizado para el nivel de

la forma componente anterior, obtenemos:
La forma de correccin de errores de las ecuaciones de

suavizado es:
43
Holt-Winters mtodo multiplicativo (Hyndman & Athana-
sopoulos, 2015). La forma de componentes para el mtodo
multiplicativo es:
Y la representacin de correccin de errores es:
e. Mtodo de tendencia lineal de Holt
(Hyndman R. J., 2015) Holt (1957) extendi suavizacin
exponencial simple para permitir la prediccin de los datos
con una tendencia. Este mtodo implica una ecuacin de
prediccin y dos ecuaciones de suavizado (uno para el nivel y
uno para la tendencia):
Ecuacin Pronstico
Ecuacin nivel
Ecuacin de tendencia.
Donde t denota una estimacin del nivel de la serie en el
tiempo t, bt denota una estimacin de la tendencia (pendiente)
44
de la serie en el tiempo t, es el parmetro de suavizado para
el nivel, 01 y * es el parmetro de suavizacin de la
tendencia, 0 * 1.
La ecuacin de nivel aqu muestra que t es un promedio
ponderado de observacin yt y la muestra dentro de la
previsin de un paso por delante de tiempo t, aqu se da por
t-1 + bt-1. La ecuacin de tendencia muestra que bt es una
media ponderada de la tendencia estimada en el momento t
basado en t-t-1 y bt-1, la estimacin anterior de la tendencia.
La funcin de previsin ya no es plana, sino de tendencias. La
previsin h-paso por delante es igual al ltimo nivel estimado
plus h veces el ltimo valor tendencia estimada. Por lo tanto
las previsiones son una funcin lineal de h.
La forma de correccin de errores del nivel y las ecuaciones
de tendencia muestran los ajustes en funcin de los errores
de prediccin de un paso dentro de la muestra.
Donde:
f. ETS - Exponential smoothing state
(Hyndman R. J., 2015) Mtodos de suavizacin exponencial

han existido desde la dcada de 1950, y son los mtodos de
45
pronstico ms populares utilizados en los negocios y la
industria. Recientemente, suavizado exponencial ha
revolucionado con la introduccin de un marco de
modelizacin completa incorporando innovaciones modelos
de estado espacio, clculo de probabilidades, los intervalos de
prediccin y los procedimientos para la seleccin del modelo.
Los mtodos de suavizacin exponencial son algoritmos que
generan predicciones puntuales. Un modelo estadstico es un
estocstico (o aleatorio) proceso generador de datos que
puede producir una distribucin de toda previsin.
ETS(A, N, N) Suavizacin exponencial simple con errores

aditivos (Hyndman & Athanasopoulos, 2015): La forma de
correccin de errores de suavizacin exponencial simple es
dado por:
t=t1+et
Donde et=ytt1 and y^t|t1=t1. As, et=yty^t|t1
representa un error de pronstico de un solo paso y podemos

escribir yt =t1+et.
Entonces las ecuaciones del modelo se pueden escribir:
yt=t1+t (1.1)
t=t1+t. (1.2)
Nos referimos a (1.1) como la ecuacin de medicin (u
observacin) y (1.2) como la ecuacin de estado (o de
transicin). Estas dos ecuaciones, junto con la distribucin
estadstica de los errores, forman un modelo estadstico
completamente especificado. En concreto, estos constituyen
un modelo de espacio de innovaciones estado subyacente
suavizacin exponencial simple.
46
El trmino "innovaciones" proviene del hecho de que todas las
ecuaciones en este tipo de especificacin utilizan el mismo
proceso de error aleatorio, t. Por la misma razn tambin se
conoce esta frmula como una "fuente nica de error" modelo
en contraste con mltiples fuentes alternativas de
formulaciones de error.
La ecuacin de medicin muestra la relacin entre las
observaciones y los estados no observados. En este caso yt
observacin es una funcin lineal de la t-1 nivel, la parte
predecible de yt, y t error aleatorio, la parte impredecible de
yt. Para otros modelos espaciales innovaciones estatales,
esta relacin puede ser no lineal.
La ecuacin de transicin muestra la evolucin de la situacin
a travs del tiempo. La influencia del parmetro de suavizado
es el mismo que para los mtodos discutidos anteriormente.
Por ejemplo, regula el grado de cambio en los niveles
sucesivos. Cuanto mayor sea el valor de , ms rpido los
cambios en el nivel; cuanto menor es el valor de , ms suave
los cambios. En el extremo ms bajo, donde = 0, el nivel de
la serie no cambia con el tiempo. En el otro extremo, donde
= 1, el modelo se reduce a un modelo de paseo aleatorio, yt =
yt-1 + t.
ETS (M, N, N) Suavizacin exponencial simple con errores
multiplicativos (Hyndman & Athanasopoulos, 2015): Se puede
especificar modelos con errores multiplicativos escribiendo los
errores aleatorios de un solo paso como errores relativos:
47
Entonces podemos escribir la forma multiplicativa del modelo
de espacio de estado como:
g. Redes Neuronales
(Hyndman & Athanasopoulos, 2015) Las redes neuronales

artificiales estn pronosticando mtodos que se basan en
modelos matemticos simples del cerebro. Permiten
relaciones no lineales complejas entre la variable de
respuesta y sus predictores
Arquitectura de red neuronal
Una red neural puede ser pensada como una red de

"neuronas" organizadas en capas. Los predictores (o
entradas) de la capa inferior, y las previsiones (o salidas)
forman la capa superior. Puede haber capas intermedias que
contienen neuronas ocultas.
Las redes muy simples no contienen capas ocultas y son

equivalentes a la regresin lineal. La figura 7 muestra la
versin de la red neural de una regresin lineal con cuatro
predictores. Los coeficientes adjuntos a estos predictores son
llamados "pesos". Las previsiones se obtienen mediante una
combinacin lineal de las entradas. Los pesos son
seleccionados en el marco de redes neuronales utilizando un
48
"algoritmo de aprendizaje" que minimiza una "funcin de
costos" como MSE. Por supuesto, en este sencillo ejemplo,
podemos utilizar la regresin lineal que es un mtodo mucho
ms eficiente para la formacin del modelo.
Figura 7: Una simple red neuronal equivalente a una regresin lineal
Fuente: (Hyndman & Athanasopoulos, 2015)
Una vez que aadimos una capa intermedia con neuronas

ocultas, la red neuronal se convierte en no-lineal. Un ejemplo
sencillo se muestra en la Figura 8.
Figura 8: Una red neuronal con cuatro entradas y una capa oculta
con tres neuronas ocultas.
Fuente: (Hyndman & Athanasopoulos, 2015)
49
Esto se conoce como una red de alimentacin hacia adelante
de mltiples capas, donde cada capa de nodos recibe
entradas de las capas anteriores. Las salidas de los nodos de
una capa son entradas a la capa siguiente. Las entradas a
cada nodo se combinan utilizando una combinacin lineal
ponderada. El resultado es entonces modificado por una
funcin no lineal antes de ser salida. Por ejemplo, las
entradas a la neurona oculta j en la figura 8 se combinan
linealmente para dar:
z j = bj + i = 14wi, jxi.
En la capa oculta, este es entonces modificado usando una
funcin no lineal tal como una sigmoide,
s(z)=11+ez,
Para dar la entrada para la siguiente capa. Esto tiende a
reducir el efecto de valores de entrada extremos, con lo que la
red un poco robusta a los valores atpicos.
Los parmetros b1, b2, b3 y w1,1, ..., w4,3 son "aprendidas"

de los datos. Los valores de los pesos son a menudo
restringidos para evitar que se conviertan en demasiado
grandes. El parmetro que restringe los pesos se conoce
como el "parmetro de decaimiento" y con frecuencia se
ajusta para que sea igual a 0,1.
Los pesos toman valores aleatorios, para empezar, que luego

son actualizados utilizando los datos observados. En
consecuencia, hay un elemento de aleatoriedad en las
predicciones producidas por una red neural. Por lo tanto, la
red est normalmente entrenado varias veces utilizando
diferentes puntos de partida al azar, y los resultados se
promedian.
50
El nmero de capas ocultas, y el nmero de nodos en cada capa
oculta, se deben especificar con antelacin.
Caractersticas de una red neuronal artificial
Paralela: Las RNA cuentan con una gran cantidad de neuronas,

cada una de ellas trabajando simultneamente con una parte del
problema mayor.
Distribuida: Las RNA cuentan con una gran cantidad de

neuronas, a travs de las cuales distribuyen su memoria. Esto
los diferencia de los sistemas computacionales tradicionales, los
que slo cuentan con un procesador y memoria fija.
Adaptativa: Las RNA tienen la capacidad de adaptarse al

entorno modificando sus pesos sinpticos, aprendiendo de las
experiencias, consiguiendo generalizar conceptos a partir de
casos particulares, permitindole encontrar una solucin
aceptable al problema.
Ventajas de las redes neuronales artificiales
Aprendizaje adaptativo: capacidad de aprender a realizar

tareas basadas en un entrenamiento o en una experiencia inicial.
Auto-organizacin: una red neuronal puede crear su propia

organizacin o representacin de la informacin que recibe
mediante una etapa de aprendizaje.
Tolerancia a fallas: la destruccin parcial de una red conduce a

una degradacin de su estructura; sin embargo, algunas
capacidades de la red se pueden retener, incluso sufriendo un
gran dao.
51
Operacin en tiempo real: los cmputos neuronales pueden
ser realizados en paralelo; para esto se disean y fabrican
mquinas con hardware especial para obtener esta capacidad.
Fcil insercin dentro de la tecnologa existente: se pueden

obtener circuitos integrados especializados para redes
neuronales que mejoran su capacidad en ciertas tareas. Esto
facilitar la integracin modular en los sistemas existentes.
Clasificacin: (Valcrcel Asencios, 2004) Se define como la

identificacin de caractersticas o atributos que hacen que un
elemento se vincule a un grupo siguiendo un patrn de datos.
Este ltimo se puede utilizar para predecir cmo se comportarn
nuevas instancias.
Los algoritmos de clasificacin realizan cortes sobre una variable

(lo cual limita su expresividad, pero facilita su comprensin).
Generalmente se usan tcnicas heursticas en su construccin
El algoritmo puede generar un rbol de decisin a travs de los

datos ingresados, seleccionando el atributo que clasifique a los
datos.
Figura 9: Tcnica de clasificacin
Fuente: (Valcrcel Asencios, 2004)
52
Agrupamiento (clustering): Hace corresponder cada caso a una
clase, con la peculiaridad de que las clases se obtienen
directamente de los datos de entrada utilizando medidas de
similaridad. Es decir, agrupan a los datos bajo diferentes mtodos
y criterios. Las tcnicas ms usadas son las clsicas (distancia
mnima) y las redes neuronales (mtodo de Kohonen o mtodo de
Neural-Gas).
El propsito de K-Means es ubicar a los prototipos o centros en el

espacio, de forma que los datos pertenecientes al mismo prototipo
tengan caractersticas similares; todo ejemplo nuevo, una vez que
los prototipos han sido correctamente situados, es comparado con
estos y asociados a aquel que sea el ms prximo, en trminos
de una distancia previamente elegida.
El objetivo que se busca mediante el algoritmo es minimizar la

varianza total intragrupo o la funcin de error cuadrtico, para que
el algoritmo pueda generar mejores resultados
V=
Resumen: Se obtienen representaciones compactas para

subconjuntos de los datos de entrada (anlisis interactivo de
datos, generacin automtica de informes, visualizacin de
datos).
Modelado de Dependencias: Se obtienen descripciones de

dependencias existentes entre variables. El anlisis de relaciones
(por ejemplo las reglas de asociacin), en el que se determinan
relaciones existentes entre elementos de una base de datos,
podra considerarse un caso particular de modelado de
dependencias.
53
Anlisis de Secuencias: Se intenta modelar la evolucin
temporal de alguna variable, con fines descriptivos o predictivos
(redes neuronales multicapas).
Redes bayesianas: Consiste en representar todos los posibles

sucesos en que estamos interesados mediante un grafo de
probabilidades condicionales de transicin entre sucesos. Puede
codificarse a partir del conocimiento de un experto o puede ser
inferido a partir de los datos. Permite establecer relaciones
causales y efectuar predicciones. Una de las caractersticas
principales de los mtodos bayesianos es el uso de distribuciones
de probabilidad para cuantificar incertidumbre de los datos que se
desea modelar. Una de las desventajas de los mtodos
bayesianos es que no pueden realizar predicciones con pocos
datos, ya que no podra proporcionar un modelo correcto con
poca cantidad de informacin. (Aluja, 2001).
rboles de decisin: Permiten obtener de forma visual las reglas

de decisin bajo las cuales operan los consumidores, a partir de
datos histricos almacenados. Su principal ventaja es la facilidad
de interpretacin. La tcnica basada en rboles de decisin es
quizs el mtodo ms fcil de utilizar y entender. Un rbol de
decisin es una estructura jerrquica conformada por un conjunto
de nodos, en donde cada nodo establece una condicin o regla la
misma que puede retornar verdadero o falso.
54
Figura 10: Estructura de un rbol de decisin
Fuente: (Edison, 2010)
D. Metodologa para minera de datos CRISP-DM
Segn (IBM, 2012) dice: CRISP-DM son las siglas de Cross-

Industry Standard Process for Data Mining, es un mtodo
probado para orientar trabajos de minera de datos.
Como metodologa, incluye descripciones de las fases

normales de un proyecto, las tareas necesarias en cada fase y
una explicacin de las relaciones entre las tareas.
Como modelo de proceso, CRISP-DM ofrece un resumen del

ciclo vital de minera de datos.
Segn (The CRISP-DM, 2013) la metodologa CRISP DM,

como lo muestra la Fig. 2, est descrita en trminos de un
modelo de proceso jerrquico, que consiste en una serie de
tareas descritas en cuatro niveles de abstraccin (de lo general a
55
lo especfico): Fases, tareas genricas, tareas especializadas e
instancias de proceso.
Figura 11: Fases del Proceso de Metodologa CRISP-DM
Fuente: (The CRISP-DM, 2013)
Entendimiento del negocio, (The CRISP-DM, 2013)esta fase

inicial se centra en el entendimiento de los objetivos del proyecto
y los requerimientos desde una perspectiva del negocio, para
convertir este conocimiento en un problema de definicin de
minera de datos y un plan preliminar diseado para alcanzar los
objetivos.
Comprensin de los datos, (The CRISP-DM, 2013) esta fase

inicia con una coleccin inicial de datos y procede con
actividades para familiarizarse con ellos, identificar problemas de
calidad en los mismos, descubrir una primera idea de estos o
detectar conjuntos interesantes que permitan formar hiptesis en
la bsqueda de informacin escondida.
Preparacin de los datos, (The CRISP-DM, 2013) cubre todas

las actividades para construir la base final de datos (datos que
56
sern el alimento de las herramientas de modelado) desde una
base en bruto. Es preferible que las tareas de preparacin de
datos se realicen varias veces y no en un orden preestablecido.
Estas tareas incluyen tabulacin, documentacin y seleccin de
atributos, tambin como transformacin y limpieza de datos para
las herramientas de modelado.
Modelado, (The CRISP-DM, 2013) se seleccionan y aplican

varias tcnicas, y sus parmetros son calibrados a los valores
ptimos. Por lo general hay varias tcnicas para el mismo tipo de
problema. Algunas tcnicas tienen requerimientos especficos en
la forma de los datos, por lo tanto ser a menudo necesario
devolverse a la fase de preparacin de datos.
Evaluacin, (The CRISP-DM, 2013) al llegar a esta fase se ha

construido un modelo (s) que aparentan tener una alta calidad
desde la perspectiva del anlisis de datos. Antes de proceder a
la entrega final del modelo es importante evaluarlo ms a fondo
y revisar los pasos ejecutados para construirlo, de tal forma que
este lo ms cercano posible de alcanzar los objetivos del
negocio. Un objetivo clave es determinar si hay algn evento
importante del negocio que no haya sido considerado lo
suficiente. Al final de esta fase, se debe tener una decisin sobre
el uso de los resultados de minera de datos.
Despliegue, (The CRISP-DM, 2013) la creacin del modelo por

lo general no es el final del proyecto. Incluso si el propsito del
modelo es incrementar conocimiento sobre los datos, el
conocimiento ganado necesitar ser organizado y presentado de
una manera que el cliente lo pueda usar. A menudo implica
aplicar modelos en vivo dentro del proceso de toma de
decisiones de una organizacin, por ejemplo, en la
57
personalizacin en tiempo real de las pginas web o la
puntuacin repetida en bases de datos de mercadeo. Sin
embargo, dependiendo de los requerimientos, la fase de
despliegue puede ser tan simple como generar un reporte o tan
compleja como implementar un proceso repetible de minera de
datos a travs de la empresa. En muchos casos es el cliente, no
el analista de datos, quien realiza los pasos de despliegue. Sin
embargo, incluso si el analista no carga con el esfuerzo de
despliegue, es importante que el cliente entienda que acciones
deben ser llevadas a cabo para hacer uso de los modelos
creados.
E. Herramientas para minera de datos
Segn (Microsoft, 2013) existen diversos tipos de

herramientas para apoyar las actividades de minera de
datos:
Asistentes de minera de datos: facilita la creacin
de estructuras y de modelos de minera de datos,
usando orgenes de datos relacionales o datos
multidimensionales en cubos.
Visores de modelos: para explorar los modelos de
minera de datos una vez creados; con ellos, se puede
examinar los modelos mediante visores adaptados a
cada algoritmo o analizar con mayor profundidad
utilizando el visor de contenido del modelo.
Generador de consultas de prediccin: ayuda a
crear consultas de prediccin, tambin puede probar la
exactitud de los modelos respecto a un conjunto de
datos de exclusin o datos externos, o utilizar
validacin cruzada para evaluar la calidad del conjunto
de datos.
58
Herramientas para limpiar datos: contiene
herramientas que puede utilizar para limpiar datos,
automatizar tareas como la creacin de predicciones y
actualizacin de modelos y para crear soluciones de
minera de datos de texto.
F. Libreras para minera de datos
Segn (Edison, 2010) dice:

Algunas de las libreras ms importantes para minera de datos
son:
XELOPES: Es una librera con licencia pblica GNU para

el desarrollo de aplicaciones de minera de datos. Entre
sus principales caractersticas tenemos acceso a datos,
modelos de redes neuronales, mtodos de agrupacin,
mtodos de reglas de asociacin, rboles lineales, rboles
no lineales y exportacin de datos.
MLC++: Es un conjunto de libreras que fueron

desarrolladas por la Universidad de Stanford, basadas en
lenguaje C++. Sus principales caractersticas son acceso
a datos incluyendo archivos de formato plano,
transformacin de datos y mtodos de aprendizaje
mediante objetivos.
Lenguaje R: R es un lenguaje y entorno de programacin

para anlisis estadstico y grfico. Se trata de un proyecto de
software libre, resultado de implementacin GNU del premiado
lenguaje S. R y S-PLUS versin comercial de S- son,
probablemente, los dos lenguajes ms utilizados en
59
investigacin, por la comunidad estadstica, siendo adems
muy populares en el campo de la investigacin biomdica,
bioinformtica y las matemticas financieras.
R proporciona un amplio abanico de herramientas estadsticas
(modelos lineales y no lineales, test estadsticos, anlisis de
seriales temporales, algoritmos de clasificacin y agrupamiento,
etc.).
G. Prediccin
Segn (Bunge, 2001) dice:
El trmino prediccin puede referirse tanto a la accin y al
efecto de predecir como a las palabras que manifiestan
aquello que se predice; en este sentido, predecir algo es
anunciar por revelacin, ciencia o conjetura algo que ha de
suceder.
La prediccin constituye una de las esencias claves de
la ciencia, de una teora cientfica o de un modelo cientfico. As,
el xito se mide por el xito o acierto que tengan sus
predicciones.
La prediccin en el contexto cientfico es una declaracin precisa

de lo que ocurrir en determinadas condiciones especificadas.
Se puede expresar a travs del silogismo: "Si A es cierto,
entonces B tambin ser cierto."
El mtodo cientfico concluye con la prueba de afirmaciones que

son consecuencias lgicas del corpus de las teoras cientficas.
Generalmente esto se hace a travs de experimentos que deben
poder repetirse o mediante estudios observacionales rigurosos.
Una teora cientfica cuyas aseveraciones no son corroboradas
por las observaciones, por las pruebas o por experimentos
60
probablemente ser rechazada. Las teoras que generan
muchas predicciones que resultan de gran valor (tanto por su
inters cientfico como por sus aplicaciones) se confirman o se
falsean fcilmente y, en muchos campos cientficos, las ms
deseables son aqullas que, con nmero bajo de principios
bsicos, predicen un gran nmero de sucesos.
H. Tcnicas de prediccin con minera de datos
Segn (Aluja, 2001) cualquiera que sea el problema a resolver,

no existe una nica tcnica para solucionarlo, sino que puede
ser abordado siguiendo aproximaciones distintas. El nmero de
tcnicas es muy grande y solo puede crecer en el futuro. La
siguiente es una lista de tcnicas:
Anlisis Factoriales Descriptivos: Permiten hacer

visualizaciones de realidades multivariantes complejas y, por
ende, manifestar las regularidades estadsticas, as como
eventuales discrepancias respecto de aquella y sugerir
hiptesis de explicacin.
MarketBasketAnalysis o anlisis de la cesta de la

compra: Permite detectar que productos se adquieren
conjuntamente, permite incorporar variables tcnicas que
ayudan en la interpretacin, como el da de la semana,
localizacin, forma de pago. Tambin puede aplicarse en
contextos diferentes del de las grandes superficies, en
particular el e-comercio, e incorporar el factor temporal.
Tcnicas de clustering: Son tcnicas que parten de una

medida de proximidad entre individuos y a partir de ah,
61
buscar los grupos de individuos ms parecidos entre s,
segn una serie de variables mesuradas.
2.4. Definicin de trminos bsicos
A. Almacn de datos
Es una coleccin de datos orientada a un determinado
mbito (empresa, organizacin, etc.), integrado, no voltil
y variable en el tiempo, que ayuda a la toma de
decisiones en la entidad en la que se utiliza. (Kimball,
1998).
B. Anlisis prospectivo de datos

Anlisis de datos que predice futuras tendencias,
comportamientos o eventos basado en datos histricos.
(Lezcano, 2010)
C. rbol de decisin
Estructura en forma de rbol que representa un conjunto
de decisiones. Estas decisiones generan reglas para la
clasificacin de un conjunto de datos. (Asencios, 2004)
D. Mtodo
Modo ordenado y sistemtico de proceder para lograr un
fin / conjunto de reglas. (Getoor & Ben, 2007)
E. Metodologa
Conjunto de mtodos que se siguen en una disciplina
cientfica / ciencia del mtodo y de la sistematizacin
cientfica. (Grudnitsky, 1992)
62
F. Minera de datos
Descubrimiento de relaciones en grandes conjuntos de
datos. Conjunto de tcnicas aplicadas al proceso de
extraccin y presentacin de conocimiento que yace
implcito en grandes conjuntos de datos, que es
desconocido y til en trminos de negocios, y que permite
predecir en forma automatizada el comportamiento de los
clientes. (Valcrcel Asencios, 2004)
G. Modelo predictivo
Estructura y proceso para predecir valores de variables
especificadas en un conjunto de datos (Lezcano, 2010)
H. Tcnicas de Prediccin
Mtodos que tienen por finalidad obtener estimaciones o
pronsticos de valores futuros de una serie temporal a
partir de la informacin histrica contenida en la serie
observada hasta el momento actual. (Getoor & Ben, 2007)
I. Prediccin de ventas
Se llama previsin de ventas al clculo que hace el
departamento comercial de una compaa del volumen de
ventas que realizar el ao prximo. La realizacin de una
correcta previsin de ventas es vital para una empresa
pues de ella se deriva el presupuesto de ingresos y de
gastos y por consiguiente, las previsiones de fabricacin,
aprovisionamiento, logstica, recursos humanos.
(Schaefer, 2012).
63
CAPITULO III
MARCO
METODOLGICO
64
CAPTULO III: MARCO METODOLGICO
3.1. Tipo y Diseo de la Investigacin
La presente investigacin es:
De tipo Tecnolgica Propositiva
La elaboracin de la investigacin es tecnolgica, porque

tiene como objetivo la implementacin de una solucin
basada en Minera de Datos.
Y propositiva, porque los resultados obtenidos en funcin de

los indicadores son estimaciones que se podran generar al
implementar dicha aplicacin.
Su diseo Cuasi-Experimental: Porque consiste en

seleccionar los grupos de la muestra en los que se prueba
la variable sin ningn tipo de seleccin aleatoria.
3.2. Poblacin y muestra
3.2.1 Poblacin
La poblacin est compuesta por el nmero registros de

ventas de periodos 2011-2014 de la Empresa El Astro
S.A.C.
Comprobante emitido. Representa el documento que se

origina por la compra de un artculo, que generan los
ingresos por ventas como indicador de avance en un
periodo.
65
Tabla 1: Ventas - Ao 2011
AO MES COMPROBANTES
EMITIDOS
2011 AGOSTO 287
SEPTIEMBRE 991
OCTUBRE 983
NOVIEMBRE 841
DICIEMBRE 2012
TOTAL 5114
Fuente: Base de Datos de la Empresa de El Astro S.A.C Agosto

2011 - Diciembre 2011
AO MES COMPROBANTES
EMITIDOS
2012 ENERO 1162
FEBRERO 1270
MARZO 1491
ABRIL 1114
MAYO 1120
JUNIO 1249
JULIO 1273
AGOSTO 1287
SEPTIEMBRE 1166
OCTUBRE 1121
NOVIEMBRE 1003
DICIEMBRE 2007
TOTAL 15263
Fuente: Base de Datos de la Empresa de El Astro S.A.C Enero 2012

- Diciembre 2012
66
AO MES COMPROBANTES
EMITIDOS
2013 ENERO 1613
FEBRERO 1396
MARZO 1273
ABRIL 1075
MAYO 1383
JUNIO 1339
JULIO 1537
AGOSTO 1242
SEPTIEMBRE 1148
OCTUBRE 1214
NOVIEMBRE 1311
DICIEMBRE 2404
TOTAL 16935

- Diciembre 2013
AO MES COMPROBANTES
EMITIDOS
2014 ENERO 1612
FEBRERO 1550
MARZO 1755
ABRIL 1227
MAYO 1368
JUNIO 1298
TOTAL 8810

- Junio 2014
Comprendiendo un total de 46122 registros de la base de

datos de ventas de la empresa El Astro S.A.C.
67
3.2.2 Muestra
Como es una base de datos la informacin es accesible;

debido a eso se trabajar con los 46122 registros de las
ventas por lo tanto no se requiere muestreo.
3.3. Hiptesis
Mediante la comparacin de tcnicas de minera de datos se

podr elegir la tcnica para la prediccin de ventas en el sector
comercial de artculos deportivo.
3.4. Variables Operacionalizacin
3.4.1. Variable Independiente
Tcnicas de Minera de Datos
3.4.2. Variable Dependiente
Prediccin de ventas
68
3.5. Operacionalizacin
Tabla 5: Operacionalizacin de Variables
Variable Dimensiones Indicadores Frmula

independiente
Tiempo de
procesamiento
Tcnicas de Tiempo T1 / T2
del modelo
Minera de
Datos Nmero de
puntos mnimos
Datos MP1 / MP2
para el
procesamiento
de estimaciones
Variable Dimensiones Indicadores Formula

Dependiente
Tiempo para
Tiempo generar
TP
estimacin
(Sistema)

= 100 ( )
Prediccin de
ventas 100)
Confiabilidad de
los pronsticos PCPV: Porcentaje de
generados
Grado de confiabilidad de prediccin de
confiabilidad (Mide la
Ventas.
confiabilidad del
modelo con
MP: Monto pronosticado
respecto a las
predicciones
realizadas) MR: Monto real
N: Nmero de observaciones
Fuente: Elaboracin Propia
69
3.6. Mtodos, tcnicas e instrumentos de recoleccin de datos
3.6.1 Mtodos:
Observacin del comportamiento del sistema, para conocer

los procesos que se realizan en la prediccin de ventas.
Pruebas en la data simulando escenarios, utilizando

herramientas de minera de datos que permitan evaluar cada
una de las tcnicas de minera de datos seleccionada.
3.6.2 Tcnicas e instrumentos de recoleccin de datos:

Ficha de observacin de pruebas y comportamiento del sistema
3.7. Procedimiento para la recoleccin de datos

Para la recoleccin de datos se usar las siguientes tcnicas.
3.7.1 Observacin
Mediante esta tcnica, se pretende observar el

comportamiento del sistema implementado con las
tcnicas de minera de datos.
3.7.2 Prueba del sistema
Las tcnicas implementadas sern puestas en marcha

procesadas para determinar su nivel de desempeo de
acuerdo con los indicadores.
3.8. Anlisis estadstico e Interpretacin de los datos
El Anlisis estadsticos de los datos se basa en el:
3.8.1 Uso de tablas, para evaluar resultados de las tcnicas

de minera de datos
70
3.8.2 Uso de grficos estadsticos, para evaluar resultados
de las tcnicas de minera de datos.
3.8.3 Uso de tcnicas estadsticas como la media y

desviacin estndar.
3.9. Principios ticos
3.9.1 Confidencialidad: Asegura la proteccin de la

identidad de la institucin y las personas que participan como
informantes de la investigacin.
3.9.2 Objetividad: El anlisis de la situacin encontrada se

basa en criterios tcnicos e imparciales.
3.9.3 Originalidad: Se citan las fuentes bibliogrficas de la

informacin.
3.9.4 Veracidad: La informacin mostrada es verdadera,

cuidando la confidencialidad.
3.10. Criterios de rigor cientfico
3.10.1 Confiabilidad: Se realizan clculos estadsticos para

la determinacin del nivel de consistencia interna de los
instrumentos de recoleccin de datos.
3.10.2 Validacin: Se validan los instrumentos de

recoleccin de datos y la propuesta de solucin a travs de
Juicio de Expertos.
71
3.11. Evaluacin econmica del software
Para calcular el costo del software se utiliz la formulacin de

Barry W. Boehm.
ANLISIS PRELIMINAR
DEFINICIN DE REQUERIMIENTOS:
Donde:
RS = Responsabilidades del Sistema
Se considera la siguiente lista, siendo seis:
a. Generar modelo de series de tiempo

b. Entrenar modelo
c. Monitorear actividades
d. Realizar estimaciones
e. Generar reportes
f. Visualizar comparacin de modelos predictivos
RS = 6
F = Funciones de Sistema:
F = 280 RS
MF = Miles de Funciones
F
MF =
1000
1680
MF =
1000
= .
72
ESF = Esfuerzo.
ESF = 2.4(MF)1.05
ESF = 2.4(1.68)1.05
= .
TDES = Tiempo de Desarrollo
TDES = 2.5(ESF)0.38
TDES = 2.5(4.13795714)0.38
= .
CH = Cantidad de Hombres por MES
CH = ESF/TDES
4.13795714
CH =
4.29
CH = 0.9645
CHM = Costo Hombre por Mes
CHM = CH SPM (Salario Promedio Mensual)
CHM = 1 2400
CD = Costo de Desarrollo
CD = ESF CHM
CD = 4.138 2400
= S/. 9,931.20
73
Por las caractersticas del proyecto, los siguientes indicadores son:
Tabla 6: Indicadores /Factores por Medida de Proyecto
Pequeo
Indicadores Modo
2 MF
Esfuerzo 5.00
Productividad 400.00
Orgnico
Tiempo de Desarrollo 4.60
Personal 1.10
Fuente: Elaboracin propia
Tabla 7: Distribucin de esfuerzo y tiempo de desarrollo por etapas
Indicador / Modo Fases 2 MF

Esfuerzo
Orgnico Estudio
6%
Preliminar
Anlisis 16%
Diseo y Desarrollo 68%
Diseo 26%
Desarrollo 42%
Prueba e
16%
Implantacin
Tiempo de Desarrollo
Orgnico Estudio
10%
Preliminar
Anlisis 19%
Diseo y
63%
Desarrollo
Prueba e
18%
Implantacin
74
CAPITULO IV
ANLISIS E
INTERPRETACIN DE
LOS RESULTADOS
75
CAPTULO IV: ANLISIS E INTERPRETACIN DE LOS DATOS
4.1. Resultados en tablas y grficos
Siendo el objetivo general de este estudio:
Realizar un anlisis comparativo de las tcnicas de minera de datos

para la prediccin de ventas orientado a la comercializacin de
artculos deportivos.
Este anlisis se realizar midiendo tres indicadores
A. Confiabilidad de los pronsticos generados por el modelo
Este indicador mide la capacidad de confianza de cada algoritmo

evaluado, dado los objetivos de esta investigacin donde se
debe evaluar las tcnicas, en este caso son: Holtwinters, Holt y
ETS para seleccionar la tcnica que tenga mejor confianza.

= 100 ( 100)

PCPV: Porcentaje de confiabilidad de prediccin de Ventas.

MP: Monto pronosticado
MR: Monto real
N: Nmero de observaciones
Tabla 8: Generacin de los Pronsticos
Consolidado
Meses HoltWinters Holt ETS
Venta Real
Evaluados (Soles) (Soles) (Soles)
(Soles)
ene-14 S/. 164.891,50 S/. 203.112,45 S/. 252.664,36 S/. 207.161,92
feb-14 S/. 194.987,90 S/. 217.362,01 S/. 222.369,47 S/. 205.319,15
mar-14 S/. 211.407,09 S/. 198.673,48 S/. 209.334,76 S/. 206.194,54
abr-14 S/. 164.574,00 S/. 200.435,65 S/. 171.514,71 S/. 186.049,64
may-14 S/. 200.738,60 S/. 229.804,80 S/. 172.390,20 S/. 186.415,82
jun-14 S/. 193.210,80 S/. 225.109,57 S/. 174.608,26 S/. 186.763,31
76
En la Tabla N 08 se muestra los resultados obtenidos del pronstico
generado con los algoritmos HoltWinters, Holt y ETS en comparacin al
consolidado de la venta real de los ltimos seis meses.
Grfico 1: Pronsticos de Ventas de HoltWinters, Holt y ETS
Pronosticos generados de HoltWinters, Holt y ETS

S/. 300.000,00
S/. 250.000,00
Ventas
S/. 200.000,00
S/. 150.000,00
S/. 100.000,00
S/. 50.000,00
S/. 0,00
dic.-13 ene.-14 ene.-14 feb.-14 mar.-14 mar.-14 abr.-14 may.-14 may.-14 jun.-14
Meses evaluados
Consolidado Venta Real HoltWinters Holt ETS Lineal (Consolidado Venta Real
(Soles) (Soles) (Soles) (Soles) (Soles))
En el grfico N 1 podemos observar que los puntos que se acercan a

la lnea de tendencia de consolidado real corresponden a ETS
77
Tabla 9: Resultados obtenidos con la frmula aplicada
Meses
HoltWinters Holt ETS
Evaluados
ene-14 23,18 53,23 25,64
feb-14 11,47 14,04 5,30
mar-14 6,02 0,98 2,47
abr-14 21,79 4,22 13,05
may-14 14,48 14,12 7,14
jun-14 16,51 9,63 3,34
Total 15,58 16,04 9,49
PCPV= 100 %- Total = Grado de confianza
Grado de
Confianza HW= 84,42 % Holt= 83,96 % ETS=90,51 %
En la tabla N 9, observamos que de acuerdo a la frmula aplicada el
porcentaje de confiabilidad del modelo con respecto a los pronsticos
arrojados en los meses determinados en la muestra obteniendo un
grado de confianza en HoltWinters 84.42 %, Holt con un 83.96%
y ETS obtuvo el 90.51%. Por lo tanto el nivel de confianza ms
elevado corresponde a ETS.
B. Tiempo de procesamiento para obtener la estimacin
Este indicador mide el tiempo que le toma a cada tcnica

calcular u obtener la estimacin requerida. Segn los objetivos
iniciales de la investigacin.
1 2 / 3
T1: TIEMPO DE PROCESAMIENTO DE ALGORITMO 1

78
Tabla 10: Tiempo de Procesamiento entre HoltWinters, Holt y ETS
Iteraciones Holtwinters Holt ETS

realizadas (Segundos) (Segundos) (Segundos)
100 1,23 0,37 3,81
200 2,42 0,74 7,39
300 3,57 1,18 11,16
400 4,79 1,52 15,91
500 6,54 1,86 20,01
600 7,66 2,39 24,54
700 8,55 2,70 28,70
800 10,00 3,47 32,29
900 12,69 4,17 36,56
1000 12,64 3,85 42,95
Promedios 7,01 2,23 22,33
En la Tabla N 10 podemos apreciar las iteraciones y el tiempo en
segundos que demoran los algoritmos para el procesamiento de los
datos. El algoritmo Holt tiene mejor tiempo de procesamiento en cada
iteracin equivalente a un promedio de 2.23 segundos.
Grfico 2: Tiempo de Procesamiento entre HoltWinters, Holt y ETS
Tiempos de Procesamiento en segundos

HoltWinters, Holt y ETS
50,00
40,00
Segundos
30,00
20,00
10,00
0,00
0 200 400 600 800 1000 1200
Iteraciones
Holtwinters Holt ETS
79
Grfico 3: Tiempo Promedio entre HoltWinters, Holt y ETS
Tiempo Promedio: HoltWinterts vs Holt vs ETS

25
20
Tiempo en Segundos
15
10
0
Holtwinters Holt ETS
Mtodos
El grfico N 3 representa el promedio de los algoritmos usados

para el procesamiento de los datos, en el cual podemos
observar que el algoritmo de ETS es el que mayor tiempo
demor para dicho procesamiento.
C. Nmero de puntos mnimos para el vector que procesar el

modelo
Este indicador mide la capacidad de las tcnicas y la variabilidad

de sus resultados en funcin al nmero de datos histricos que
ingresa en el vector de series de tiempo, donde se evala
gradualmente la disminucin de los mismos para evaluar el
rendimiento de los algoritmos, hasta determinar cul es el
mnimo de datos que puede tratar el modelo.
1 2 / 3
80
Tabla 11: Nmero de Meses Mnimos para el Procesamiento
de Estimaciones para HoltWinters, Holt y ETS
Escenario
Nmero de
(Estado) (Estado) (Estado)
meses
35 1 1 1
34 1 1 1
33 1 1 1
32 1 1 1
31 1 1 1
30 1 1 1
29 1 1 1
28 1 1 1
27 1 1 1
26 1 1 1
25 1 1 1
24 1 0 0
Podemos apreciar en la Tabla N 11 que HoltWinters trabaja con

datos acumulados.
Grfico 4: Cantidad de meses mnimos para el

procesamiento HoltWinters, Holt y ETS
Nmero de meses para Procesamiento: HoltWinterts - Holt - ETS
2
Estado
1
0
35 34 33 32 31 30 29 28 27 26 25 24
Escenarios: Nmero de Mess
En el grfico N 4 podemos observar que no ha existido

decaimiento en cuanto a la cantidad mnima requerida para el
procesamiento en los algoritmos utilizados.
81
D. Tiempo para generar estimacin en el sistema
Este indicador mide el tiempo en la solucin diseada, con

respecto a la usabilidad del usuario en el simulador del sistema
web para generar un anlisis que obtenga una estimacin
requerida.
Tabla 12: Tiempo de Procesamiento del Sistema Web
Escenarios Evaluados Sistema Web

1 15
2 25
3 28
4 30
5 32
6 30
7 33
8 35
9 38
10 40
Promedio 30,60 seg.
En la Tabla N 12 se observa que el tiempo promedio de generacin de

estimaciones en el sistema web es de 30,60 segundos.
Grfico 5: Tiempo de generacin de pronsticos en Mdulo
Tiempo de generacin de estimaciones en Mdulo

Web
60
Segundos
40
20
0
1 2 3 4 5 6 7 8 9 10
Escenarios evaluados
El grfico N5 nos permite observar la variacin del tiempo de

generacin de pronsticos en el Mdulo Web.
82
4.2. Contrastacin de la hiptesis.
En cuanto a la contrastacin de la hiptesis podemos afirmar que

se pudieron ejecutar los objetivos planteados y realizar un anlisis
comparativo del rendimiento de las tcnicas de minera de datos
utilizadas en esta investigacin para la prediccin de ventas. Los
objetivos alcanzados fueron realizar una evaluacin de las
tcnicas de minera de las cuales se seleccion los modelos que
mejor se adaptan para este tipo de prediccin como son las series
de tiempo utilizando los algoritmos de HoltWinters, Holt y ETS
debido a que en dichos mtodos tiene presentes los componentes
de nivel, tendencia y estacionalidad la cual se adapta a la data
proporcionada, logrando desarrollar la aplicacin que muestra los
resultados generados al comparar los mtodos utilizados, con el
fin de poder analizar los resultados obtenidos.
4.3. Discusin de los resultados.
A. Grado de confiabilidad de los pronsticos generados por

el modelo
Con respecto al primer indicador comparando las tres

tcnicas, es decir Holtwinters, Holt y ETS. Podemos decir
que ETS obtuvo el nivel de confianza ms elevado en
comparacin a HoltWinters y Holt, esto se denota en los
valores obtenidos al aplicar la frmula de MAPE (valor real y
el monto pronstico para saber el grado de relacin que
existe uno con respecto del otro), obteniendo un 84.42% de
grado de confianza de HoltWinters, el 83,96 % de grado de
confianza de Holt y el 90,51% de grado de confianza de ETS
83
lo que significa que en esta comparacin ETS es el que
mayor grado de confianza obtuvo.
B. Tiempo de procesamiento para obtener la estimacin
En el tiempo de procesamiento al evaluar estas tcnicas se

obtuvo que con el mtodo Holt el tiempo promedio de
ejecucin de 2.23 segundos siendo superior a diferencia de
HoltWinters, que tiene 7,01 segundos y ETS con 22,33
segundos.
C. Nmero de puntos mnimos para el vector que procesara

el modelo
Para el caso del tercer indicador, se evalu distintos

escenarios donde se mide la cantidad de meses que puede
procesar cada tcnica, en esta evaluacin se obtuvo el
resultado que HoltWinters, Holt y ETS soportaron la
ejecucin para todos los escenarios planteados, es decir
desde 35 meses hasta vectores pequeos de 25 meses.
D. Tiempo para generar estimacin en el sistema
Para el ltimo indicador se obtuvo que, en la usabilidad del

sistema web, se gener un tiempo promedio de 30.6
segundos para generar una estimacin.
84
CAPITULO V
DESARROLLO DE LA
PROPUESTA
85
CAPITULO V: DESARROLLO DE LA PROPUESTA
5.1. Generalidades
Es una solucin informtica que pretende validar certeramente la
estimacin de ventas de la empresa Astro S.A.C., a partir del
descubrimiento de patrones de ventas de cada cliente, los cuales
sern analizados aplicando para ello Minera de Datos.
Esta tesis adems plantea un anlisis descriptivo comparativo, de
las tcnicas a utilizar en la creacin del modelo predictivo,
analizando en primer orden el problema y las variables que se
consideran de ingreso y como estas tcnicas se utilizarn, adems
de evaluar los resultados de las mismas.
A. Caractersticas del producto
Nombre del Producto: ANLISIS COMPARATIVO DE TCNICAS

DE MINERA DE DATOS PARA LA PREDICCIN DE VENTAS
Plataforma y Arquitectura: La Aplicacin Web estar

desarrollada en el lenguaje de programacin PHP junto con el
gestor de base de datos SQL SERVER 2014.
Facilidad de Uso: La aplicacin permite interactuar con los datos

por medio de visualizacin de reportes.
Adaptabilidad: Esta solucin es fcilmente adaptable a

empresas dedicadas a la comercializacin de artculos
deportivos.
86
Grado de Confianza: Con la comparacin de los modelos
predictivos se obtendrn los resultados especficos y se estimar
el margen de error mnimo con las predicciones arrojadas, se
escoger el mejor modelo que brinde mejores resultados.
B. Funciones del Sistema Web

Mdulo de Monitoreo de Actividades El sistema web tendr
la funcin de monitorear el estado de las actividades (ventas,
compras).
Mdulo de Estimaciones El sistema web tendr la funcin
en realizar estimaciones ventas y compras mensuales y
trimestrales seleccionando los algoritmos adecuados.
Mdulo de Estudio Este mdulo permite dar origen a un
estudio, y establecer los valores necesarios para tal.
C. Usos del producto

Evaluacin de usuarios: Brindar la informacin necesaria
para evaluar y confirmar las ventas calculadas en base a las
simulaciones en el cual debe fluctuar la nueva estimacin de
venta.
Ayuda a la toma de decisiones: Permitir fortalecer la toma de
decisiones para mejorar el crecimiento y mejora del rea de
ventas.
Grficas de anlisis: Se analizar a travs de grficas
estadsticas el comportamiento de ventas.
87
5.2. Metodologa de desarrollo
Para la siguiente investigacin se ha propuesto dividirla en dos

etapas, una que comprende todo lo relacionado al desarrollo de
modelos de prediccin usando la minera de datos, en esta
etapa se contemplar todas las fases que se utilizan en la
Metodologa de desarrollos de modelos de minera de datos,
desde la comprensin del negocio, datos iniciales,
transformacin de datos, modelado y aplicacin del algoritmo,
evaluacin de performance. Para la segunda etapa este informe
detallar las fases para el diseo y construccin del sistema
web, y como se mostrarn los resultados que permitan a los
supervisores y analistas mejorar el anlisis de ventas, cabe
resaltar que en esta etapa se emplear la Metodologa de
desarrollo gil XP. Se aplica el siguiente marco conceptual para
el desarrollo de esta investigacin:
Dado que la investigacin tiene como esquema principal, el
modelo de minera de datos se ha resuelto determinar
brevemente un cuadro comparativo para la determinacin de la
metodologa que permita resolver esta etapa.
88
Tabla 13: Comparacin de Metodologas de Desarrollo de Modelo de Minera
de Datos
Metodologas de Desarrollo de CRISP-DM SEMMA
Modelo de Minera de datos
Libre eleccin de herramientas 2 0
Todas las fases pueden relacionar 2 0
Procesos de Inteligencia de 2 0
Negocios
Comercial Licencias - Privativa 0 2
Tcnicas de ETL 2 2
Mdulo de referencia para el 2 0
usuario
Total 10 4
Se asign pesos a los diferentes criterios para las metodologas

(Si=2 y NO=0). Se determina usar CRISP-DM, por ser una
metodologa flexible en cuanto a herramientas, adems que integra
el proceso de comprensin de negocio (Gestin del proyecto por
objetivos empresariales) y obtuvo el mayor peso, SEMMA es una
buena alternativa siempre y cuando se use en proyecto con
tecnologas SAS.
89
Figura 12: Metodologa de Trabajo
Metodologa de Trabajo
Etapa I - Metodologia Crisp DM para el Etapa II - Metodologia XP para el
Modelo de Minera de datos (80 % de desarrollo de la aplicacin web (20 %
objetivo) objetivo)
Herramientas Herramientas
R project PHP - JS - HTML5 - CSS
SQL Server SQL Server
Comprensin del negocio (Requerimiento y objetivos del negocio)

Comprensin de los datos (Entendimiento de la estructura de datos de la entidad)
Preparacin de los datos (Adecuacin de los datos para el modelo)
Modelado (Implementacin de los algoritmos de entrenamiento a utilizar)
Evaluacin (Anlisis comparativo de algoritmos)
Etapa I - Crisp DM Optimizacin (Mejora del modelo y retroalimentacion)
Anlisis (Requerimiento de interfaz de usuario)

Diseo (Preparacion de la arquitectura de la aplicacion)
Implementacin (Codificacin de la aplicacin)
Pruebas Entorno de desarrollo
Etapa II - XP
Cabe recalcar que ambas etapas no son consecutivas, aunque

si depende una de la otra para su funcionamiento, su desarrollo
puede ser dado en un escenario de paralelismo, es decir si bien
la aplicacin web necesita tener un modelo funcionando con
datos para poder visualizar, la construccin de la interfaz web se
puede dar desde el momento en que se determinan los objetivos
del negocio del modelo de minera.
90
1. Etapa I Diseo del modelo de Minera de datos
A. Comprensin del negocio
a. Descripcin del problema
El Astro S.A.C es una empresa de comercializacin de artculos

deportivos, uno de sus procesos crticos es la venta, cuya
frecuencia es diaria. La venta es un proceso por el cual se cuantifica
el valor del costo de servicio, para cuantificar este valor es
necesario realizar una serie de procesos detallados de la siguiente
manera:
Tabla 14: Periodo - Ventas
PERIODO VENTAS
ABRIL 145 874
MAYO 145 874
JUNIO 158 745
Es uno de los principales procesos que realizan
b. Necesidades y Expectativas
b.1.Bsqueda de la mejora en las predicciones con respecto

a las ventas de artculos deportivos en un periodo de tiempo
determinado.
b.2.Implementar una nueva y mejor tcnica para la
automatizacin del proceso de prediccin.
91
c. Objetivos de Negocio
c.1 Analizar tendencias de prediccin con respecto a las

ventas de artculos deportivos.
c.2 Realizar pronsticos de ventas de forma anual, mensual y

trimestral, con base en un nivel de confianza previamente
definido en un periodo determinado.
d. Criterios de xito
d.1 Confiabilidad de los pronsticos arrojados en un

determinado periodo.
d.2 Facilidad de acceso en la interaccin del usuario al portal
web.
e. Evaluacin de la situacin
e.1 Se cuenta con la base de datos de ventas de artculos

deportivos anual registrada por empresa El Astro S.A.C
desde el ao 2011. Esta informacin es usada como fuente
principal en el ingreso de los datos necesarios para la
creacin del modelo de series de tiempo.
f. Requerimientos
f.1 El sistema debe permitir generar reportes para la

visualizacin de las predicciones de las ventas de artculos
deportivos en tiempos anuales, mensuales y trimestrales.
f.2 Visualizar la comparacin de modelos predictivos y

utilizando el mejor para beneficios de la empresa.
92
g. Restricciones
g.1 Se requiere la base de datos de todas las ventas desde
hace 5 aos de antigedad como mnimo para los procesos
de entrenamiento y testeo del modelo.
g.2 De la informacin obtenida, los datos deben estar libre de

errores y valores en valores en blanco.
h. Determinacin de los Objetivos de minera de datos

h.1 Objetivos del Proyecto
h.1.1 Generar un modelo de series de tiempo, que arroje

predicciones con un alto grado de confianza en un tiempo
determinado.
h.2.2 Entrenar el modelo para su mejor eficiencia.
h.3.3 Testear el modelo para el resultado.
h.2 Criterios de xito del proyecto
h.2.1 Confiabilidad del modelo diseado e implementado.
h.2.2 Optimizacin del tiempo para la generacin de

reportes.
B. Comprensin de los datos
Anlisis descriptivo de una serie de tiempo

En esta fase se busca la determinacin de existencia de
comportamiento estacional en la serie de ventas para lo cual
como primer paso ser graficarla, esto permitir identificar su
tendencia, estacionalidad y variaciones irregulares.
93
Figura 13 : Series de Tiempo
Estacionalidad
Series de
tiempo
Variaciones
Tendencia
irregulares
B.1 Recoleccin de los Datos del Negocio Iniciales
a. Proceso de Adquisicin
Los datos obtenidos corresponden a la venta de artculos

deportivos de forma anual y mensual.
b. Seleccin de las Variables a utilizar
- Tiempo: Atributo principal para el proceso de prediccin, ya que

permite el ordenamiento de la serie. Se tomarn datos desde el
ao 2011-2014.
- Monto_Ventas: Atributo que contiene la informacin de los

resultados de las ventas de artculos deportivos en forma anual
y mensual. Datos guardados en Microsoft Excel y que sern
migrados manualmente a la base de datos creada para el
94
proceso de entrenamiento del modelo creado con el software R-
Project.
c. Datos y mtodos de captura

Los datos son extrados de la base transaccional de ventas
existente en la empresa en SQL 2014.
Figura N 14 : Diagrama E-R Esquema Ventas
d. Exploracin de Datos
La construccin del modelo de prediccin se desarrolla con
informacin obtenida desde el ao 2011 hasta el ao 2014.
Estos datos son los que ingresan en una pequea base de datos
obtenida por la migracin de datos en repositorios ofimticos a la
base de datos en el gestor SQL Server 2014 para que realice el
entrenamiento del modelo; de los cuales se utiliza el 70% para el
entrenamiento y el 30% para las pruebas de predicciones.
95
Figura 15: Entidades Ventas - DetalleVenta
Al realizar este proceso de aprendizaje en el modelo se obtiene

un valor aproximado que medir el rendimiento del modelo
mostrando el porcentaje de error, el cual deber ser mnimo para
demostrar que el modelo est bien creado con un alto grado de
certeza.
Tabla 15: Ventas de Artculos Deportivos 2011-2014
Aos / Ene Feb Mar Abr May Jun Jul Ago Set Oct Nov Dic
Meses
2011 - - - - - - - 290 290 290 290 290
2012 290 290 290 290 290 290 230 309 221 272 269 346
2013 300 269 310 285 306 303 295 295 298 296 298 297
2014 296 296 149 288 290 277
96
C. Preparacin de los datos
c.1 Datos Seleccionados
De la base de datos obtenida, se obtienen diferentes tipos de
informacin con respecto a la venta de artculos deportivos, lo
cual son datos relevantes, para ello, se ha realizado un anlisis
de la data con los atributos a utilizar para el correcto
funcionamiento del modelo. Debe considerarse adems que se
ha analizado y utilizado los campos Anulada, para el proceso de
limpieza de datos.
Figura 16 : Scripts SQL para Ventas
c.2 Estructuracin de los datos
Para la creacin del modelo con series de tiempo, los atributos

utilizados son identificados de la siguiente manera: al atributo
periodo se denota como ao y mes; y al atributo monto venta
como total, ya que representa el objetivo a predecir, como se
97
muestra en la siguiente imagen. En esta fase preparamos los
datos para tener la forma:
Tabla 16: Serie de tiempo preparacin de datos
Aos / Meses Ene Feb Mar Abr May Jun Jul Ago Set Oct Nov Dic
2011 - - - - - - - 290 290 290 290 290
2012 290 290 290 290 290 290 230 309 221 272 269 346
2013 300 269 310 285 306 303 295 295 298 296 298 297
2014 296 296 149 288 290 277
D. Modelado
Tabla 17: Evaluacin de las tcnicas de minera de datos
Tcnicas de Descripcin Algoritmos Adecuados para esta

Minera investigacin?
Modelos de 2 HoltWinters SI. Solo se usa ventas

Regresin variables Holt y periodo en anlisis
ETS
Basado en reglas
Clasificacin por construcciones rbol de decisiones No
lgicas mltiples
variables
Hechos en comn A priori
Asociacin para determinado FP-Growth No
grupo de datos clat
mltiples variables
Agrupacin de
Agrupacin series de vectores K means No
en un mapa de
dispersin.
Redes Modelos Backpropagation No
Neuronales matemticos Red Neuronal R -
nnetar.R
98
En este caso se propone construir un modelo de minera de datos de
pronsticos usando series de tiempo, por lo que se evaluarn las
siguientes tcnicas usadas en este rubro:
Tabla 18: Modelos de Minera de Datos
Modelo de minera de datos

para pronsticos con series
HoltWinters Holt ETS Arima
de tiempo (Modelos de
Regresin)
Evaluacin fundamento terico
Modelo parametrizado SI SI SI SI
Datos estacionales SI SI SI SI
Mtodo estadstico SI SI SI SI
Capacidad iterativa NO NO NO NO
(Aprendizaje)
Cantidad de datos de la 24 25 25 80
serie
Evaluacin fundamento computacional
Procesamiento CPU Mnimo Mnimo Mnimo Mnimo
Consumo RAM Mnimo Mnimo Mnimo Mnimo
Tiempo computacional Mnimo Mnimo Mnimo Mnimo
Evaluacin fundamento objetivo del modelo
Confiabilidad de precisin Despus Despus de Despus de Despus de

pronstico de pruebas pruebas pruebas pruebas
99
Se ha considerado usar HoltWinters, Holt y ETS por requerir un
nmero adecuado de meses, con la que se dispone en el histrico
de ventas, sin embargo para este caso debido a la cantidad de
datos se cuenta no es factible emplear el algoritmo ARIMA.
HoltWinters Suavizado exponencial
Holt (1957) y Winters (1960) extendieron el mtodo de Holt para

capturar estacionalidad. El mtodo de temporada Holt-Winters
comprende la ecuacin de pronstico y tres ecuaciones de
suavizado - uno para el nivel tendencia, estacional y variacin
cclica (Coghlan, 2015).O
Hay dos variaciones a este mtodo que difieren en la naturaleza

del componente estacional. Se prefiere el mtodo aditivo cuando
las variaciones estacionales son ms o menos constante a travs
de la serie, mientras que se prefiere el mtodo multiplicativo
cuando las variaciones estacionales estn cambiando proporcional
al nivel de la serie. Con el mtodo aditivo, el componente
estacional se expresa en trminos absolutos en la escala de la
serie observada, y en la ecuacin de nivel de la serie se ajusta
estacionalmente restando el componente estacional. Dentro de
cada ao, el componente estacional se suma a aproximadamente
cero. Con el mtodo multiplicativo, el componente estacional se
expresa en trminos relativos (porcentajes) y la serie se ajusta
estacionalmente dividiendo a travs por el componente
estacional. Dentro de cada ao, el componente estacional se suma
a aproximadamente m.
100
MTODO HOLTWINTERS
Los pasos para aplicar este mtodo son:
1. Obtener la serie de tiempo objetivo
2. Si existieran datos nulos/vacos (completar la serie con el

promedio o mediana, segn criterio del investigador)
3. Calcular el promedio por ao.
4. Identificar y determinar si la serie presenta un esquema

aditivo o multiplicativo, para lo cual se emplea las
siguientes frmulas (Ver anexo N 1: Prueba de
Laboratorio Funcionamiento del HoltWinters Ad o mul).
5. Una vez determinado el esquema, aplicamos el

entrenamiento de la serie (dejando el ltimo valor de la
serie, para validar el modelo) con las frmulas
correspondientes (segn esquema)
101
Donde:
Es la observacin en el periodo t.
Es el nivel medio desestacionalizado de la serie en el
periodo t.
Es la tendencia de la serie en el periodo t, es decir
incremento o decremento del nivel medio
desestacionalizado durante un periodo.
Es el componente estacional en el periodo t
Pronstico para el periodo t+k basado en datos
hasta t
( ) Son los parmetros de
suavizado, asociados con el nivel medio, la tendencia y la
estacionalidad respectivamente, siendo el nmero de
periodos que componen el ciclo estacional.
102
6. Los valores de los parmetros anteriormente descritos,
pueden ser asignados manualmente por el investigador
(ver columnas Dt, Ft, bt, It-p, It de anexo N 2)
7. Realizar el pronstico. (ver columna: f t+k de anexo N 2 )
8. Determinar el Error de estimacin. (Ver columna: Dt - ft+k

de anexo N2).
Para esta investigacin se usa el componente aditivo en las

formulas Holtwinters.
Grfico 6: Algoritmo HoltWinters
Fuente: (Hyndman R. J., 2015)
103
El algoritmo inicial ser el de Holtwinters, esta es una tcnica
usada en pronsticos en negocios, da importancia a los meses
recientes, para el estudio la frecuencia de distribucin ser de 12
(Equivalente a los 12 meses de cada ao, como se determin la
matriz de ingreso en la preparacin de los datos).
Al aplicar el algoritmo Holtwinters al histrico de las ventas el

modelo realiza el entrenamiento de la serie donde determina de
manera automtica e interpretativa los valores de componentes
de la serie de tiempo, estos valores son el alpha (variacin), beta
(tendencia) y gamma (estacionalidad). Su valor oscila entre 0 a 1
Los coeficientes se calculan y tambin los valores de
entrenamiento y residuales:
Grfico 7: Aplicacin de Algoritmo
Fuente: (Consola de Ejecucin)
104
En el grfico N 8 Se observa la representacin del histrico
real (color negro) y el entrenamiento generado por el modelo
(lnea roja), siendo que mientras la lnea roja tienda a
aproximarse a la real, el pronstico que genere este
aprendizaje tendr mayor confiabilidad.
Grfico 8: Valores de entrenamiento vs Valor Real usando Holt-Winters
105
En el grfico N 9, podemos observar valores de
entrenamiento nivel, tendencia y estacionalidad.
Grfico 9: Valores de Entrenamiento usando Holt-Winters
En el grafico N 10, se muestra los coeficientes con los que

trabaja Holt-Winters:
Grfico 10: Coeficientes de Holt-Winters
Una vez obtenido estos valores se aplica la extraccin del

pronstico requerido, en este caso solo interesa el prximo
valor futuro, adems se calcula la mnima y mxima como
106
rango esperado, en el grafico N 11, se aplica el
entrenamiento para sacar pronstico de los prximos tres
meses.
Grfico 11: Predicciones aplicando Holtwinters
Mtodo de Holt - Alisado Exponencial

(De la Fuente Fernndez, 2011) El mtodo propuesto por Holt es
un mtodo de alisado exponencial que utiliza dos parmetros de
alisado en lugar de uno. Es aplicable tambin a series que tengan
una tendencia aproximadamente lineal y ha dado muy buenos
resultados en la previsin de distintas reas de la economa
empresarial: gestin de stocks, financiacin, ventas, etc.
Las dos variables alisadas que se calculan en este mtodo tienen

una relacin directa e inmediata con los parmetros del modelo
lineal
La estimacin del trmino dependiente utilizando t observaciones

da la ordenada o nivel de la tendencia para ese punto.
En el mtodo Holt se calculan directamente dos variables de

alisado por cada momento del tiempo:
107
1.
Fuente: (De la Fuente Fernndez, 2011)
En esta investigacin se usa el mtodo Holt suavizado exponencial,

con el siguiente cdigo:
108
Grfico 12: Script del algoritmo Holt
Al aplicar el algoritmo Holt al histrico de las ventas obtenemos el

siguiente resultado:
Grfico 13: Aplicacin del algoritmo Holt
En el grfico N 14 de similar manera en el grfico de datos reales

y entrenamiento de Holtwinters, se pueden apreciar los valores de
la serie al aplicar Holt, en este caso se observa una tendencia no
ajustada entre las dos representaciones.
109
Grfico 14: Valores de entrenamiento vs Valor Real usando Holt
En el grfico N 15 se muestra los valores de entrenamiento

nivel y tendencia.
Grfico 15: Valores de Entrenamiento Holt
110
En el grafico N 16, se muestra los coeficientes con los que trabaja
Holt.
Grfico 16: Coeficientes de Holt
Una vez obtenido estos valores se aplica la extraccin del

pronstico requerido, en el grafico N 11, se aplica el
entrenamiento para sacar pronstico de los prximos tres meses
Grfico 17: Predicciones aplicando Holt
ETS EXPONENTIAL SMOOTHING STATE
Es una regla de la tcnica general para suavizar los datos de series

de tiempo, sobre todo para aplicar de forma recursiva hasta tres
filtros de paso bajo con funciones de la ventana exponenciales.
Estas tcnicas tienen amplia aplicacin que no est destinado a ser
rigurosamente exactos o fiables para cada situacin. Es un
111
procedimiento fcil de aprender y fcil de aplicar para el clculo
aproximado o recordar algn valor, o para hacer alguna
determinacin sobre la base de suposiciones previas por parte del
usuario, tales como la estacionalidad.
En este caso supondremos que la serie Z1, Z2,..., Zn exhibe una

tendencia cuadrtica por consiguiente los mtodos de
suavizamiento exponencial simple y doble no son aplicables a
series con este tipo de comportamiento. La idea es considerar un
triple suavizamiento siguiendo los lineamientos con los cuales fue
construido el suavizamiento exponencial doble. Es decir, el modelo
en cuestin es:
Fuente (Vallejos, 2012)
112
Para esta investigacin se usa el algoritmo suavizamiento
exponencial simple aditivo, con el siguiente cdigo:
Grfico 18: Script del Algoritmo ETS
Fuente: (Hyndman R. J., 2015)
Al aplicar el algoritmo ETS al histrico de las ventas obtenemos

el siguiente resultado:
Grfico 19: Aplicacin del algoritmo ETS
113
En el grfico N 20 se puede apreciar la descomposicin estacional
que realiza el algoritmo ETS para el entrenamiento de la serie.
Grfico 20: Grfico de entrenamiento vs Valor Real usando ETS
En el grfico N 21 muestra los valores de entrenamiento de las ventas

teniendo en cuenta la frecuencia.
Grfico 21: Valores de Entrenamiento ETS
114
En el grafico N 22, se aplica el entrenamiento para obtener el
pronstico de los prximos tres meses
Grfico 22: Predicciones aplicando ETS
E. Evaluacin
e.1 Evaluar los resultados
e.2 Objetivos Criterios de Evaluacin del Negocio
e.2.1 Analizar tendencias de ventas:
El modelo permite generar grficos de series donde se
puede apreciar la tendencia de la variable ventas en los
aos y meses que se han pronosticado.
e.2.2 Realizar pronsticos de produccin para el

prximo trimestre:
El modelo muestra los pronsticos generados para los
prximos meses y aos.
e.2.3 Confianza del Modelo:

Se puede llegar a determinar la confianza de los
pronsticos haciendo comparaciones con valores reales,
pues mientras menor sea el error, mayor ser la confianza
del modelo.
115
e.3 Objetivos - Criterios de Evaluacin del Proyecto
e.3.1 Se ha generado un modelo de series de tiempo, que
permite realizar pronsticos futuros a 3 saltos siguientes.
e.3.2 El modelo permite entrenar y testear la data para

obtener un porcentaje de confianza del mismo.
ALGORITMO PARA ANALISIS Y COMPARACION DE RESULTADOS

ENTRE TECNICAS VER ANEXO N 3: PLAN DE PRUEBAS
116
Datos Generados, simulacin entre datos histricos y estimaciones
realizadas con ambos algoritmos
2. Etapa II Metodologa XP para el desarrollo de aplicacin web
A. Fase I: Gestin de Proyecto

a.1 Planificacin del Proyecto
Tabla 19: Prioridad y Dificultad de Historia de Usuario
HISTORIA DE USUARIO PRIORIDAD N ITERACIONES
1. CONSULTAR Y GENERAR
REPORTES DE ACTIVIDAD ALTA 3
MENSUAL Y ANUAL
2. GENERAR PROYECCIONES Y
ESTIMACIONES. ALTA 3
3. GESTION DE USUARIOS.
MEDIA 2
4. GESTION DE REPORTES
MEDIA 2
Fuente: Extrado de la Metodologa XP
La prioridad es definida por el aspecto del sistema, es decir, la funcin

principal en este caso est representado por las dos primerias historias
117
de usuario, que hacen referencia al tratamiento de los datos, dejando
de lado en menor grado a las siguientes historias como la gestin de
usuarios o la de reportes. Por lo que es necesario al finalizar la primera
iteracin que los entregables cuenten con un avance satisfactorio para
el cliente ofreciendo un producto funcional.
a.2 Diario de Actividades
Una vez obtenida la prioridad por historia de usuarios, y en funcin a

la dificultad y nmero de iteraciones, se establece el siguiente
cronograma de actividades que permite tener un mejor control sobre
las iteraciones y los documentos entregables de esta.
Tabla 20: Esquema de Diario de Actividades
ACTIVIDADES TIEMPO
MES1 MES2 MES3
I1 I1 I1 I1 I1 I1 I1 I1 I1 I
HISTORIA DE
USUARIO 1
I1 I1 I1 I1 I1 I1 I1 I1 I1
HISTORIA DE
USUARIO 2
I1 I4
HISTORIA DE
USUARIO 3
I1 I4
HISTORIA DE
USUARIO 4
Fuente: Extrado de la Metodologa XP
118
a.3 Historia de usuario detallado
Tabla 21: Requerimiento 01
Historia de Usuario
Nmero: 1 Usuario: Supervisor de Ventas
Nombre historia: CONSULTAR Y GENERAR REPORTES DE ACTIVIDAD

MENSUAL Y ANUAL
Prioridad en negocio: Riesgo en desarrollo:

Alta Baja
Entrevistado:
Descripcin:
El Jefe de departamento podr acceder al mdulo de monitoreo de
informacin anual.
Observaciones:

Historia de Usuario
Nmero: 2 Usuario: Gerente General
Nombre historia: GENERAR PROYECCIONES Y ESTIMACIONES

Alta Baja
Entrevistado: Gerente General y Jefe de Ventas
Descripcin:
El Gerente y jefe de departamento podrn acceder al mdulo de
proyecciones y estimaciones donde podrn simular con los datos cualquier
escenario posible que le permita el sistema de anlisis, puede visualizar el
modelo por defecto o generar nuevos valores a partir de simulaciones.
Observaciones:
119
Historia de Usuario
Nmero: 3 Usuario: Administrador del Sistema
Nombre historia: GESTIN DE USUARIOS

Alta Baja
Entrevistado:
Descripcin:
El sistema contar con 2 niveles de usuario: Administrador y Operarios.
Cada uno de ellos tendr restricciones en el sistema.
Administrador: Acceso a todos los mdulos del sistema.
Operarios: Acceso a la visualizacin de reportes del modelo, que son los
resultados de las predicciones.
El sistema debe permitir, visualizar y estructurar nuevos reportes.
Observaciones:

Historia de Usuario
Nmero: 4 Usuario: Gerente General
Nombre historia: Administracin del Sistema

Alta Baja
Entrevistado: Gerente General
Descripcin:
El administrador de sistema tiene potestad de dar de alta, edicin o baja
a los reportes del portal y establecer los permisos segn negocio donde
sean dirigidos.
Observaciones:
120
a.4 Requerimientos no funcionales
- Facilidad de Uso: Se pretende que el sistema se muestre en un

entorno amigable y de fcil uso. De modo que el impacto que
sufrirn los usuarios para comprender la informacin mostrada
sea de fcil acceso.
- Escalabilidad: La herramienta permitir generar nuevos reportes
segn los nuevos requerimientos.
- Portabilidad: La solucin usa herramientas de Microsoft con el fin
de adaptarse a las herramientas utilizadas en la entidad.
- Seguridad: Gestionar el acceso de los usuarios y los permisos a
los mdulos del sistema.
a.5 Identificacin de Stakeholders
a.5.1 Jefe de Ventas, encargado del rea de facturacin y los

procesos dentro de este. Es quien se encarga de los
procedimientos para el anlisis, estrategias y ver los reportes de
las ventas.
a.5.2 Supervisor de Ventas es ayudante del Jefe de ventas,

encargado de velar por el proceso de ventas.
121
B. FASE II: Diseo
Base de Datos Relacional
El sistema est diseado para cumplir dos propsitos, la captura

de los datos que viene a ser la migracin de los documentos
ofimticos en funcin al consolidado de produccin mensual,
siendo este la mnima unidad representativa de tiempo
registrado, por lo tanto, el sistema contempla esta captura de
datos y el almacenamiento de informacin por parte de la
ejecucin del modelo, as como los datos administrativos del
sistema.
C. FASE III: fase de Implementacin
La codificacin se realiz en lenguaje PHP con HTML5.
Grfico 23: Codificacin HTML5 y PHP
122
Con lo cual se obtuvo las siguientes interfaces.
Grfico 24: Inicio de sistema
Grfico 25: Indicadores consolidados de Ventas
123
Grfico 26: Resultados del modelo
Grfico 27: Generador de estimaciones y proyecciones
124
CAPITULO VI
CONCLUSIONES Y
RECOMENDACIONES
125
CAPITULO VI: CONCLUSIONES Y RECOMENDACIONES
6.1. Conclusiones
a. Se realiz la evaluacin de las tcnicas de minera de datos

Regresin, Series temporales, Redes Neuronales,
Agrupamiento teniendo como resultado que las tcnicas ms
adecuadas para el mbito de ventas en esta investigacin
son las de series de tiempo, siendo muy utilizado por las
ciencias de econometra, los mtodos de Holtwinters (sector
financiero) como lo afirma (Calvo Rodrguez, 2008) en su
investigacin, cabe destacar que el uso de redes neuronales
para la determinacin de pronsticos financiero no ha sido
del todo aceptado por la comunidad, ya que al ser un
proceso iterativo variante, no hay un principio exacto que
permita demostrar obtener dicho resultado.
b. Se realiz el anlisis comparativo de tcnicas de minera de

datos con lo cual se demostr que para esta investigacin las
de series temporales se ajusta a nuestro estudio para lo cual
dicha comparacin y anlisis se muestra en la tabla N 17, de
acuerdo a los criterios de seleccin se obtuvo que para el
presente trabajo de investigacin las tcnicas ms
adecuadas son HoltWinters, Holt y ETS como se muestra en
la tabla N 18. Siendo ETS el que mejor confiabilidad
presenta, Podemos decir que ETS obtuvo el nivel de
confianza ms elevado en comparacin a HoltWinters y Holt,
esto se denota en los valores obtenidos al aplicar la frmula
de MAPE (valor real y el monto pronstico para saber el
grado de relacin que existe uno con respecto del otro),
obteniendo un 84.42% de grado de confianza de HoltWinters,
126
el 83,96 % de grado de confianza de Holt y el 90,51% de
grado de confianza de ETS lo que significa que en esta
comparacin ETS es el que mayor grado de confianza
obtuvo.
En el tiempo de procesamiento al evaluar estas tcnicas se
obtuvo que con el mtodo Holt el tiempo promedio de
ejecucin es de 2.23 segundos siendo superior a diferencia
de HoltWinters, que tiene 7,01 segundos y ETS con 22,33
segundos.
c. Se seleccion el modelo de evaluacin para medir o

comparar tcnicas mediante los indicadores los cuales fueron
la confiabilidad que obtuvo el modelo al predecir las ventas y
el tiempo que demoro en generar los pronsticos. En el caso
de los resultados al evaluar los algoritmos se obtuvo que
ETS tiene mejor confiabilidad, sin embargo, genera un
tiempo elevado (22 segundos) para procesar los datos,
analizando el mbito de aplicacin del algoritmo donde se
trazan valores consolidados, es un tiempo aceptable que no
atae a la eleccin de este algoritmo. Tambin podemos
decir que Holt y HoltWinters pueden estimar a ms
horizontes aunque no son tan precisos, pero ETS aunque es
preciso no es tan bueno si alejas el horizonte.
d. Se desarroll la aplicacin para evaluar los resultados

obtenidos. El sistema se dise en PHP obteniendo una
interfaz capaz de interactuar con el servidor a fin de ejecutar
los modelos, ya sean reales o de simulacin para que el
usuario realice las pruebas pertinentes.
127
6.2. Recomendaciones
a. Se recomienda establecer un mecanismo de anlisis en

funcin a los requerimientos y performance de la tcnica, en
esta investigacin se analiz los factores que conllevan a una
tcnica en la incidencia de su nivel de confiabilidad, como por
ejemplo el tamao de vector histrico que se requiere.
b. Se recomienda que para realizar pronsticos utilizando

algoritmos de series de tiempo como son los mtodos Holt-
Winters, Holt y ETS se debe emplear como mnimo 25 meses
de datos histricos los cuales ingresan en el vector de series
de tiempo, adems debe considerarse el objetivo de los
pronsticos, en la investigacin se demostr que ETS es un
buen algoritmo cuando se trata de valores cercanos, sin
embargo al alejar el horizonte de pronsticos genera ruido
que no permite obtener buenos pronsticos como en un
horizonte 3.
c. Otro de los factores a recomendar para futuras

investigaciones es que los criterios de anlisis del algoritmo
como es el caso del tiempo, estn sujetos a la naturaleza del
negocio, en este caso aceptar que ETS es un buen algoritmo
por que se aplica a consolidados de ventas. Sin embargo
para casos en los cuales se necesite realizar procedimiento
de minera masiva (como el perfil de carga de un
determinado cliente), ETS no sera una buena alternativa por
el tiempo de procesamiento que demandara.
128
BIBLIOGRAFA
129
BIBLIOGRAFA
Aluja. (2001). La Minera de Datos, entre la estadstica y la inteligencia artificial.

http://www.idescat.cat/sort/questiio/questiiopdf/25.3.4.Aluja.pdf
Asencios, V. V. (2004). Datamining y el Descubrimiento del Conocimiento. Revista de

la Facultad de Ingenieria Industrial, 5.
Barrientos, F. (Setiembre de 2013). Aplicacin de Minera de Datos para Predecir

Fuga de Clientes en la Industria de las Telecomunicaciones. Revista Ingeniera
de Sistemas.
Bunge, M. (2001). La investigacin cientfica: Su estrategia y su filosofa. Siglo XXI

Editores. Obtenido de http://es.wikipedia.org/wiki/Predicci%C3%B3n
Calvo Rodrguez, A. (2008). Prediccin en series de Tiempo con Modelos Aditivos.

Espaa: Universidade da Corua.
Coghlan, A. (2015). A Little Book of R for Times Series. Cambrigde: Trust Sanger
Institute, Cambridge, U.K. .
Consola de Ejecucin, R.-P. (s.f.). Consola de ejecucin en R - PROJECT.
Cruz Arrela, L. (2010). Minera de Datos con Aplicaciones. En L. Cruz Arrela.
Dandretta, G. H. (2002). Web mining: implementando tcnicas de data minning en un

servidor web. Universidad de Belgrano.
De la Fuente Fernndez, S. (2011). Alisado Series Temporales. Universidad Autnoma

de Madrid: Departamento de Economa Aplicada.
E.Kendall, K., & Kendall, J. E. (2005). Anlisis y diseo de sistemas. Mxico: PEARSON
EDUCACIN.
Edison, R. (2010). Minera de datos.
Espaola, R. A. (s.f.). Diccionario de la Real Academia Espaola.
Fernndez Maturana, V. P. (2007). Wavelet-and SVM-based forecasts: An analysis of

the U.S. metal and materials. Resources Policy, 1-2.
Garca Bermdez, J. A., & Acevedo Ramrez, . M. (2010). Anlisis para Prediccin de
ventas utilizando minera de datos en Almacenes de grandes superficie.
Pereira: Universidad Tecnologica de Pereira.
Getoor, L., & Ben, T. (2007). Introduccin a estadstica de relacin de aprendizaje.

MIT.
130
Grudnitsky, B. J. (1992). Diseo de sistemas de informacin. Teora y Prctica.
Mxico: Megabyte Grupo Noriega.
http://www.r-project.org/. (s.f.). Obtenido de http://www.r-project.org/:

http://www.r-project.org/
Hyndman, R. J. (2015). Github. Obtenido de Github:

https://github.com/robjhyndman/forecast
Hyndman, R., & Athanasopoulos, G. (2015). Texts Online, Open - Access Textbooks.
Obtenido de Texts Online, Open - Access Textbooks: https://www.otexts.org/
IBM. (2012). Manual CRISP-DM de IBM SPSS Modeler. EEUU: IBM.
Kimball, R. (1998). The Data Warehouse Lifecycle Toolkit. Wiley India.
Lezcano, R. D. (2010). Minera de datos.
Ma, N. (2013). Neural network algorithm based method for stock price trend
prediction. Beijing, China: Asian Network for Scientific Information.
Madrigal Espinoza, S. D. (2006). MODELOS DE ESPACIO DE ESTADOS SUBYACENTES AL

MTODO MULTIPLICATIVO DE HOLT-WINTERS CON MLTIPLE
ESTACIONALIDAD. San Nicols de los Garza, Nuevo Len - Mxico.
Martnez lvarez, C. (Octubre de 2012). Aplicacin de tcnicas de minera de datos

para mejorar el proceso de control de gestin en ENTEL. Santiago, Santiago,
Chile.
Microsoft. (2013). MSDN Library.
Molina Lpez, J. M., & Garca Herrero, J. (2006). Tcnicas de Minera de Datos
basadas en Aprendizaje Automtico. Tcnicas de Anlisis de datos.
Universidad Carlos III de Madrid.
Molina Neyra, C. A., & Murakami de la Cruz, S. E. (2008). Implementacin de una

solucin informtica basado en M-Commerce aplicado a sistemas de
distribucin comercial. Lima, Lima, Lima.
Nojek, S., Britos, P., Rossi, B., & Garca, M. R. (2008). Prnostico de Ventas:
Comparacin de Prediccin basada en Redes Neuronales versus Mtodo
Estadstico. Reportes Tcnicos en Ingenieria del Software, 1-12.
Ortz Farro, P. (03 de 2015). MINERA DE DATOS CON SERIES DE TIEMPO EN EL

DESARROLLO E IMPLEMENTACIN DEL SISTEMA INTELIGENTE QUE PREDICE
LA PRODUCCIN DE ARROZ EN EL MBITO DE LA GERENCIA REGIONAL DE
AGRICULTURA LAMBAYEQUE. Universidad Seor de Sipn.
131
Perversi, I. (2007). Aplicacin de Minera de Datos para la Explotacin y Deteccin de
Patrones Delictivos en Argentina. XIII Congreso Argentino de Ciencias de la
Computacin.
Ramrez A., A. Y. (2007). Tcnicas de Minera de Datos Aplicadas a la Construccin de

Modelos de Score Crediticio. Mathematical Problems in Engineering.
Rowley. (1994). The Basics of Systems Anlisis and Design for Information Managers.
Londres: Clive Bingley.
Schaefer, J. M. (2012). El deporte, los artculos deportivos y la industria del deporte.

OMPI - Organizacin mundial de la propiedad intelectual.
Senn, J. A. (1992). Anlisis y diseo de sistemas de informacin. Mxico: McGraw-Hill.
Servente, M. (2002). Algoritmos TDIDT Aplicados a la Minera Inteligente. Argentina:

Facultad de Ingeniera - Universidad de Buenos Aires.
Siccha Vega, H. W. (2012). Minera de Datos aplicados a las ventas con Tarjeta de
Crdito realizados en las tiendas Saga Falabella. Lima, Lima, Per:
Universidad Tecnolgica del Per.
Std, I. (1993). IEEE Software Engineering Standard: Glossary of Software Engineering

Terminology. IEEE Computer Society Press.
The CRISP-DM, c. (2013). CRISP-DM 1.0. Step Data Mining guide.
Valcrcel Asencios, V. (2004). Data Mining y el descubrimiento del conocimiento.

Industrial Data, 83-86.
Vallejo P., D., & Tenelanda V., G. (2012). Minera de datos aplicada en deteccin de
intrusos. Medelln: USBMed Vol. 3, N 1.
Vallejo Prez, D. &. (2012). Minera de datos aplicada en deteccin de intrusos.

Medellin: Ubicacin en Biblioteca USB Medelln (San Benito): CD-2031t.
Vallejos, R. (2012). Introduccin a las Series Cronolgicas. Universidad Tcnica

Federico Santa Mara .
Vidaurre Siadn, Y. (Abril de 2012). Aplicacin de redes neuronales artificiales para el

pronstico de la demanda de agua potable en la empresa EPSEL S.A de la
ciudad de Lambayeque. Chiclayo, Chiclayo, Lambayeque.
Wang, X. (2013). Prediccin del estado de la red de abastecimiento basada en un

modelo ptimo de combinacin de minera de datos. California, EEUU:
Journal of Applied Sciences.
Zadeh, N. K. (2014). Una investigacin basada en minera de datos: Prediccin de

ventas para compaas farmacuticas de distribucin. Hindawi, 15.
132
ANEXOS
ANEXOS
133

Tesis Roque Montalvo Irene

Cargado por

Copyright:

Formatos disponibles

Tesis Roque Montalvo Irene

Cargado por

Información del documento

Descripción original:

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Tesis Roque Montalvo Irene

Cargado por

Copyright:

Formatos disponibles

FACULTAD DE INGENIERIA, ARQUITECTURA Y

ANLISIS COMPARATIVO DE TCNICAS DE

PARA OPTAR EL TTULO PROFESIONAL DE

Bach. IRENE LEYDI ROQUE MONTALVO

Pimentel, 09 de noviembre de 2016

Irene Leydi Roque Montalvo

Ing. Heber Ivn Meja Cabrera

Mg. Rosa Amrica Cobeas Snchez

Ing. Denny John Fuentes Adrianzn

A mis padres, por su comprensin, paciencia y nimo.

A mi asesor, por su orientacin y colaboracin en el desarrollo de este

Al Dr. Jorge Narvez Restelli, Jefe del Departamento de Ayuda al

FIGURA 1: ETAPAS DEL PROCESO KDD .................................................................................. 28

FIGURA 9: TCNICA DE CLASIFICACIN.................................................................................... 52

GRFICO 1: PRONSTICOS DE VENTAS DE HOLTW INTERS, HOLT Y ETS ............................. 77

TABLA 1: VENTAS - AO 2011................................................................................................. 66

El presente trabajo denominado ANLISIS COMPARATIVO DE

El problema no trata sobre la construccin de un modelo de minera de

El mbito de estudio de esta investigacin se centra en la empresa El

Minera de Datos, Pronsticos, Holtwinters, Holt, ETS.

This paper called "COMPARATIVE ANALYSIS OF DATA MINING

Data Mining, Forecasts, Holtwinters, Holt, ETS.

El desarrollo de sistemas informticos en la actualidad ha tenido un

1.1. Situacin Problemtica

Desde hace algunas dcadas, el hombre se ha visto en la

1.2. Formulacin del problema

En este campo de la minera de datos se han realizado

A pesar de que estos algoritmos obtuvieron en promedio hasta

1.3. Delimitacin de la Investigacin

Esta investigacin est enfocado al anlisis comparativo de

El sistema contempla dos mdulos, uno para visualizar los datos

1.4. Justificacin e Importancia

El motivo de desarrollo de esta investigacin es que existe un

Desde el punto de vista social, las tcnicas para minera de

Desde el punto de vista tecnolgico, la presente investigacin

Desde el punto de vista acadmico, la presente investigacin

1.5. Limitaciones de la Investigacin

Los datos histricos extrados de la base de datos del sistema

Realizar un anlisis comparativo del rendimiento de las

a) Realizar una evaluacin de las tcnicas de minera de

b) Seleccionar las tcnicas de minera de datos para la

c) Seleccionar un modelo de evaluacin para elaborar la

d) Desarrollar la aplicacin que muestre los resultados de

e) Analizar los resultados.

f) Realizar la evaluacin econmica de la propuesta.

2.1. Antecedentes de estudios:

A. WAVELET-AND SVM-BASED FORECASTS: AN ANALYSIS OF

B. MODELOS DE ESPACIO DE ESTADOS SUBYACENTES AL

E. La investigacin MINERA DE DATOS APLICADA EN LA

F. La investigacin APLICACIN DE TCNICAS DE MINERA DE

A. WAVELET-AND SVM-BASED FORECASTS: AN ANALYSIS

B. PREDICCIN EN SERIES DE TIEMPO CON MODELOS

C. UNA INVESTIGACIN BASADA EN MINERA DE DATOS:

2.3. Bases Terico Cientficas

Se presentan los conocimientos o bases tericas que sern

A. Proceso KDD para la obtencin del conocimiento

Figura 1: Etapas del Proceso KDD

Fuente: (Molina Neyra & Murakami de la Cruz, 2008)

La minera de datos est conformada por un conjunto de tcnicas y