Implementación de un Proceso de Análisis de Datos Basado en la Metodología CRISP-DM para la Mejora del Módulo de Inteligencia de Negocios de la Empresa PROCOM

Abstract

El presente trabajo final de graduación se enfoca en la implementación de un proceso de análisis de datos fundamentado en la metodología Cross-Industry Standard Process for Data Mining (CRISP-DM) para mejorar el módulo de Inteligencia de Negocios en Procom, una empresa especializada en la creación de soluciones tecnológicas. La investigación se desarrolló utilizando un enfoque cualitativo, siguiendo un diseño de investigación-acción. El estudio comprende el desarrollo y aplicación de cuatro modelos analíticos: (1) segmentación de clientes mediante clustering K-means, (2) análisis diagnóstico de tendencias de servicios, (3) diagnóstico de ingresos por habitaciones y (4) análisis comparativo de patrones de reservas. Estos se diseñaron para abordar objetivos específicos de minería de datos, incluyendo la identificación de segmentos de clientes, la evaluación de la rentabilidad de servicios y el análisis de patrones temporales en ingresos y reservas. Los resultados revelaron tres segmentos de clientes claramente diferenciados, identificaron los diez servicios de mayor rentabilidad y detectaron patrones estacionales en ingresos y ocupación. Estos hallazgos se tradujeron en dashboards (tableros de control) interactivos desarrollados con DevExpress Report Designer, proporcionando una herramienta visual y analítica para la toma de decisiones estratégicas en el sector hotelero. La implementación de este proceso no solo mejora las capacidades analíticas de Procom, sino que también establece una base sólida para fomentar una cultura de toma de decisiones basada en datos. El proyecto culmina con recomendaciones estratégicas para cada segmento de clientes y propuestas para mejorar la oferta de servicios y la gestión de habitaciones. Este trabajo contribuye al campo de la inteligencia de negocios aplicada al sector hotelero, demostrando la eficacia de la metodología CRISP-DM en la transformación de datos en conocimientos accionables para la mejora de operaciones y la satisfacción del cliente.

This graduation project focuses on implementing a data analysis process based on the CRISP-DM (Cross-Industry Standard Process for Data Mining) methodology to enhance the existing Business Intelligence (BI) module at Procom, a company specialized in creating technological solutions. The research was conducted using a qualitative approach, following an action-research design. The study encompasses the development and application of four analytical models: (1) customer segmentation using K-means clustering, (2) diagnostic analysis of service trends, (3) room revenue diagnosis, and (4) comparative analysis of booking patterns. These models were designed to address specific data mining objectives, including customer segment identification, service profitability evaluation, and analysis of temporal patterns in revenue and reservations. The results revealed three clearly differentiated customer segments, identified the top ten most profitable services, and detected seasonal patterns in revenue and occupancy. These findings were translated into interactive dashboards developed with DevExpress Report Designer, providing a visual and analytical tool for strategic decision-making in the hotel sector. The implementation of this process not only enhances Procom's analytical capabilities but also establishes a solid foundation for fostering a data-driven decision-making culture. The project concludes with strategic recommendations for each customer segment and proposals to improve service offerings and room management. This work contributes to the field of business intelligence applied to the hotel sector, demonstrating the effectiveness of the CRISP-DM methodology in transforming data into actionable insights for improving operations and customer satisfaction.