Introducción al análisis de canastas de compra para analytics translators y científicos de datos (empleando R)

El análisis de canastas o de cesta de compra (en inglés es conocido como Market Basket Analysis o simplemente por la sigla MBA) es una herramienta poderosa en el mercadeo. Permite entender mejor el comportamiento y los hábitos de compra de los clientes cuando se cuenta con datos transaccionales. En...

Full description

Autores:: Alonso, Julio César
Arboleda, Ana María

Tipo de recurso:: Book

Fecha de publicación:: 2025

Institución:: Universidad ICESI

Repositorio:: Repositorio ICESI

Idioma:: spa

id	ICESI2_c8f2ddd31e762ac470541e7cb253d7ef
oai_identifier_str	oai:repository.icesi.edu.co:10906/130345
network_acronym_str	ICESI2
network_name_str	Repositorio ICESI
repository_id_str
dc.title.spa.fl_str_mv	Introducción al análisis de canastas de compra para analytics translators y científicos de datos (empleando R)
title	Introducción al análisis de canastas de compra para analytics translators y científicos de datos (empleando R)
spellingShingle	Introducción al análisis de canastas de compra para analytics translators y científicos de datos (empleando R) R Analítica Análisis de Canastas Minería de reglas Big Data Analytics R Analytics Basket Analysis Rule mining Big Data Analytics
title_short	Introducción al análisis de canastas de compra para analytics translators y científicos de datos (empleando R)
title_full	Introducción al análisis de canastas de compra para analytics translators y científicos de datos (empleando R)
title_fullStr	Introducción al análisis de canastas de compra para analytics translators y científicos de datos (empleando R)
title_full_unstemmed	Introducción al análisis de canastas de compra para analytics translators y científicos de datos (empleando R)
title_sort	Introducción al análisis de canastas de compra para analytics translators y científicos de datos (empleando R)
dc.creator.fl_str_mv	Alonso, Julio César Arboleda, Ana María
dc.contributor.author.none.fl_str_mv	Alonso, Julio César Arboleda, Ana María
dc.subject.proposal.spa.fl_str_mv	R Analítica Análisis de Canastas Minería de reglas Big Data Analytics
topic	R Analítica Análisis de Canastas Minería de reglas Big Data Analytics R Analytics Basket Analysis Rule mining Big Data Analytics
dc.subject.proposal.eng.fl_str_mv	R Analytics Basket Analysis Rule mining Big Data Analytics
description	El análisis de canastas o de cesta de compra (en inglés es conocido como Market Basket Analysis o simplemente por la sigla MBA) es una herramienta poderosa en el mercadeo. Permite entender mejor el comportamiento y los hábitos de compra de los clientes cuando se cuenta con datos transaccionales. En especial, el MBA encuentra reglas de asociación que permiten identi car qué productos suelen comprarse juntos. Como se discutirá en esta obra, las reglas de asociación son útiles, por ejemplo, para desarrollar estrategias de ventas cruzadas y promociones personalizadas. Este libro está dirigido a dos roles en el mundo del business analytics: el cientí co de datos y el analytics translator .
publishDate	2025
dc.date.accessioned.none.fl_str_mv	2025-06-13T16:14:33Z
dc.date.available.none.fl_str_mv	2025-06-13T16:14:33Z
dc.date.issued.none.fl_str_mv	2025-05-01
dc.type.none.fl_str_mv	book
dc.type.coar.none.fl_str_mv	http://purl.org/coar/resource_type/c_2f33
dc.type.local.none.fl_str_mv	Libro
dc.type.version.none.fl_str_mv	info:eu-repo/semantics/publishedVersion
dc.type.coarversion.none.fl_str_mv	http://purl.org/coar/version/c_970fb48d4fbd8a85
dc.type.driver.none.fl_str_mv	info:eu-repo/semantics/book
format	http://purl.org/coar/resource_type/c_2f33
status_str	publishedVersion
dc.identifier.isbn.none.fl_str_mv	978-628-7814-07-3
dc.identifier.uri.none.fl_str_mv	https://hdl.handle.net/10906/130345
dc.identifier.doi.none.fl_str_mv	https://doi.org/10.18046/EUI/bda.h.7
identifier_str_mv	978-628-7814-07-3
url	https://hdl.handle.net/10906/130345 https://doi.org/10.18046/EUI/bda.h.7
dc.language.iso.none.fl_str_mv	spa
language	spa
dc.relation.ispartof.none.fl_str_mv	Colección: Herramientas del Big Data y Analytics
dc.relation.references.spa.fl_str_mv	(2015). Online Retail. UCI Machine Learning Repository. DOI: https://doi.org/10.24432/C5BW33. Agrawal, R., Srikant, R., et al. (1994). Fast algorithms for mining association rules. In Proc. 20th int. conf. very large data bases, VLDB , volume 1215, pages 487–499. Citeseer. Al-Monawer, N., Davoodi, M., y Qi, L. (2021). Brand and quality effects on introduction of store brand products. Journal of Retailing and Consumer Services , 61:102507. Alonso, J. C. (2021). Una introducción a los loops en r (y algunas alternativas). Technical report, Universidad Icesi. Alonso,J.C.(2022). EmpezandoatransformarbasesdedatosconRydplyr . Universidad Icesi. Alonso, J. C. (2024). Introducción al Modelo Clásico de Regresión para Científico de Datos en R . Universidad Icesi. Alonso, J. C. y Carabali, J. A. (2019). Breve tutorial para visualizar y calcular métricas de redes (grafos) en r (para económisas). Technical report, Universidad Icesi. Alonso, J. C. y Largo, M. F. (2023). Empezando a visualizar datos con R y ggplot2. Uni- versidad Icesi, 2. edition. Alonso, J. C. y Ocampo, M. P. (2022). Empezando a usaR: Una guía paso a paso. Universidad Icesi. Arboleda, A. M. y Alonso, J. C. (2016). Estimación de un modelo econométrico para determinar el efecto de acciones de marketing en ventas de productos de cuida- do personal en Colombia. Revista de Métodos Cuantitativos para la Economía y la Empresa , 22:Páginas 230 a 249. Arboleda, A. M. y Arce-Lopera, C. (2015). Quantitative analysis of product categoriza- tion in soft drinks using bottle silhouettes. Food Quality and Preference , 45:1–10. CBR, S. W. (1998). Urban myth disproved: Beer and diapers don’t mix. Chang, W., Cheng, J., Allaire, J., Sievert, C., Schloerke, B., Xie, Y., Allen, J., McPherson, J., Dipert, A., y Borges, B. (2021). shiny: Web Application Framework for R . R package version 1.7.1. Choi, P. (2018). Why do certain products influence grocery store choice? the role of anchor products and their relationships with other store choice factors: An abstract. In Krey, N. y Rossi, P., editors, Back to the Future: Using Marketing Basics to Provide Customer Value , pages 249–249, Cham. Springer International Publishing. Contemporary Analysis, C. (2022). Diapers, beer, and data science in retail. Csardi, G. y Nepusz, T. (2006). The igraph software package for complex network re- search. InterJournal , Complex Systems:1695. Drèze, X. y Hoch, S. J. (1998). Exploiting the installed base using cross-merchandising and category destination programs. International Journal of Research in Marketing , 15(5):459–471. Egbeola, S. (2023). The bread basket bakery — analysis project. Hahsler, M. (2017). arulesViz: Interactive visualization of association rules with R. R Jour- nal , 9(2):163–175. Hahsler, M., Chelluboina, S., Hornik, K., y Buchta, C. (2011). The arules r-package ecosys- tem: Analyzing interesting patterns from large transaction datasets. Journal of Machi- ne Learning Research , 12:1977–1981. Hery, H. y Widjaja, A. E. (2024). Analysis of apriori and fp-growth algorithms for market basket insights: A case study of the bread basket bakery sales. Journal of Digital Marketing and Digital Currency , 1(1):63–74. Kocas,C.,Pauwels,K.,yBohlmann,J.D.(2018). Pricingbestsellersandtrafficgenerators: The role of asymmetric cross-selling. Journal of Interactive Marketing , 41(1):28–43. Kotler, P. y Armstrong, G. (2012). Marketing . Pearson Educación, México, 10 edition. lukeA (2017). Item frequency plots from object of class transactions in ggplot2. Madsen, M. (2017). Beer, dispers and correlation: A tale of ambiguity. Mittal, V. (2018). The Bread Basket. Dataset. Oliveira, A. (2018). Bakery (market basket analysis). Kaggle Notebook. Pascucci, F., Nardi, L., Marinelli, L., Paolanti, M., Frontoni, E., y Gregori, G. L. (2022). Com- bining sell-out data with shopper behaviour data for category performance measu- rement: The role of category conversion power. Journal of Retailing and Consumer Services , 65:102880. Power, D. J. (2002). Ask dan! R Core Team (2023). R: A Language and Environment for Statistical Computing . R Foun- dation for Statistical Computing, Vienna, Austria. Rooderkerk, R. P. y Lehmann, D. R. (2021). Incorporating consumer product categoriza- tions into shelf layout design. Journal of Marketing Research , 58(1):50–73. Sievert, C. (2020). Interactive Web-Based Data iczation with R, plotly, and shiny . Chap- man and Hall/CRC. Swoyer, S. (2016). Beer and diapers: The impossible correlation. Vaidyanathan, R., Xie, Y., Allaire, J., Cheng, J., Sievert, C., y Russell, K. (2022). htmlwid- gets: HTML Widgets for R . R package version 1.5.4. Wickham, H. (2016). ggplot2: Elegant Graphics for Data Analysis . Springer-Verlag New York. Wickham,H.,Averick,M.,Bryan,J.,Chang,W.,McGowan,L.D.,François,R.,Grolemund, G., Hayes, A., Henry, L., Hester, J., Kuhn, M., Pedersen, T. L., Miller, E., Bache, S. M., Müller, K., Ooms, J., Robinson, D., Seidel, D. P., Spinu, V., Takahashi, K., Vaughan, D., Wilke, C., Woo, K., y Yutani, H. (2019). Welcome to the tidyverse. Journal of Open Source Software , 4(43):1686. Wickham, H., François, R., Henry, L., y Müller, K. (2021). dplyr: A Grammar of Data Mani- pulation . R package version 1.0.7.
dc.rights.uri.none.fl_str_mv	http://creativecommons.org/licenses/by-nc-nd/4.0/
dc.rights.accessrights.none.fl_str_mv	info:eu-repo/semantics/openAccess
dc.rights.license.en.fl_str_mv	Attribution-NonCommercial-NoDerivatives 4.0 International
dc.rights.coar.none.fl_str_mv	http://purl.org/coar/access_right/c_abf2
rights_invalid_str_mv	http://creativecommons.org/licenses/by-nc-nd/4.0/ Attribution-NonCommercial-NoDerivatives 4.0 International http://purl.org/coar/access_right/c_abf2
eu_rights_str_mv	openAccess
dc.format.extent.none.fl_str_mv	136 páginas
dc.format.mimetype.none.fl_str_mv	application/pdf
dc.coverage.spatial.none.fl_str_mv	Cali de Lat: 03 24 00 N degrees minutes Lat: 3.4000 decimal degrees Long: 076 30 00 W degrees minutes Long: -76.5000 decimal degrees.
dc.publisher.none.fl_str_mv	Universidad Icesi
dc.publisher.place.none.fl_str_mv	Santiago de cali
publisher.none.fl_str_mv	Universidad Icesi
institution	Universidad ICESI
bitstream.url.fl_str_mv	https://repository.icesi.edu.co/bitstreams/884f1810-9a9c-4a14-8dac-17d83f7fa7df/download https://repository.icesi.edu.co/bitstreams/958d4e71-cd32-4763-a09f-d10956b8dda1/download https://repository.icesi.edu.co/bitstreams/e7fe696f-6852-4a7a-b345-ff13972af693/download https://repository.icesi.edu.co/bitstreams/c072ed8a-a1e8-4a09-b019-28c9e68a3f8d/download
bitstream.checksum.fl_str_mv	8e097a883cc60a71c38dc0a71b5b1f60 3b6ce8e9e36c89875e8cf39962fe8920 bb9bdc0b3349e4284e09149f943790b4 7ce1a9c6a97ab32c82e3346af95b9798
bitstream.checksumAlgorithm.fl_str_mv	MD5 MD5 MD5 MD5
repository.name.fl_str_mv	Biblioteca Digital - Universidad Icesi
repository.mail.fl_str_mv	adquisicion-bib@listas.icesi.edu.co
_version_	1841720180279869440
spelling	Alonso, Julio CésarArboleda, Ana MaríaCali de Lat: 03 24 00 N degrees minutes Lat: 3.4000 decimal degrees Long: 076 30 00 W degrees minutes Long: -76.5000 decimal degrees.2025-06-13T16:14:33Z2025-06-13T16:14:33Z2025-05-01978-628-7814-07-3https://hdl.handle.net/10906/130345https://doi.org/10.18046/EUI/bda.h.7El análisis de canastas o de cesta de compra (en inglés es conocido como Market Basket Analysis o simplemente por la sigla MBA) es una herramienta poderosa en el mercadeo. Permite entender mejor el comportamiento y los hábitos de compra de los clientes cuando se cuenta con datos transaccionales. En especial, el MBA encuentra reglas de asociación que permiten identi car qué productos suelen comprarse juntos. Como se discutirá en esta obra, las reglas de asociación son útiles, por ejemplo, para desarrollar estrategias de ventas cruzadas y promociones personalizadas. Este libro está dirigido a dos roles en el mundo del business analytics: el cientí co de datos y el analytics translator .Market basket analysis (known in English as Market Basket Analysis or simply by the acronym MBA) is a powerful tool in marketing. It allows for a better understanding of customer behavior and purchasing habits when transactional data is available. Specifically, MBA finds association rules that help identify which products are typically purchased together. As discussed in this work, association rules are useful, for example, for developing cross-selling strategies and personalized promotions. This book is aimed at two roles in the world of business analytics: the data scientist and the analytics translator.Prefacio -- 1 Introducción -- 1.1 ¿Qué es el Análisis de Canastas de Compra? -- 1.2 Una historia mítica -- 1.3 El MBA y el Business Analytics -- 1.4 Comentarios finales -- 2 Un ejemplo sencillo -- 2.1 Introducción -- 2.2 Los datos -- 2.3 Métricas para itemsets y reglas de asociación -- 2.4 Algoritmo para encontrar reglas -- 2.5 Reglas que no agregan valor -- 2.6 Respondiendo las preguntas de negocio -- 2.7 Implicaciones prácticas -- 2.8 Comentarios finales -- 3 Análisis de canasta en R -- 3.1 Introducción -- 3.2 Los datos -- 3.3 Preparación de los datos y análisis preliminar -- 3.4 Construcción de las reglas -- 3.5 Trabajando con las reglas -- 3.6 Comentarios finales -- 4 Visualización de resultados y reglas -- 4.1 Introducción -- 4.2 Visualizando las métricas de las reglas de asociación -- 4.3 Visualizando las reglas -- 4.4 Comentarios finales -- 5 Caso de estudio -- 5.1 Introducción -- 5.2 El contexto y la pregunta de negocio -- 5.3 Exploración de los datos -- 5.4 Reformulación de la pregunta de negocio -- 5.5 Modelado -- 5.6 Resultados por tipo y momento del día -- 5.7 Insights -- 5.8 Comentarios finales -- Anexo con código del caso -- Referencias -- Índice alfabético -- Índice de figuras136 páginasapplication/pdfspaUniversidad IcesiSantiago de caliColección: Herramientas del Big Data y Analytics(2015). Online Retail. UCI Machine Learning Repository. DOI: https://doi.org/10.24432/C5BW33.Agrawal, R., Srikant, R., et al. (1994). Fast algorithms for mining association rules. In Proc. 20th int. conf. very large data bases, VLDB , volume 1215, pages 487–499. Citeseer.Al-Monawer, N., Davoodi, M., y Qi, L. (2021). Brand and quality effects on introduction of store brand products. Journal of Retailing and Consumer Services , 61:102507.Alonso, J. C. (2021). Una introducción a los loops en r (y algunas alternativas). Technical report, Universidad Icesi.Alonso,J.C.(2022). EmpezandoatransformarbasesdedatosconRydplyr . Universidad Icesi.Alonso, J. C. (2024). Introducción al Modelo Clásico de Regresión para Científico de Datos en R . Universidad Icesi.Alonso, J. C. y Carabali, J. A. (2019). Breve tutorial para visualizar y calcular métricas de redes (grafos) en r (para económisas). Technical report, Universidad Icesi.Alonso, J. C. y Largo, M. F. (2023). Empezando a visualizar datos con R y ggplot2. Uni- versidad Icesi, 2. edition.Alonso, J. C. y Ocampo, M. P. (2022). Empezando a usaR: Una guía paso a paso. Universidad Icesi.Arboleda, A. M. y Alonso, J. C. (2016). Estimación de un modelo econométrico para determinar el efecto de acciones de marketing en ventas de productos de cuida- do personal en Colombia. Revista de Métodos Cuantitativos para la Economía y la Empresa , 22:Páginas 230 a 249.Arboleda, A. M. y Arce-Lopera, C. (2015). Quantitative analysis of product categoriza- tion in soft drinks using bottle silhouettes. Food Quality and Preference , 45:1–10.CBR, S. W. (1998). Urban myth disproved: Beer and diapers don’t mix.Chang, W., Cheng, J., Allaire, J., Sievert, C., Schloerke, B., Xie, Y., Allen, J., McPherson, J., Dipert, A., y Borges, B. (2021). shiny: Web Application Framework for R . R package version 1.7.1.Choi, P. (2018). Why do certain products influence grocery store choice? the role of anchor products and their relationships with other store choice factors: An abstract. In Krey, N. y Rossi, P., editors, Back to the Future: Using Marketing Basics to Provide Customer Value , pages 249–249, Cham. Springer International Publishing.Contemporary Analysis, C. (2022). Diapers, beer, and data science in retail.Csardi, G. y Nepusz, T. (2006). The igraph software package for complex network re- search. InterJournal , Complex Systems:1695.Drèze, X. y Hoch, S. J. (1998). Exploiting the installed base using cross-merchandising and category destination programs. International Journal of Research in Marketing , 15(5):459–471.Egbeola, S. (2023). The bread basket bakery — analysis project.Hahsler, M. (2017). arulesViz: Interactive visualization of association rules with R. R Jour- nal , 9(2):163–175.Hahsler, M., Chelluboina, S., Hornik, K., y Buchta, C. (2011). The arules r-package ecosys- tem: Analyzing interesting patterns from large transaction datasets. Journal of Machi- ne Learning Research , 12:1977–1981.Hery, H. y Widjaja, A. E. (2024). Analysis of apriori and fp-growth algorithms for market basket insights: A case study of the bread basket bakery sales. Journal of Digital Marketing and Digital Currency , 1(1):63–74.Kocas,C.,Pauwels,K.,yBohlmann,J.D.(2018). Pricingbestsellersandtrafficgenerators: The role of asymmetric cross-selling. Journal of Interactive Marketing , 41(1):28–43.Kotler, P. y Armstrong, G. (2012). Marketing . Pearson Educación, México, 10 edition.lukeA (2017). Item frequency plots from object of class transactions in ggplot2.Madsen, M. (2017). Beer, dispers and correlation: A tale of ambiguity.Mittal, V. (2018). The Bread Basket. Dataset.Oliveira, A. (2018). Bakery (market basket analysis). Kaggle Notebook.Pascucci, F., Nardi, L., Marinelli, L., Paolanti, M., Frontoni, E., y Gregori, G. L. (2022). Com- bining sell-out data with shopper behaviour data for category performance measu- rement: The role of category conversion power. Journal of Retailing and Consumer Services , 65:102880.Power, D. J. (2002). Ask dan!R Core Team (2023). R: A Language and Environment for Statistical Computing . R Foun- dation for Statistical Computing, Vienna, Austria.Rooderkerk, R. P. y Lehmann, D. R. (2021). Incorporating consumer product categoriza- tions into shelf layout design. Journal of Marketing Research , 58(1):50–73.Sievert, C. (2020). Interactive Web-Based Data iczation with R, plotly, and shiny . Chap- man and Hall/CRC.Swoyer, S. (2016). Beer and diapers: The impossible correlation.Vaidyanathan, R., Xie, Y., Allaire, J., Cheng, J., Sievert, C., y Russell, K. (2022). htmlwid- gets: HTML Widgets for R . R package version 1.5.4.Wickham, H. (2016). ggplot2: Elegant Graphics for Data Analysis . Springer-Verlag New York.Wickham,H.,Averick,M.,Bryan,J.,Chang,W.,McGowan,L.D.,François,R.,Grolemund, G., Hayes, A., Henry, L., Hester, J., Kuhn, M., Pedersen, T. L., Miller, E., Bache, S. M., Müller, K., Ooms, J., Robinson, D., Seidel, D. P., Spinu, V., Takahashi, K., Vaughan, D., Wilke, C., Woo, K., y Yutani, H. (2019). Welcome to the tidyverse. Journal of Open Source Software , 4(43):1686.Wickham, H., François, R., Henry, L., y Müller, K. (2021). dplyr: A Grammar of Data Mani- pulation . R package version 1.0.7.http://creativecommons.org/licenses/by-nc-nd/4.0/info:eu-repo/semantics/openAccessAttribution-NonCommercial-NoDerivatives 4.0 Internationalhttp://purl.org/coar/access_right/c_abf2Introducción al análisis de canastas de compra para analytics translators y científicos de datos (empleando R)bookhttp://purl.org/coar/resource_type/c_2f33Libroinfo:eu-repo/semantics/publishedVersionhttp://purl.org/coar/version/c_970fb48d4fbd8a85info:eu-repo/semantics/bookTodo PúblicoRAnalíticaAnálisis de CanastasMinería de reglasBig Data AnalyticsRAnalyticsBasket AnalysisRule miningBig Data AnalyticsORIGINALalonso_introduccion_canasta_2025.pdfalonso_introduccion_canasta_2025.pdfapplication/pdf11565524https://repository.icesi.edu.co/bitstreams/884f1810-9a9c-4a14-8dac-17d83f7fa7df/download8e097a883cc60a71c38dc0a71b5b1f60MD51CC-LICENSElicense_rdflicense_rdfapplication/rdf+xml; charset=utf-8899https://repository.icesi.edu.co/bitstreams/958d4e71-cd32-4763-a09f-d10956b8dda1/download3b6ce8e9e36c89875e8cf39962fe8920MD52LICENSElicense.txtlicense.txttext/plain1748https://repository.icesi.edu.co/bitstreams/e7fe696f-6852-4a7a-b345-ff13972af693/downloadbb9bdc0b3349e4284e09149f943790b4MD53THUMBNAILalonso_introduccion_canasta_2025.pdf.jpgalonso_introduccion_canasta_2025.pdf.jpgIM Thumbnailimage/jpeg7483https://repository.icesi.edu.co/bitstreams/c072ed8a-a1e8-4a09-b019-28c9e68a3f8d/download7ce1a9c6a97ab32c82e3346af95b9798MD5410906/130345oai:repository.icesi.edu.co:10906/1303452025-06-13 11:26:52.309http://creativecommons.org/licenses/by-nc-nd/4.0/Attribution-NonCommercial-NoDerivatives 4.0 Internationalopen.accesshttps://repository.icesi.edu.coBiblioteca Digital - Universidad Icesiadquisicion-bib@listas.icesi.edu.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

Introducción al análisis de canastas de compra para analytics translators y científicos de datos (empleando R)

Publicaciones similares