Market intelligence data collection from heterogeneous sources with similarity-based selection clustering technique using knowledge maps : a heuristic approach

Recolección de datos de inteligencia de mercados a partir de fuentes heterogéneas con una técnica cluster de selección basada en semejanza utilizando mapas de conocimiento : un enfoque heurístico

La inteligencia de negocios (business intelligence, BI) ha surgido como una de las soluciones de software que tiene mayores inversiones asignadas por parte de varias organizaciones para 2005. Entre sus diversas formas y aplicaciones, la inteligencia de mercados es considerada como un factor crucial para que una compañía tenga éxito tanto operativa como estratégicamente en el ambiente competitivo actual.

Capturar datos de inteligencia de mercado se ha vuelto en una tarea aparentemente fácil, especialmente con la proliferación de internet. No obstante, esto ha hecho que la recolección de datos sea más difícil desde el punto de vista del sistema, ya que las fuentes de datos en internet son voluminosas, heterogéneas en términos de estructura y semántica y una parte de estas pueden resultar irrelevantes para el contexto de toma de decisiones en marketing de organizaciones particulares, lo cual es la premisa principal de los sistemas de inteligencia de mercados.

Para abordar estos problemas, en este artículo se propone un algoritmo basado en mediciones de semejanza y escalado multidimensional que produce clusters de mapas de conocimiento jerárquicos a partir de un conjunto de fuentes de datos de capacitación para reunión de estos para capturar inteligencia de mercados.

Scalable web data extraction for online market intelligence

Extracción escalable de datos de internet para inteligencia de mercados en línea

La inteligencia de mercados en línea (online market intelligence, OMI), en particular la inteligencia competitiva para fijar precios de productos, es un área de aplicación muy importante para extracción de datos de internet. Sin embargo, la OMI presenta retos significativos para tecnología de extracción de datos. Requieren tareas de navegación y extracción sofisticadas altamente parametrizadas. Es necesaria una limpieza de datos sobre la marcha para identificar productos iguales de proveedores distintos. Debe ser posible definir de manera fluida escenarios de flujo de datos que surjan, filtros de datos extraídos que se originen de varios sitios web y almacenamiento de los datos resultantes en un depósito que permita someterlos a análisis de inteligencia de mercados.

En este artículo los autores muestran cómo Lixto ha superado cada uno de los retos mencionados al mejorar y extender su software original de extracción de datos. Asimismo, se presenta cómo se logró la escalabilidad a través de la computación en la nube. También se exhibe un estudio de caso a partir del mercado de computadores y productos electrónicos.