Un repositorio RDF para la Integración de Flujos de Datos de Analítica Web y Comercio Electrónico

La Analítica Web supone hoy en día una tarea ineludible para las empresas de comercio electrónico, ya que les permite analizar el comportamiento de sus clientes. El proyecto Europeo SME-Ecompass tiene como objetivo desarrollar herramientas avanzadas de analítica web accesibles para las PYMES. Con esta motivación, proponemos un servicio de integración de datos basado en ontologías para recopilar, integrar y almacenar información de traza web procedente de distintas fuentes.Estas se consolidan en un repositorio RDF diseñado para proporcionar semántica común a los datos de análisis y dar servicio homogéneo a algoritmos de Minería de Datos. El servicio propuesto se ha validado mediante traza digital real (Google Analitics y Piwik) de 15 tiendas virtuales de diferentes sectores y países europeos (UK, España, Grecia y Alemania) durante varios meses de actividad.

Predicción de insolvencia en los sectores económicos: un análisis comparativo

El objetivo de esta tesis ha sido cubrir el hueco existente en la literatura en relación con la cuestión de la supuesta superioridad de los modelos de predicción de insolvencia empresarial "descentrados" (construidos sobre la base de una muestra de empresas pertenecientes a diversos sectores económicos) frente a los modelos de predicción de la insolvencia "centrados" (construidos con una muestra de empresas pertenecientes a un solo sector de actividad). Un análisis de la literatura previa sobre predicción de insolvencia empresarial permitió constatar la existencia de un patrón definido por lo que se refería a la construcción de modelos descentrados frente a modelos centrados, siendo los primeros mucho más numerosos que los segundos. Sin embargo, no fue posible identificar ninguna tendencia, ni a favor ni en contra, en el uso de un tipo de modelo u otro, por lo que no resultó posible inducir una conclusión definitiva sobre la superioridad de un tipo de modelo frente a otro a la hora de pronosticar la insolvencia empresarial. Para resolver esta cuestión, se tomó una base de datos formada por empresas, tanto solventes como insolventes, pertenecientes a cinco sectores de actividad diferenciados: agricultura, industria, construcción, comercio y servicios, y sector de hostelería, a partir de los datos proporcionados por SABI (Sistema de Análisis de Balances Ibéricos). Los datos utilizados para este estudio se correspondieron al periodo comprendido entre el año 2010 y el año 2012. Asimismo, se construyeron diversos modelos sectoriales o centrados (para cada uno de los sectores económicos considerados) y modelos globales o descentrados para un año y dos años antes de la entrada en quiebra. La metodología aplicada para la obtención de los modelos fue la construcción de modelos de regresión logística, y para la estimación de dichos modelos se emplearon 34 variables financieras, así como variables dummys representativas de los sectores de actividad bajo consideración. Con esta metodología se obtuvo un poder de clasificación que osciló entre un 69,6% (Sector Agricultura, dos años de la entrada en quiebra) y un 91,2% (Sector Hostelería, un año de la entrada en quiebra). Los resultados obtenidos permitieron verificar total o parcialmente las tres hipótesis planteadas: En primer lugar, que los modelos globales o descentrados y los centrados o sectoriales eran modelos distintos. En segundo lugar, que la inclusión de variables cualitativas sectoriales mejoraba los modelos globales estimados. Y, en tercer lugar, se verificó, si bien parcialmente, que los modelos globales o descentrados eran superiores a los centrados o sectoriales a la hora de predecir la insolvencia, con la única excepción del modelo del sector industrial dos años antes de la quiebra. Para el resto de modelos, los modelos globales estimados, uno y dos años antes de la quiebra, fueron capaces de obtener mejores resultados de predicción en las muestras sectoriales que los propios modelos centrados.