Video Experimental Relacionado
Updated: Jul 8, 2026
Protocol for Data Collection and Analysis Applied to Automated Facial Expression Analysis Technology and Temporal Analysis for Sensory Evaluation
Published on: August 26, 2016
Conjunto de datos transaccional anónimo en una microempresa (MIPYME) local de alimentos y bebidas (A&B) para sistemas
Mychael Maoeretz Engel1,2, Ford Lumban Gaol1, Aditya Kurniawan3
1Department of Doctor of Computer Science - BINUS Graduate Program, Bina Nusantara University, Jakarta 11480, Indonesia.
Este estudio presenta un conjunto de datos anonimizado de Alimentos y Bebidas de Indonesia para aprendizaje automático. El análisis RFM reveló indicadores de comportamiento estables para usuarios no identificables, lo que permite el análisis minorista y el desarrollo de sistemas de recomendación.
Área de la Ciencia:
- Ciencia de datos
- Aprendizaje automático
- Análisis minorista
Sus antecedentes:
- El conjunto de datos comprende registros transaccionales anónimos y metadatos de productos de una Microempresa (MIPYME) de Alimentos y Bebidas de Indonesia.
- Datos recopilados a través del sistema de punto de venta (POS) de enero a septiembre de 2025.
- Datos brutos limpiados eliminando características irrelevantes y estandarizando las descripciones de los productos.
Objetivo del estudio:
- Proporcionar un valioso conjunto de datos para investigadores y científicos de datos.
- Apoyar el desarrollo y la evaluación comparativa de sistemas de recomendación y algoritmos de aprendizaje automático.
- Permitir modelos de segmentación de usuarios en entornos de MIPYMES con datos escasos.
Principales métodos:
- Registro pasivo de eventos de ventas a través del sistema interno de punto de venta (POS) de la empresa.
- Protocolo de limpieza y estructuración de datos, incluida la eliminación de características y el formato uniforme.
- Análisis de Recencia, Frecuencia y Valor Monetario (RFM) aplicado a 1000 transacciones utilizando la agrupación de contexto de sesión.
Principales resultados:
- El conjunto de datos contiene dos tablas relacionales: Transacciones (11 características) y Metadatos de productos (96 productos).
- El análisis RFM generó 14 pseudo-perfiles estables, que sirven como indicadores de comportamiento para usuarios anónimos.
- Los datos facilitan estudios en análisis minorista y sistemas de recomendación, particularmente para recomendaciones basadas en sesiones.
Conclusiones:
- El conjunto de datos es adecuado para desarrollar y probar algoritmos en entornos anónimos y con datos escasos.
- Los pseudo-perfiles identificados ofrecen información sobre el comportamiento del usuario para las MIPYMES.
- Este recurso apoya los avances en aplicaciones de aprendizaje automático dentro del sector minorista.
