ARGOMENTO: k-means o altro per il raggruppamento dei clienti

Ciao,
una delle cose tipiche del machine learning applicato alla business intelligence sono i raggruppamenti dei clienti.

Di solito si usa il K-Means, e se si hanno molti dati (intese come dimesioni), prima si passa il tutto per una PCA.

Ora, fino a qua... tutto liscio.

La cosa più ostica, per me, è che odoo raccoglie dati, per un cliente, molti dati di testo (località di residenza, ...) oltre a dati numerici, mentre il processo di cui sopra si ciba di numeri.

Vi è capitato un caso simile?
Come l'avete affrontato?

Andrea

usare k-means con python si, con scikit, pandas, etc...
con odoo no, non penso che le viste BI siano adatte. siccome un raggruppo ti genera un solo cluster di dati, mentre k-means è nato per generare N cluster.

Che la fonte sia Odoo o altro per far quello la soluzione "canonica" è usare strumenti di ETL che popolano opportuni schemi dati da utilizzare per l'analisi. Lo schema puo' essere implementato su db relazionale classico o no-sql in funzione della quantità di dati da trattare.

Per tutti gli interessati al tema, faccio presente questo evento a Rimini,
ep2017.europython.eu/en/

mentre io oggi sarò al pydata.org/barcelona2017



Andrea