Algunas opciones para un proyecto de tamaño decente pueden ser las siguientes:
- identificar a los clientes de una compañía de telecomunicaciones que tienen más probabilidades de abandonar (o) identificar a los empleados de una compañía de TI que tienen más probabilidades de mudarse a una compañía diferente (emplea técnicas como el análisis de supervivencia)
- en banca minorista, identificar si se aprueba un préstamo o no en función de los atributos del perfil del cliente (se pueden utilizar técnicas como la regresión logística)
- análisis de ubicación, un poco avanzado y desafiante pero que vale la pena, personalizar mensajes promocionales y cupones de descuento basados en la proximidad de un cliente a la tienda. Por ejemplo, si puede rastrear a través de los datos de mi GPS móvil que estoy ingresando en un área definida dentro de un radio de 1 km cuadrado de su tienda, puede enviar inmediatamente una oferta atractiva a través de un descuento de oferta de SMS en un producto si lo compro dentro del siguiente hora
- Determinar artículos comprados con frecuencia juntos en un supermercado para fines de venta cruzada
- Predicción de series de tiempo de la demanda de productos utilizando modelado ARIMA
- Análisis de imágenes – avanzado y desafiante – traduciendo imágenes y otros datos de alta dimensión en datos numéricos o de símbolos para detectar eventos, vigilancia, etc.
- análisis de secuencia – modelando las compras de un cliente como una secuencia – el cliente primero compra una computadora, luego parlantes y luego cámara web
- segmentación de clientes para marketing dirigido (clustering usado)
- detección de valores anómalos / atípicos en los datos de compras (utilizados en casos como la identificación de fraudes con tarjetas de crédito)
- avanzado y desafiante: reglas de decisión de reserva de vuelos de aerolíneas, es decir, cuándo cerrar franjas horarias de un rango de precios particular
- avanzado y desafiante – reservas de habitaciones de hotel – cuándo decir que no hay habitaciones disponibles, incluso cuando hay habitaciones vacías
- análisis de opinión de reseñas de productos, comentarios de foros y tweets para identificar posibles puntos de descontento entre los clientes
- rediseño de los diseños de la tienda en función de los datos de compra / movimiento del cliente dentro de la tienda
- Puede encontrar una buena lista de temas en este enlace: Casos de uso de ciencia de datos