Pregunta: La minería de datos va a Hollywood: predecir el éxito financiero de las películas Predecir los ingresos de taquilla (es decir, el éxito financiero) de una película en particular es un problema interesante y desafiante. Según algunos expertos en la materia, la industria del cine es la "tierra de las corazonadas y las conjeturas descabelladas" debido a la

La minería de datos va a Hollywood: predecir el éxito financiero de las películas

Predecir los ingresos de taquilla (es decir, el éxito financiero) de una película en particular es un problema interesante y desafiante. Según algunos expertos en la materia, la industria del cine es la "tierra de las corazonadas y las conjeturas descabelladas" debido a la dificultad asociada con pronosticar la demanda de productos, lo que hace que el negocio del cine en Hollywood sea una empresa arriesgada. En apoyo de tales observaciones, Jack Valenti (presidente y director ejecutivo durante mucho tiempo de la Motion Picture Association of America) mencionó una vez que “…nadie puede decirle cómo le irá a una película en el mercado…no hasta que la película se estrene en la oscuridad”. teatro y saltan chispas entre la pantalla y el público”. Los diarios y revistas comerciales de la industria del entretenimiento están llenos de ejemplos, declaraciones y experiencias que respaldan tal afirmación. Al igual que muchos otros investigadores que han intentado arrojar luz sobre este desafiante problema del mundo real, Ramesh Sharda y Dursun Delen han estado explorando el uso de la minería de datos para predecir el rendimiento financiero de una película en la taquilla incluso antes de que entre en producción ( mientras que la película no es más que una idea conceptual). En sus modelos de predicción altamente publicitados, convierten el problema de pronóstico (o regresión) en un problema de clasificación; es decir, en lugar de pronosticar la estimación puntual de los ingresos de taquilla, clasifican una película según sus ingresos de taquilla en una de nueve categorías, que van desde "fracaso" hasta "éxito de taquilla", lo que convierte el problema en un problema de clasificación multinomial. La Tabla 5.4 ilustra la definición de las nueve clases en términos del rango de ingresos de taquilla.

Datos

Los datos se recopilaron de una variedad de bases de datos relacionadas con películas (p. ej., ShowBiz, IMDb, IMSDb, AllMovie, etc.) y se consolidaron en un solo conjunto de datos. El conjunto de datos para los modelos desarrollados más recientemente contenía 2632 películas estrenadas entre 1998 y 2006. En la Tabla 5.5 se proporciona un resumen de las variables independientes junto con sus especificaciones. Para obtener más detalles descriptivos y la justificación de la inclusión de estas variables independientes, se remite al lector a Sharda y Delen (2007). Inteligencia de Negocios Primavera 2017

Metodología

Usando una variedad de métodos de minería de datos, incluidas redes neuronales, árboles de decisión, máquinas de vectores de soporte y tres tipos de conjuntos, Sharda y Delen desarrollaron los modelos de predicción. Los datos de 1998 a 2005 se usaron como datos de entrenamiento para construir los modelos de predicción, y los datos de 2006 se usaron como datos de prueba para evaluar y comparar la precisión de predicción de los modelos. La Figura 5.15 muestra una captura de pantalla de IBM SPSS Modeler (anteriormente herramienta de minería de datos Clementine) que representa el mapa de procesos empleado para el problema de predicción. El lado superior izquierdo del mapa de procesos muestra el proceso de desarrollo del modelo, y la esquina inferior derecha del mapa de procesos muestra el proceso de evaluación del modelo (es decir, prueba o puntuación) (se pueden encontrar más detalles sobre la herramienta IBM SPSS Modeler y su uso). que se encuentra en el sitio web del libro).

Resultados

La Tabla 5.6 proporciona los resultados de predicción de los tres métodos de extracción de datos, así como los resultados de los tres conjuntos diferentes. La primera medida de rendimiento es el porcentaje de clasificación correcta, que se denomina bingo. También se informa en la tabla la tasa de clasificación correcta de 1 Visitante (es decir, dentro de una categoría). Los resultados indican que SVM se desempeñó mejor entre los modelos de predicción individuales, seguido de ANN; el peor de los tres fue el algoritmo del árbol de decisión CART. En general, los modelos de conjunto funcionaron mejor que los modelos de predicción individuales, de los cuales el algoritmo de fusión fue el que mejor funcionó. Lo que probablemente sea más importante para los tomadores de decisiones, y que destaque en la tabla de resultados, es la desviación estándar significativamente baja obtenida de los conjuntos en comparación con los modelos individuales. Inteligencia de Negocios Primavera 2017

Conclusión

Los investigadores afirman que estos resultados de predicción son mejores que los informados en la literatura publicada para este dominio del problema. Más allá de la precisión atractiva de sus resultados de predicción de los ingresos de taquilla, estos modelos también podrían usarse para analizar más (y potencialmente optimizar) las variables de decisión para maximizar el rendimiento financiero. Específicamente, los parámetros utilizados para el modelado podrían modificarse utilizando los modelos de predicción ya entrenados para comprender mejor el impacto de los diferentes parámetros en los resultados finales. Durante este proceso, que comúnmente se conoce como análisis de sensibilidad, el tomador de decisiones de una empresa de entretenimiento dada podría averiguar, con un nivel de precisión bastante alto, cuánto valora un actor específico (o una fecha de estreno específica, o la adición de más efectos técnicos, etc.) contribuye al éxito financiero de una película, lo que hace que el sistema subyacente sea una ayuda inestimable para la toma de decisiones. Business Intelligence Spring 2017 Preguntas para el debate

1. ¿Por qué es importante que los profesionales de Hollywood predigan el éxito financiero de las películas?

2. ¿Cómo se puede utilizar la minería de datos para predecir el éxito financiero de las películas antes del inicio de su proceso de producción?

3. ¿Qué tipo de análisis predictivo se realizó (clasificación o estimación numérica)? ¿Cuál era la variable objetivo? ¿Cuáles fueron las variables independientes?

4. ¿Cuáles son los resultados de predicción de los tres métodos y conjuntos? 5. ¿Cómo cree que Hollywood realizó, y tal vez aún realiza, esta tarea sin la ayuda de herramientas y técnicas de minería de datos?

Fuentes: R. Sharda y D. Delen, "Predicción del éxito de taquilla de películas con redes neuronales", Sistemas expertos con aplicaciones, vol. 30, 2006, págs. 243–254; D. Delen, R. Sharda y P. Kumar, "Movie Forecast Guru: A DSS basado en la web para gerentes de Hollywood", Decision Support Systems, vol. 43, núm. 4, 2007, págs. 1151–1170.