• Author / Uploaded
• alexander mamani

Citation preview

Data Mining o Knowledge Discovery in Databases (KDD) consiste en extraer información de un conjunto de datos y transformarla en una estructura comprensible, esto es, en información útil y accesible para que pueda ser usada posteriormente. Data Mining es un término que está de moda y que se utiliza, en muchas ocasiones, de manera incorrecta. Algunas de las referencias erróneas que se le atribuyen son que se trata de cualquier forma de datos a gran escala, o de procesamiento de la información.

Según Arturo Licona, especialista de Deloitte Consulting Group, Data Mining es “un conjunto de técnicas de extracción de datos para detectar patrones de comportamiento a través de algoritmos matemáticos”. La tendencia a acumular grandes cantidades de datos en las organizaciones continúa hoy en día a un ritmo creciente. A ello han contribuido, entre otros, las nuevas técnicas de captura de datos y el avance de la tecnología de almacenamiento de datos y su reducción de costes. La disponibilidad posterior de esos datos es también sumamente importante y es donde entra en juego el concepto de Data Mining. La enorme cantidad de datos que se generan y procesan a diario en las organizaciones lleva de la mano la necesidad de analizarlos en tiempo real, el problema es que los métodos tradicionales de análisis de datos no son suficientes. De ahí surgen los conceptos de Data Mining y Big Data. Ambos se refieren al hecho de saber aprovechar convenientemente las gigantescas masas de información de que disponen las organizaciones en su día a día, para extraer información útil que les ayude en la toma de decisiones. Data Mining. La aplicación de los modelos de Data Mining a los negocios permite las siguientes ventajas: extraer conocimiento de los datos; exprimir todo el valor que encierra ese conocimiento y perfeccionar la estrategia empresarial.

En este sentido, un buen ejemplo de un modelo de Data Mining aplicado al sector empresarial sería un modelo que defina a un grupo específico de clientes, entre los que se incluyan por ejemplo los que más consumen o los que lo hacen con más frecuencia.

Beneficios de la minería de datos:  La técnica de minería de datos ayuda a las empresas a obtener información basada en el conocimiento.  La minería de datos ayuda a las organizaciones a realizar ajustes rentables en la operación y producción.  La minería de datos es una solución rentable y eficiente en comparación con otras aplicaciones de datos estadísticos.  La minería de datos ayuda con el proceso de toma de decisiones.  Facilita la predicción automática de tendencias y comportamientos, así como el descubrimiento automatizado de patrones ocultos.

 Se puede implementar en sistemas nuevos y en plataformas existentes.  Es el proceso rápido que facilita a los usuarios analizar una gran cantidad de datos en menos tiempo.

Desventajas de la minería de datos  Hay posibilidades de que las compañías vendan información útil de sus clientes a otras compañías por dinero. Por ejemplo, American Express ha vendido las compras con tarjeta de crédito de sus clientes a otras compañías.  Muchos softwares de análisis de minería de datos son difíciles de operar y requieren capacitación avanzada para trabajar.  Las diferentes herramientas de minería de datos funcionan de diferentes maneras debido a los diferentes algoritmos empleados en su diseño. Por lo tanto, la selección de la herramienta de minería de datos correcta es una tarea muy difícil.  Las técnicas de minería de datos no son precisas y, por lo tanto, pueden causar serias consecuencias en ciertas condiciones.

Aplicaciones de minería de datos Aplicaciones

Uso

Comunicacione s

Las técnicas de minería de datos se utilizan en el sector de la comunicación para predecir el comportamiento del cliente y ofrecer campañas altamente específicas y relevantes.

Seguro

La minería de datos ayuda a las compañías de seguros a fijar el precio de sus productos de manera rentable y a promover nuevas ofertas para sus clientes nuevos o existentes.

Educación

La minería de datos beneficia a los educadores para acceder a los datos de los estudiantes, predecir los niveles de rendimiento y encontrar estudiantes o grupos de estudiantes que

necesitan atención adicional. Por ejemplo, estudiantes que son débiles en materia de matemáticas. Fabricación

Con la ayuda de Data Mining, los fabricantes pueden predecir el desgaste de los activos de producción. Pueden anticipar el mantenimiento que les ayuda a reducirlos para minimizar el tiempo de inactividad.

Bancario

La minería de datos ayuda al sector financiero a tener una visión de los riesgos del mercado y gestionar el cumplimiento normativo. Ayuda a los bancos a identificar posibles morosos para decidir si emiten tarjetas de crédito, préstamos, etc.

Al por menor

Las técnicas de minería de datos ayudan a los centros comerciales y tiendas de comestibles a identificar y organizar la mayoría de los artículos que se pueden vender en las posiciones más atentas. Ayuda a los propietarios de tiendas a presentar la oferta que alienta a los clientes a aumentar sus gastos.

Proveedores de servicio

Los proveedores de servicios, como los teléfonos móviles y las industrias de servicios públicos, utilizan la minería de datos para predecir los motivos por los que un cliente deja su empresa. Analizan los detalles de facturación, las interacciones de servicio al cliente, las quejas hechas a la empresa para asignar a cada cliente un puntaje de probabilidad y ofrece incentivos.

Comercio electrónico

Los sitios web de comercio electrónico utilizan Data Mining para ofrecer ventas cruzadas y ventas ascendentes a través de sus sitios web. Uno de los nombres más famosos es Amazon, que utiliza técnicas de minería de datos para atraer a más clientes a su tienda de

comercio electrónico. Super mercados Data Mining permite a los supermercados desarrollar reglas para predecir si es probable que sus compradores estén esperando. Al evaluar su patrón de compra, podrían encontrar clientas que probablemente estén embarazadas. Pueden comenzar a apuntar a productos como talco para bebés, tienda de bebés, pañales, etc. Investigación criminal

Data Mining ayuda a las agencias de investigación de delitos a desplegar mano de obra policial (¿dónde es más probable que ocurra un delito y cuándo?), A quién buscar en un cruce fronterizo, etc.

Bioinformática

Data Mining ayuda a extraer datos biológicos de conjuntos de datos masivos reunidos en biología y medicina.