DATA MINE





1. MINERIA DE DATOS


CONCEPTO

EVALUACIÓN

EVOLUCIÓN

HERRAMIENTAS

COMO SE APLICA

PROVEEDORES

ACCESORIOS

CONCLUSIONES

RECOMENDACIONES

BIBLIOGRAFÍA



















CONCEPTO:

La Minería de Datos (DM) por las siglas en inglés Data Mining es el proceso de extraer conocimiento útil y comprensible, previamente desconocido, desde grandescantidades de datos almacenados en distintos formatos. Las herramientas de Data Mining predicen futuras tendencias y comportamientos, permitiendo en los negocios la toma de decisiones.
Existen términos que se utilizan frecuentemente como sinónimos de la minería de datos. Uno de ellos se conoce como "análisis (inteligente) de datos", que suele hacer un mayor hincapié en las técnicas de análisisestadístico. Otro término muy utilizado, y el más relacionado con la minería de datos, es la extracción o "descubrimiento de conocimiento en bases de datos" (Knowledge Discovery in Data bases o KDD, según sus siglas en inglés).
Aunque algunos autores usan los términos Minería de Datos y KDD indistintamente, como sinónimos, existen claras diferencias entre los dos. Así la mayoría de los autorescoinciden en referirse al KDD como un proceso que consta de un conjunto de fases, una de las cuales es la minería de datos. De acuerdo con esto, el proceso de minería de datos consiste únicamente en la aplicación de un algoritmo para extraer patrones de datos y se llamará KDD al proceso completo que incluye pre-procesamiento, minería y post-procesamiento de los datos.
El KDD según es la extracciónautomatizada de conocimiento o patrones interesantes, no triviales, implícitos, previamente desconocidos, potencialmente útiles y predictivos de la información de grandes Bases de Datos.
La figura muestra las fases del proceso de KDD, una de las cuales es la Minería de Datos.








EVALUACIÓN:
Una vez obtenido el modelo, se procede a su validación; donde se comprueba que lasconclusiones que arroja son válidas y suficientemente satisfactorias. En el caso de haber obtenido varios modelos mediante el uso de distintas técnicas, se deben comparar los modelos para buscar el que se ajuste mejor al problema. Si ninguno de los modelos alcanza los resultados esperados, debe alterarse alguno de los pasos anteriores para generar nuevos modelos.


EVOLUCIÓN:
Desde los años sesenta losestadísticos manejaban términos como data fishing, data mining o data archaeology, con la idea de encontrar correlaciones sin una hipótesis previa en bases de datos con ruido. A principios de los años ochenta, Rakesh Agrawal, Gio Wiederhold, entre otros comenzaron a consolidar los términos de data mining.
A finales de los años ochenta, sólo existían un par de empresas dedicadas a esta tecnología;en el 2002 existían más de 100 empresas en el mundo que ofrecían alrededor de 300 soluciones. Las listas de discusión sobre este tema las forman investigadores de más de ochenta países. Esta tecnología ha sido un buen punto de encuentro entre personas pertenecientes al ámbito académico y al de los negocios.
El data mining es una tecnología compuesta por etapas que integra varias áreas y que nose debe confundir con un gran software. Durante el desarrollo de un proyecto de este tipo se usan diferentes aplicaciones software en cada etapa que pueden ser: estadísticas, de visualización de datos o de Inteligencia artificial, principalmente. Actualmente existen aplicaciones o herramientas comerciales de data mining muy poderosas que contienen un sinfín de utilerías que facilitan el desarrollode un proyecto.

La evolución de sus herramientas en el transcurso del tiempo puede dividirse en cuatro etapas principales:
Colección de Datos (1960).
Acceso de Datos (1980).
 Almacén de Datos y Apoyo a las Decisiones (principios de la década de 1990).
 Minería de Datos Inteligente. (‑nales de la década de 1990).










HERRAMIENTAS
Las herramientas de minería de datos...