MINERIA DE DATOS

¿Qué es la minería de datos?
Extracción de patrones (“conocimiento”) en grandes bases de datos.
El nombre de Data Mining deriva de las similitudes entre buscar valiosa información de negocios en grandes bases de datos.
Carácter multidisciplinar


Conceptos
 DETERMINACIÓN DE LOS OBJETIVOS:
Delimitación de los objetivos que el cliente desea bajo la orientación del especialista en datamining.
 PREPROCESAMIENTO DE LOS DATOS:
Selección, la limpieza, el enriquecimiento, la reducción y la transformación de las bases de datos.
 ALGORITMOS SUPERVISADOS (O PREDICTIVOS):
Predicen un dato (o un conjunto de ellos) desconocido a priori, a partir de otros conocidos.
 ALGORITMOS NO SUPERVISADOS (O DEL DESCUBRIMIENTO DEL CONOCIMIENTO):
Se descubren patrones y tendencias en losdatos.
 DETERMINACIÓN DEL MODELO:
Según los objetivos planteados y la tarea que debe llevarse a cabo, pueden utilizarse algoritmos desarrollados en diferentes áreas.
 INTELIGENCIA ARTIFICIAL:
Análisis de los resultados. Verifica si los resultados obtenidos son coherentes y los coteja con los obtenidos por los análisis estadísticos y de visualización gráfica.
Tareas que puede realizar la DMson:
 Clasificación:
Busca encontrar un modelo que pueda predecir el comportamiento de una variable a partir de sus características.
 Análisis de Asociaciones:
Estas técnicas pretenden sacar patrones de las relaciones que hay entre diferentes rasgos de los datos.
 Detección de Anomalías:
El objetivo de la detección de anomalías es encontrar aquellos elementos o características que sonsignificativamente diferentes del resto de los datos.
Extracción de conocimiento en bases de datos:

Aplicaciones de la Minería de Datos
 EN LOS NEGOCIOS:
Son aplicables en la administración empresarial basada en la relación con el cliente.
Ejemplo: Al tener ofertas o promociones solo se contactara con los clientes que tengan mayor posibilidad de responder positivamente a estas.
HÁBITOS DE COMPRA EN SUPERMERCADOS:
Hace referencia a la detección de hábitos de compra en supermercados.
Ejemplo: Un estudio muy citado detectó que los viernes había una cantidad inusualmente elevada de clientes que adquirían a la vez pañales y cerveza.
 HÁBITOS DE COMPRA EN SUPERMERCADOS:
Un ejemplo más habitual es el de la detección de patrones de fuga. En muchas industrias como labanca, las telecomunicaciones.

A estos clientes y en función de su valor se les podrían hacer ofertas personalizadas, ofrecer promociones especiales, etc., con el objetivo último de retenerlos.

 FRAUDES:
Un caso análogo es el de la detección de transacciones de lavado de dinero o de fraude en el uso de tarjetas de crédito o de servicios de telefonía móvil e, incluso, en la relación delos contribuyentes con el fisco.
Generalmente, estas operaciones fraudulentas o ilegales suelen seguir patrones característicos que permiten, con cierto grado de probabilidad, distinguirlas de las legítimas y desarrollar así mecanismos para tomar medidas rápidas frente a ellas.
 RECURSOS HUMANOS:
La minería de datos también puede ser útil para los departamentos de recursos humanos en laidentificación de las características de sus empleados de mayor éxito.
 COMPORTAMIENTO EN INTERNET:
También es un área en estudio el del análisis del comportamiento de los visitantes, sobre todo, cuando son clientes potenciales en una página de internet.
Diseño de Mineros de Datos
Un proceso típico de minería de datos consta de los siguientes pasos generales:
1. Selección del conjunto dedatos.
2. Análisis de las propiedades de los datos.
3. Transformación del conjunto de datos de entrada.
4. Seleccionar y aplicar la técnica de minería de datos, se construye el modelo de predicción, de clasificación o segmentación.
5. Evaluar los resultados contrastándolos con un conjunto de datos previamente reservado para validar la generalidad del modelo.
Obtención de...