Data Mining


Data Mining
El ejemplo clásico de aplicación de la minería de datos tiene que ver con la detección de hábitos de compra en supermercados. Un estudio muy citado detectó que los viernes había una cantidad inusualmente elevada de clientes que adquirían a la vez pañales y cerveza. Se detectó que se debía a que dicho día solían acudir al supermercado padres jóvenes cuya perspectiva para el fin desemana consistía en quedarse en casa cuidando de su hijo y viendo la televisión con una cerveza en la mano. El supermercado pudo incrementar sus ventas de cerveza colocándolas próximas a los pañales para fomentar las ventas compulsivas.

Principiemos (como dice mi profesora de Gestión del Mantenimiento y lo dice bien), como le explicarías a un niño que significa el concepto de Data Mining?, puesprimero se lo traduces no?, Data Mining significa “Minería de Datos”, inmediatamente el niño se imaginaría una gran mina con muchos datos en su interior y pues no estaría muy alejado de la verdad, en esencia se dice que se trata de Montañas de Datos y de lo que se trata es que en base a herramientas (como lo son el pico, la pala, etc) logremos excavar esas montañas y encontremos las famosas"pepitas de oro", en este caso se trataría de información útil e importante para nosotros.
Si bien es posible usar Excel para realizar buena parte de un proyecto de Data Mining, usualmente se usan otros programas especialmente creadas para este propósito, ya que permiten trabajar con bases de datos que contienen millones de filas y cientos o miles de columnas. Además, estos programas contienenalgoritmos que permiten crear modelos capaces de poner en evidencia las relaciones buscadas.
Actualmente muchas empresas en el mundo están llevando a cabo proyectos de Data Mining en distintas áreas para responder diversas cuestiones. Por ejemplo:
¿Cuáles son los mejores productos para venderles a mis clientes?
¿Cuál es la probabilidad de que un cliente compre un determinado producto?
¿Cuál es lamejor manera de agrupar o segmentar a mis clientes?
¿Qué características comparten mis mejores clientes?
¿A cuáles clientes puedo otorgarles crédito y a cuáles no?
¿Cuál es la probabilidad de que un cliente esté cometiendo un fraude?
¿Cuál es el riesgo de perder este cliente?

Los Fundamentos del Data Mining
Data Mining está listo para su aplicación en la comunidad de negocios porqueestá soportado por tres tecnologías que ya están suficientemente maduras:
Recolección masiva de datos
Potentes computadoras con multiprocesadores
Algoritmos de Data Mining
Las bases de datos comerciales están creciendo a un ritmo sin precedentes. Un reciente estudio del META GROUP sobre los proyectos de Data Warehouse encontró que el 19% de los que contestaron están por encima del nivel de los50 Gigabytes, mientras que el 59% espera alcanzarlo en el segundo trimestre de 1997. En algunas industrias, tales como ventas al por menor (retail), estos números pueden ser aún mayores. MCI Telecommunications Corp. cuenta con una base de datos de 3 terabytes + 1 terabyte de índices y overhead corriendo en MVS sobre IBM SP2. La necesidad paralela de motores computacionales mejorados puede ahoraalcanzarse de forma más costo - efectiva con tecnología de computadoras con multiprocesamiento paralelo. Los algoritmos de Data Mining utilizan técnicas que han existido por lo menos desde hace 10 años, pero que sólo han sido implementadas recientemente como herramientas maduras, confiables, entendibles que consistentemente son más performantes que métodos estadísticos clásicos.
Los componentesesenciales de la tecnología de Data Mining han estado bajo desarrollo por décadas, en áreas de investigación como estadísticas, inteligencia artificial y aprendizaje de máquinas. Hoy, la madurez de estas técnicas, junto con los motores de bases de datos relacionales de alta performance, hicieron que estas tecnologías fueran prácticas para los entornos de data warehouse actuales.

El Alcance de...