Mineria De Datos

CAPÍTULO 1

¿QUÉ ES LA MINERÍA DE DATOS?

La “minería de datos” se crea por la aparición de nuevas necesidades, el valor de la gran cantidad de datos almacenados. Los datos pasan de ser un “producto” que hay que explotar para obtener el verdadero “producto elaborado”, el conocimiento para la ayuda en la toma de decisiones.

1. Nuevas necesidades

La información histórica es útil paraexplicar el pasado, entender el presente y predecir la información futura.

Análisis e interpretación realizada de forma manual. Este conocimiento, validado convenientemente, puede ser usado en este caso por la autoridad sanitaria competente para establecer políticas de vacunaciones

Esta forma de actuar es lenta, cara y altamente subjetiva. El análisis manual es impracticable en dominios dondeel volumen de los datos crece exponencialmente. Este es el principal cometido de la minería de datos: resolver problemas analizando los datos presentes en las bases de datos.

Hasta no hace mucho, el análisis de los datos de una base de datos se realizaba mediante consultas efectuadas con lenguajes generalistas de consulta, como el SQL, y se producía sobre la base de datos operacional, esdecir, junto al procesamiento transaccional en línea (On-Line Transaction Processing, OLTP) de las aplicaciones de gestión. Solo permitía generar información resumida de una manera previamente establecida (generación de informes), poco flexible y, sobre todo, poco escalable a grandes volúmenes de datos. La tecnología de bases de datos ha respondido a este reto con una nueva arquitectura: el almacén dedatos (data warehouse). Se trata de un repositorio de fuentes heterogéneas de datos, integrados y organizados bajo un esquema unificado para facilitar su análisis y dar soporte a la toma de decisiones. Incluye operaciones de procesamiento analítico en línea (On-Line Analytical Processing, OLAP), es decir, técnicas de análisis como pueden ser el resumen, la consolidación o la agregación, así comola posibilidad de ver la información desde distintas perspectivas.

Sin embargo, las herramientas OLAP no generan reglas, patrones, pautas, es decir, conocimiento que pueda ser aplicado a otros datos.

Existen otras herramientas analíticas que han sido empleadas para analizar los datos y que tienen su origen en la estadística. La estadística es, en cierto modo, la “madre” de la minería dedatos.

Todos estos problemas y limitaciones de las aproximaciones clásicas han hecho surgir la necesidad de una nueva generación de herramientas y técnicas para soportar la extracción de conocimiento útil desde la información disponible, y que se engloban bajo la denominación de minería de datos. La minería de datos se distingue de las aproximaciones anteriores porque no obtiene informaciónextensional (datos) sino intencional (conocimiento). El conocimiento es un modelo novedoso y original, extraído completamente por la herramienta. El resultado de la minería de datos – son conjuntos de reglas, ecuaciones, arboles de decisión, redes neuronales, grafos probabilÍsticos… , los cuales pueden usarse para responder a diversas cuestiones.

2. El concepto de la minería de datos. Ejemplos

Laminería de datos como el proceso de extraer conocimiento útil y comprensible, previamente desconocido, desde grandes cantidades de datos almacenados en distintos formatos. Es decir, la tarea fundamental es encontrar modelos inteligibles a partir de los datos. Para que este proceso sea efectivo debería ser automático o semi-automático (asistido) y el uso de los patrones descubiertos debería ayudara tomar decisiones mas seguras que reporten, por tanto, algún beneficio a la organización.

Los retos de la minería de datos son dos: por un lado, trabajar con grandes volúmenes de datos, procedentes mayoritariamente de sistemas de información, con los problemas que ello conlleva (ruido, datos ausentes, intratabilidad, volatilidad de los datos…), y por el otro lado usar técnicas adecuadas...