Mineria de datos

UNIVERSIDAD LAICA VICENTE ROCAFUERTE DE GUAYAQUIL









SISTEMAS DE IFORMACION GERENCIAL
Msc. Edwin Lara



Curso: 10mo A Noct.

Integrantes:
Ayerve Cevallos Julio
Burneo Paguay Carolina
Cedeño Intriago Jahir
Garzón Vega Karim
Velez Velez Tania
Conceptos de minería de datos
El datamining (minería de datos), es el conjunto de técnicas y tecnologías que permiten explorar grandes bases dedatos, de manera automática o semiautomática, con el objetivo de encontrar patrones repetitivos, tendencias o reglas que expliquen el comportamiento de los datos en un determinado contexto.
Surge para intentar ayudar a comprender el contenido de un repositorio de datos. Con este fin, hace uso de prácticas estadísticas y, en algunos casos, de algoritmos de búsqueda próximos a la InteligenciaArtificial y a las redes neuronales.
De forma general, los datos son la materia prima bruta. En el momento que el usuario les atribuye algún significado especial pasan a convertirse en información. Cuando los especialistas elaboran o encuentran un modelo, haciendo que la interpretación que surge entre la información y ese modelo represente un valor agregado, entonces nos referimos al conocimiento.Aunque en datamining cada caso concreto puede ser radicalmente distinto al anterior, el proceso común a todos ellos se suele componer de cuatro etapas principales:
Determinación de los objetivos. Trata de la delimitación de los objetivos que el cliente desea bajo la orientación del especialista.
Pre procesamiento de los datos. Se refiere a la selección, la limpieza, el enriquecimiento, lareducción y la transformación de las bases de datos. Esta etapa consume generalmente alrededor del setenta por ciento del tiempo total de un proyecto.
  Determinación del modelo. Se comienza realizando unos análisis estadísticos de los datos, y después se lleva a cabo una visualización gráfica de los mismos para tener una primera aproximación. Según los objetivos planteados y la tarea que debe llevarse acabo, pueden utilizarse algoritmos desarrollados en diferentes áreas de la 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. El cliente determina si son novedosos y si le aportan un nuevo conocimiento que le permita considerar sus decisiones.

Cargade trabajo en las fases de un proyecto de datamining

En resumen, el datamining se presenta como una tecnología emergente, con varias ventajas: por un lado, resulta un buen punto de encuentro entre los investigadores y las personas de negocios; por otro, ahorra grandes cantidades de dinero a una empresa y abre nuevas oportunidades de negocios. Además, no hay duda de que trabajar con estatecnología implica cuidar un sinnúmero de detalles debido a que el producto final involucra "toma de decisiones".
Escenarios en los que se aplica la minería de datos
Previsión: calcular las ventas y predecir las cargas de servidor o el tiempo de inactividad del servidor.
Riesgo y probabilidad: elegir los mejores clientes para la distribución de correo directo, determinar el punto de equilibrio probablepara los escenarios de riesgo, y asignar probabilidades a diagnósticos u otros resultados.
Recomendaciones: determinar los productos que se pueden vender juntos y generar recomendaciones.
Buscar secuencias: analizar los artículos que los clientes han introducido en el carrito de compra y predecir los posibles eventos.
Agrupación: separar los clientes o los eventos en clústeres de elementosrelacionados, analizar y predecir afinidades.
Seis pasos básicos para definir un modelo idóneo de minería de datos:
1. Definir el problema
¿Qué está buscando? ¿Qué tipos de relaciones intenta buscar?
¿Refleja el problema que está intentando resolver las directivas o procesos de la empresa?
¿Desea realizar predicciones a partir del modelo de minería de datos o solamente buscar asociaciones y patrones...