mineria

¨
´
Q UESTII O , vol. 25, 3, p. 479-498, 2001

´
LA MINERIA DE DATOS,
´
ENTRE LA ESTADISTICA
Y LA INTELIGENCIA ARTIFICIAL
`
TOMAS ALUJA
Universitat Polit` cnica de Catalunya £
e

En la pasada d´ cada hemos asistido a la irrupci on de un nuevo concepto
e
´
en el mundo empresarial: el «data mining» (miner´a de datos). Algunas
ı
empresas han implementado unidades de miner´a dedatos estrechamente
ı
vinculados a la direcci on de la empresa y en los foros empresariales las
´
sesiones dedicadas a la miner´a de datos han sido las protagonistas. La
ı
miner´a de datos se presenta como una disciplina nueva, ligada a la Inı
teligencia Artificial y diferenciada de la Estad´stica. Por otro lado, en el
ı
mundo estad´stico m´ s acad´ mico, la miner´a de datos ha sido consideıa
e
ı
rada en su inicio como una moda m as, aparecida despu´ s de los sistemas
e
´
expertos, conocida desde hac´a tiempo bajo el nombre de «data fishing».
ı
¿Es esto realmente as´? En este art´culo abordaremos las ra´ces estad´sı
ı
ı
ı
ticas de la miner´a de datos, los problemas que trata, haremos una paı
nor´ mica sobre el alcance actual de la miner´a de datos, presentaremos
a
ıun ejemplo de su aplicaci on en el mundo de la audiencia de televisi on y,
´
´
por ultimo, daremos una visi on de futuro.
´
´
Data mining, between statistics and artificial intelligence
Palabras clave: Data mining, an´ lisis de datos, modelizaci´ n, inteligena
o
cia artificial, KDD, redes neuronales, arboles de decisi´ n
´
o
Clasificaci´ n AMS (MSC 2000): 62-07, 68T10, 62P30
o
*Departamento de Estad´stica e Investigaci´ n Operativa. Universitat Polit` cnica de Catalunya (UPC).
ı
o
e
E-mail: tomas.aluja@upc.es
– Recibido en abril de 2001.
– Aceptado en noviembre de 2001.

479

´
1. INTRODUCCION
El almacenamiento de datos se ha convertido en una tarea rutinaria de los sistemas de informaci´ n de las organizaciones. Esto es a´ n m´ s evidente en las empresas de lanueva
o
u
a
econom´a, el e-comercio, la telefon´a, el marketing directo, etc. Los datos almacenados
ı
ı
son un tesoro para las organizaciones, es donde se guardan las interacciones pasadas
con los clientes, la contabilidad de sus procesos internos, representan la memoria de la
organizaci´ n. Pero con tener memoria no es suficiente, hay que pasar a la acci´ n intelio
o
gente sobre los datospara extraer la informaci´ n que almacenan. Este es el objetivo de
o
la Miner´a de Datos.
ı
En primer lugar situemos la miner´a de datos a partir de algunas definiciones que se ha
ı
dado sobre la misma:
Data Mining: «the process of secondary analysis of large databases aimed
at finding unsuspected relationships which are of interest or value to the
database owners» (Hand, 1998)
«Iterativeprocess of extracting hidden predictive patterns from large databases, using AI technologies as well as statistics techniques» (Mena, 1999)
La ultima, sin ser la definici´ n m´ s popular, enfatiza, sin embargo, cu´ les son las ra´ces
´
o a
a
ı
de la miner´a de datos: la Inteligencia Artificial (en particular Machine learning) y la
ı
Estad´stica.
ı
Si buscamos a su vez definiciones de estasdos disciplinas:
Machine learning: «a branch of AI that deals with the design and application of learning algorithms» (Mena, 1999)
Estad´stica: «a branch of Applied Mathematics, and may be regarded as
ı
mathematics applied to observational data . . . Statistics may be regarded as
1. the study of populations
2. the study of variation
3. the study of methods of the reduction of data»
(Fisher,1925)
«methodology for extracting information from data and expressing the
amount of uncertainity in decisions we make» (C. R. Rao, 1989).
Observemos que ya en 1925, Sir R. Fisher consider´ la estad´stica bajo tres opticas
o
ı
´
diferentes, como el estudio de poblaciones, lo cual est´ en el propio origen de la discia
plina, como el estudio de la variabilidad que permite la modelizaci´ n...