Minería de datos

INTRODUCCIÓN
En las últimas dos décadas han aumentado las cantidades de datos almacenados electrónicamente de manera exponencial. Esta acumulación de datos está ocurriendo a una velocidad vertiginosa. Algunas estimaciones indican que la cantidad y tamaño de los datos en el mundo se duplica cada 20 meses y el número de bases de datos aumenta incluso a un ritmo más rápido.
En la actual era,llamada la “Era de la Información”, las organizaciones cuentan con vastos volúmenes de datos almacenados en sistemas transaccionales. Pero disponer de datos no es lo mismo que disponer de información y mucho menos de conocimiento. Los datos se convierten en información cuando se pueden enmarcar en un contexto dado y la información se convierte en conocimiento cuando se puede utilizar para solucionarcuestiones del negocio, de tal manera que se pueda comprender mejor el funcionamiento del mismo.
Como es lógico es necesario algún método para de obtención de información y conocimiento a partir de los datos. Uno de estos métodos es el Descubrimiento de Conocimiento a partir de Bases de Datos(KDD, del inglés Knowledge Discovery from Databases), también conocido como Minería de Datos (DM, del inglésData Mining). La minería o prospección de datos no es más encontrar y extraer patrones, regularidades e información valiosa en los datos de grandes base de datos.
De acuerdo con William J. Frawley, Gregory Piatetsky-Shapiro and Christopher J. Matheus “La minería de datos, o el descubrimiento de conocimiento a partir de base de datos, como también es conocida, es la extracción no trivial deinformación implícita, previamente desconocida y potencialmente útil, de los datos. Esto implica a un número de diferentes acercamientos técnicos, tales como, clusterización, resumen y selección de datos, aprendizaje de reglas de clasificación, búsqueda de redes de dependencias, análisis de cambio y detección de anomalías”.
 

DESARROLLO
DISCIPLINAS RELACIONADAS CON LA MINERÍA DE DATOS
Lautilización de técnicas computarizadas para el proceso de toma de decisiones se está expandiendo y profundizando a lo largo del mundo. Para ello es necesaria la extracción de información de las diferentes fuentes de datos disponibles. Este proceso no es más que la minería de datos.
1. Sistema de Base de Datos
Las bases de datos son representaciones lo más aproximada posible al mundo real, del estado deun negocio determinado, son colecciones de datos e información relacionada entre sí y son las fuente de entrada al proceso de minería de datos.
2. Estadísticas
Las estadísticas tienen una base teórica sólida pero los resultados que estas brindan cuando la entrada es especialmente grande, como las bases de datos de hoy en día, pueden llegar a ser abrumadores y difíciles de interpretar, sinembargo la minería de datos permite trabajar juntos al conocimiento de los datos del experto y las avanzadas técnicas analíticas de la computadora. Las estadísticas tienen un importante papel que jugar y minería de datos no va a remplazar eso pero si ayuda a enfocar más directamente un análisis de un problema determinado.
3. Inteligencia Artificial
Inteligencia artificial (AI, del inglés ArtificialIntelligence) o también llamado, aprendizaje de las maquinas, es equivalente a la construcción de reglas de basadas en observaciones de los estados y transiciones que ocurren en un entorno determinando. Un algoritmo de aprendizaje utiliza conjuntos de datos como entrada y devuelve sentencias, o sea, conceptos que representan el resultado del aprendizaje. El KDD o minería de datos se centra enencontrar conocimiento entendible, mientras el aprendizaje de las maquinas se utiliza para mejorar el rendimiento, o sea, construir y utilizar una red neuronal es parte de la AI y no del KDD.
La relación que existe entre el KDD y la AI es la necesidad de crear algoritmos de aprendizaje más eficientes ya que las bases de datos generalmente son muy grandes y dispersas. Las bases de datos están...