MINERÍA DE DATOS

MINERÍA DE DATOS

1. Es el proceso de extraer información útil y comprensible, previamente desconocido, desde grandes cantidades de datos almacenados en distintos formatos.

2. ventajas

   • A largo plazo, ahorra dinero a la empresa
   • Contribuye a la toma de decisiones de forma estratégica
   • Mide los resultados en la forma de mejora
   • Genera modelos descriptivos, es decir, qué datos influyen en los resultados finales
   • Genera modelos predictivos

3. Metodologia

   • Definir el problema:
     • Hablar con el cliente, conocer sus necesidades, conocer su negocio o actividad, conocer qué datos relevantes tiene disponibles
   • Entendimiento de los datos
     • hay que saber qué significan los datos, si son continuos o discretos, qué tipo de valores toman, qué utilidad futura pueden tener y saber si están bien capturados o no
   • Explorar los datos
     • para tomar las decisiones adecuadas al crear los modelos de minería de datos.
   • Generar modelos
     • Deberá definir qué columnas de datos desea que se usen; para ello, creará una estructura de minería de datos. La estructura de minería de datos se vincula al origen de datos.
   • Evaluación
     • los resultados obtenidos deben de ser sometidos a comprobación, verificar que están libres de errores, ratificar que son útiles para los objetivos perseguidos, etc.
   • Despliegue funcional-comercial:
     • puede llevar acabo diferentes tareas, dependiendo de sus necesidades.

4. usos y aplicación

   • Gobiernos
     • El FBI analizará las bases de datos comerciales para detectar terroristas.
   • Empresas
     • Análisis de datos financieros
   • Universidad
     • Alumnos recién titulados que llevan a cabo actividades profesionales relacionadas con sus estudios.
   • Internet: Web Mining

5. funcionalidad de la minería de datos

   • Predictiva: caso del banco, hospital
     • En base a una clasificación: por ejemplo si el cliente pagará o no pagará, o el tipo de dolencia que puede tener un paciente
     • base a una regresión: por ejemplo calcular el tiempo previsible que se empleará en corregir los errores de un desarrollo de software.
   • Descriptiva:
     • Agrupamiento
       • clasificar individuos en grupos en base a sus características
     • Reglas de asociación: conocer cómo se relacionan los datos o campos. Por ejemplo conocer en el hipermercado que un cliente que compra leche muy probablemente comprará también pan.
     • Secuenciación: intentar predecir el valor de una variable en función del tiempo. Por ejemplo la demanda de energía eléctrica.

Imágenes y archivos del mapa