MINERÍA DE DATOS

MINERÍA DE DATOS

1. INTELIGENCIA DE NEGOCIOS

   • Es el conjunto de procesos, aplicaciones y tecnologías que facilitan la obtención rápida y sencilla de datos provenientes de los sistemas de gestión empresarial para su análisis e interpretación, de manera que puedan ser aprovechados para la toma de decisiones y se conviertan en conocimiento para los responsables del negocio.
     • EJEMPLOS
       • o Mercadotecnia o Ventas o Finanzas o Logística o Producción

2. OLAP

   • Es el acrónimo en inglés de procesamiento analítico en línea (On-Line Analytical Processing). Es una solución utilizada en el campo de la llamada inteligencia empresarial (o Business Intelligence) cuyo objetivo es agilizar la consulta de grandes cantidades de datos.

3. DEFINICIÓN

   • Es el proceso de búsqueda en grandes bases de datos para encontrar información útil que sirva para la toma de decisiones. También se utiliza el término en inglés «data mining».

4. KDD

   • DEFINICIÓN
     • Knowledge Discovery implica la evaluación e interpretación de patrones y modelos para tomar decisiones con respecto a lo que constituye conocimiento y lo que no lo es. Por lo tanto, el KDD requiere de un amplio y profundo conocimiento sobre tu área de estudio.
   • FASES
     • ENTENDER EL DOMINIO Y DEFINIR LAS METAS
       • No es en sí misma una fase porque no suma valor añadido al proceso, sino que se prepara una visión general de qué tareas se van a realizar y de qué manera se van a realizar.
     • FASE DE INTEGRACIÓN Y RECOPILACIÓN
       • En esta fase se reconocen y reúnen los datos con los que se trabajará en el futuro. Estos datos pueden proveer de 2 fuentes diferenciadas: fuentes internas y fuentes externas.
     • FASE DE SELECCIÓN, LIMPIEZA Y TRANSFORMACIÓN
       • Esta fase tiene como objetivo la mejora en la calidad del almacén de datos y trata de mostrar el conjunto de datos de la manera más apropiada para la siguiente fase: la minería de datos.
     • FASE DE MINERÍA DE DATOS
       • Esta es la fase más característica del proceso KDD. Tanto que, en muchas ocasiones, todo el proceso recibe su nombre.
     • FASE DE EVALUACIÓN E INTERPRETACIÓN
       • Una vez obtenido el conocimiento y el patrón resultante de la fase de minería, el siguiente paso es evaluar como ese conocimiento se aproxima a la realidad en cuanto a las metas definidas en la primera fase.
     • FASE DE DIFUSIÓN Y USO
       • Esta fase tiene como fin la aplicación correcta del conocimiento adquirido, en forma de modelo, en el dominio para el cual fue creado. Esto es usar el modelo de forma correcta por parte de los usuarios para los que se comenzó el proceso KDD.

5. TAREAS DESCRIPTIVAS

   • CLASIFICACIÓN
     • Se asigna una categoria a cada caso, cada uno de los casos contiene un conjunto de atributos y uno de esos atributos es el atributo clase.
   • SEGMENTACIÓN
     • Tarea que sirve para identificar grupos considerados naturales basándose en un conjunto de atributos.
   • ASOCIACIÓN
     • Organizada conforme a las relaciones entre atributos, expresa las afinidades entre elementos siguiendo un modelo de X -> Y
   • REGRESIÓN
     • Corresponde a una dato con el valor real de una variable.

6. TAREAS PREDICTIVAS

   • PROVISIÓN
     • Son el conjunto de valores obtenidos por un tiempo determinado que se extrae para ser utilizado después.
   • ANÁLISIS DE SECUENCIA
     • Busca patrones en secuencias o transacciones para optimizar ventas.
   • ANÁLISIS DE DESVIACIONES
     • Busca datos que no son comunes en comparación a los otros que se han encontrado, puede ser utilizado el método de funciones de base radial.
   • ANÁLISIS DESIMILITUD EN SERIES TEMPORALES
     • Detecta las ocurrencias de secuencias similares en una colección de series temporales utilizando el método de clustering.