Podemos resumir los objetivos de la ingeniería en encontrar modelos
inteligibles a partir de los datos y convertir dichos datos en conocimiento.
Minería de
datos
La minería de datos
es el proceso de extraer conocimiento útil y comprensible, previamente
desconocido, desde grandes cantidades de datos almacenados, en distintos
formatos, en sistemas de información.
La minería
de datos
La minería de datos
se da por la aparición de nuevas necesidades y el conocimiento del valor
potencial de los datos almacenados informáticamente en los sistemas de
información. De esta manera los datos pasan de ser un “producto” (el resultado
histórico de los sistemas de información) a ser una “materia prima” que hay que explotar para obtener el
verdadero producto elaborado, el
conocimiento.
Retos de
la minería de datos
Los retos de la
minería de datos podemos simplificarlos en, trabajar con grandes volúmenes de
datos, procedentes mayoritariamente de los sistemas de información, con los
problemas que ello conlleva (ruido, datos ausentes, intratabilidad, volatilidad
de los datos), y por el otro usar técnicas adecuadas para analizar los mismos y
extraer conocimiento novedoso y útil.
Miremos un ejemplo
típico y otros más de la minería de datos:
Análisis de cesta de compras
Un supermercado quiere tener información sobre el
comportamiento de compra de sus clientes.
Piensa que de esta forma puede mejor el servicio que les
ofrece: reubicación de los productos que se suelen comprar junto, localizar el
emplazamiento para nuevos productos, etc. Para ello dispone de la información
de los productos que se adquieren en cada una de las compras.
Analizando estos datos el supermercado podría encontrar, por ejemplo, que el cien por ciento de las veces que se compra pañales también se compra leche, que el cincuenta por ciento de las veces que se compra huevos también se compra aceite, o que el treinta y tres por ciento de las veces que se compra vino y salmón entonces se compra lechuga.
Patrones de fuga
Un ejemplo más habitual
es el de la detección de patrones de fuga. En muchas industrias como la banca,
las telecomunicaciones, etc. existe un comprensible interés en detectar cuanto
antes aquellos clientes que puedan estar pensando en rescindir sus contratos
para, posiblemente, pasarse a la competencia. A estos clientes, y en función de
su valor, se les podrían hacer ofertas personalizadas, ofrecer promociones
especiales, etc., con el objetivo último de retenerlos. La minería de datos
ayuda a determinar qué clientes son los más proclives a darse de baja
estudiando sus patrones de comportamiento y comparándolos con muestras de
clientes que, efectivamente, se dieron de baja en el pasado.
Fraudes
Un caso análogo es el de
la detección de transacciones de lavado de dinero o de fraude en el uso de
tarjetas de crédito o de servicios de telefonía móvil e, incluso, en la
relación de los contribuyentes con el fisco. Generalmente, estas operaciones
fraudulentas o ilegales suelen seguir patrones característicos que permiten,
con cierto grado de probabilidad, distinguirlas de las legítimas y desarrollar
así mecanismos para tomar medidas rápidas frente a ellas.
Tipos de datos de la minería
La minería de datos trabaja con dos tipos de datos. Los
datos estructurados en bases de datos(espaciales, temporales, textuales y
multimedia) y los tipos de datos no estructurados provenientes de la web o de
otros tipos de repositorios de información.
La minería de datos guarda relación con otras disciplinas
dada la importancia de esta, para generar materia prima.
Ver gráfica:
Relación de la Minería de Datos para Recuperar Información con otras disciplinas
La minería
de datos para recuperar información es un campo multidisciplinar que se ha
desarrollado en paralelo o como prolongación de otras tecnologías.
Con
esto se puede decir que a partir de los avances en otras disciplinas, surgen
también los
avances
en la Minería de Datos para Recuperar Información.
Destacan,
entre las disciplinas que se encuentran más unidas a la Minería de Datos para
Recuperar Información las siguientes:
1. Recuperación
de Información: consiste en obtener información desde datos textuales. Su
desarrollo está basado en el uso de bibliotecas, y en particular en las
bibliotecas digitales; así como en la búsqueda por Internet
2. Estadística:
proporciona los conceptos, algoritmos y técnicas que se utilizan en la Minería
de Datos para Recuperar Información. Algunos ejemplos de ello pueden ser:
Media
Varianza
Regresión
lineal
Regresión
no lineal
3. Inteligencia
Artificial: se encarga del desarrollo de algoritmos capaces de aprender.
4. Sistemas
para la toma de decisiones: son herramientas y sistemas informatizados cuyo
objetivo es proporcionar la información necesaria para llevar a cabo la toma de
decisiones en el ámbito empresarial o en medicina
5. Visualización
de datos: es lo que conocemos por diagramas de barras, histogramas...
7. Bases
de Datos
La
minería de datos se puede integrar a aplicaciones financieras y de banca;
análisis de mercado, distribución y, en general comercio; seguros y salud
privada; educación; Procesos industriales; medicina, biología, bioingeniería y
otras ciencias; telecomunicaciones; Otras áreas.
No hay comentarios:
Publicar un comentario