Mineria De Datos
Enviado por MANCHITO2000 • 5 de Octubre de 2014 • 809 Palabras (4 Páginas) • 258 Visitas
El lavado de activos es el delito que más millones de dólares genera anualmente, en Colombia se estima que el lavado de activos mueve cerca de diez mil millones dólares anuales (MarcadorDePosición1) , superando a delitos como el narcotráfico y el contrabando, por esto es muy importante en nuestro país conocer las herramientas que usan los auditores forenses alrededor del mundo para lograr una buena aplicación en al ámbito colombiano.
Las herramientas o técnicas más utilizadas por los auditores al rededor del mundo para la prevención y detección de lavados de activos son:
Minería de datos
La minería de datos también llamada explotación de información es una técnica en la cual se utilizan varios pasos que involucran herramientas como softwares de bases de datos y el uso de estadísticas. Todo esto con el fin de extraer información que sea de gran utilidad y entendimiento, información que aunque se encontraba en bases de datos o bodegas de tatos (datawarehouse) y era de total desconocimiento ya que no era posible encontrar mediante métodos estadísticos tradicionales.
Aunque en la actualidad hay softwares de data minning que integran la estadística y las bases de datos muchas más que son muy útiles para optimizar el trabajo del auditor, la minería de datos surge para la comprensión y organización de grandes bases de datos, y de esta forma lograr una mejor utilización de la información para prácticas estadísticas.
La minería de datos tiene varios enfoques metodológicos los cuales han tenido un gran desarrollo en la última década en las técnicas de explotación de la información y en menor medida la forma de como ejecutar estas metodologías para generar nuevos conocimientos , aunque algunas de estas metodologías sean solo modelos de procesos su diferencia radica en que el modelo de proceso establece que hacer los ´pasos a seguir y la metodología especifica cómo hacer cada uno de los pasos .cada auditor es autónomo de utilizar el método que considere más adecuado dependiendo del escenario en que se encuentre y son:
KKD (knowledge Discovery in Databases)
Fue creado en 1996 y fue el primer modelo aceptado por la comunidad científica y contiene los siguientes pasos:
1. Comprender el dominio de aplicación: este paso incluye el conocimiento relevante previo y las metas de la aplicación.
2. Extraer la base de datos objetivo: recogida de los datos, evaluar la calidad de los datos y utilizar análisis exploratorio de los datos para familiarizarse con ellos.
3. Preparar los datos: incluye limpieza, transformación, integración y reducción de datos. Se intenta mejorar la calidad de los datos a la vez que disminuir el tiempo requerido por el algoritmo de aprendizaje aplicado posteriormente.
4. Minería de datos:, este es la fase fundamental del proceso.
...