Ensayo De Mineria De Datos

INTRODUCCIÓN

Vivimos una época en la que la información es la clave para obtener el éxito en el mundo de los negocios, para que una empresa se mantenga constante en el aspecto competitivo, los gerentes y los tomadores de decisiones necesitan un acceso fácil y rápido a información útil y valiosa que tiene la empresa y para esto les sería muy útil una base de datos.

No puede haber algo más crítico para una empresa que tener tanta información disponible y no saber qué hacer con esa información, ya que con la misma puede obtener muchos beneficios, por ejemplo con esa información las empresas pueden crear pronósticos y reportes que apoyen a la toma de decisiones y todo esto a su vez lo podríamos considerar como una ventaja competitiva.

Dicha información se puede concentrar en una base de datos que posteriormente puede ser vendida como conocimiento empresarial. En la actualidad existe una gran variedad de software especializado en bases de datos, la mayoría tienen características similares entre ellas, pero pueden ser usadas para diferentes fines de las empresas, ya que pueden ser utilizadas para obtener beneficios, en su área de ventas, marketing, finanzas, etc.

MINERIA DE DATOS

Concepto General:

Es un mecanismo de explotación, consistente en la búsqueda de información valiosa en grandes volúmenes de datos.

Definición:

Es el análisis de archivos y bitácoras de transacciones, trabaja a nivel del conocimiento con el fin de descubrir patrones, relaciones, reglas, asociaciones o incluso excepciones útiles para la toma de decisiones. La MD está muy ligada a los Data Warehouse, que es un sistema para el almacenamiento y distribución de cantidades masivas de datos. La MD puede ser dividida en:

 Minería de datos predictiva (MDP): usa primordialmente técnicas estadísticas.

 Minería de datos para el descubrimiento de conocimiento (MDDC): usa principalmente técnicas de inteligencia artificial.

Aplicaciones de Minería de Datos:

Actualmente se aplica en áreas tales como:

 Aspectos climatológicos: predicción de tormentas, etc.

 Medicina: encontrar la probabilidad de una respuesta satisfactoria a un tratamiento médico.

 Mercadotécnica: identificar clientes susceptibles de responder a ofertas de productos y servicios por correo, fidelidad de clientes, afinidad de productos, etc.

 Inversión en casas de bolsa y banca: análisis de clientes, aprobación de préstamos, determinación de montos de crédito, etc

 Detección de fraudes y comportamientos inusuales: telefónicos,seguros, en tarjetas de crédito, de evasiónfiscal, electricidad, etc.

 Análisis de canastas de mercado para mejorar la organización de tiendas, segmentación de mercado (clustering).

 Determinación de niveles de audiencia de programas televisivos.

 Industria y manufactura: diagnóstico de fallas.

Algoritmos de Minería de Datos;

 Supervisados o predictivos: predicen elvalor de un atributo de un conjunto de datos, conocidos otros atributos. A partir de datos cuya etiqueta se conoce seinduce una relación entre dicha etiqueta y otraserie de atributos. Esas relaciones sirven pararealizar la predicción de datos cuya etiqueta esdesconocida.

 No supervisados o del descubrimientodel conocimiento: con estos algoritmos sedescubren

...