¿Para qué sirve la minería de datos?

La minería de datos (data mining), es un proceso para detectar información de conjuntos grandes de datos, de la manera más automáticamente posible. Su objetivo es encontrar patrones, tendencias o reglas que expliquen el comportamiento de los datos en un contexto específico. Utiliza el análisis matemático para deducir cada tendencia, y su importancia yace en […]

Nicolás Bengoa | Syloper Nicolás Bengoa

Publicado el 26/02/2015

La minería de datos (data mining), es un proceso para detectar información de conjuntos grandes de datos, de la manera más automáticamente posible. Su objetivo es encontrar patrones, tendencias o reglas que expliquen el comportamiento de los datos en un contexto específico.

Utiliza el análisis matemático para deducir cada tendencia, y su importancia yace en que estos patrones no se pueden detectar mediante la exploración tradicional de datos, ya que son muy complejas relaciones o porque la cantidad de datos es demasiada.

La característica que distingue a la minería de datos es que puedes obtener información sin tener que hacer preguntas específicas, ya que su tarea es resolver este ámbito:

Tiene como rol ser predictiva, en relación a la posibilidad de decir qué es lo que puede pasar utilizando estadísticas y probabilidades de información que está oculta en datos almacenados.

También funciona para conocer, además de eventos futuros, datos importantes que conviene saber, pero que no están a la vista. Por ejemplo, una relación inusual entre las ventas de dos productos diferentes y cómo esa relación varía de acuerdo a cómo se posicionan estos productos en los locales de ventas al por menor.

 

38657b1f-56ca-4b9d-b3ff-10a65404d50e

 

Un proceso común de Minería de Datos suele tener cuatro partes principales:

  1. Determinación de los objetivos: A partir de las necesidades del cliente y con orientación del especialista en data mining.
  2. Preprocesamiento de datos: Es la selección y transformación de las bases de datos.
  3. Determinación del modelo: Comienza con el análisis estadísticos de los datos, y después se implementa un primer boceto del diseño de la visualización. En esta etapa pueden utilizarse algoritmos desarrollados en diferentes áreas de la Inteligencia Artificial.
  4. Análisis de los resultados: Se verifica la coherencia de los resultados y se los compara con los obtenidos por estadística y visualización gráfica. También aquí, el cliente opina si se trata de resultados novedosos, útiles y si sirve a sus objetivos iniciales.

La minería de datos puede ser útil en tipos específicos de misiones comerciales. Por ejemplo: determinando la efectividad de un programa de Marketing, manejo del ciclo de vida de un cliente, mostrando escenarios posibles en un proceso de negocio y procesando datos para luego combinarlos en partes para mejor visualización.

GesDatta seleccionada en certamen de emprendedores

En Syloper innovamos. Lo que equivale a decir que somos inquietos por naturaleza. Formamos parte de muchos proyectos y emprendimientos propios o de clientes con...


BLOG

Compromiso por un internet saludable

Ver publicación ->

Colaborar como forma de aprender

Uno los rasgos distintivos de Syloper es el trabajo en equipo. Si nos conociste a través de nuestro sitio (y si no lo hiciste, te...


BLOG

Envianos tu consulta




También podés escribirnos a hola@syloper.com