Universidad Nacional del Nordeste

Facultad de Ciencias Exactas, Naturales y Agrimensura

Trabajo de Adscripcin
Minera de Datos
Adscripta: Soa J. Vallejos - L.U.: 37.032
Materia: Diseo y Administracin de Datos
Director: Mgter. David Luis la Red Martnez
Licenciatura en Sistemas de Informacin
Corrientes - Argentina
2006
ii
ndice General
1 Inteligencia de Negocios 1
1.1 Business Intelligence . . . . . . . . . . . . . . . . . . . . . . . . 1
1.2 Qu es Business Intelligence? . . . . . . . . . . . . . . . . . . . 2
1.3 Componentes de Business Intelligence . . . . . . . . . . . . . . 3
2 Introduccin 5
2.1 Descubrimiento de Conocimiento en Bases de Datos (KDD) . 5
2.2 Concepto del KDD . . . . . . . . . . . . . . . . . . . . . . . . . 6
2.2.1 Metas . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7
2.3 Relacin con otras disciplinas . . . . . . . . . . . . . . . . . . . 8
2.4 El proceso de KDD . . . . . . . . . . . . . . . . . . . . . . . . . 8
3 Mineria de Datos - Data Mining 11
3.1 Conceptos e Historia . . . . . . . . . . . . . . . . . . . . . . . . 11
3.1.1 Los Fundamentos del Data Mining . . . . . . . . . . . . 12
3.2 Principales caractersticas y objetivos de la Minera de Datos . 13
3.3 El Alcance de Data Mining . . . . . . . . . . . . . . . . . . . . 15
3.4 Una arquitectura para Data Mining . . . . . . . . . . . . . . . 16
4 Fases de un Proyecto de MD y Aplicaciones de Uso 17
4.1 Fases de un Proyecto de Minera de Datos . . . . . . . . . . . . 17
4.1.1 Filtrado de datos . . . . . . . . . . . . . . . . . . . . . . 17
4.1.2 Seleccin de variables . . . . . . . . . . . . . . . . . . . 18
4.1.3 Algoritmos de Extraccin de Conocimiento . . . . . . . 18
4.1.4 Interpretacin y evaluacin . . . . . . . . . . . . . . . . 19
4.2 Aplicaciones de Uso . . . . . . . . . . . . . . . . . . . . . . . . 19
4.2.1 En el Gobierno: . . . . . . . . . . . . . . . . . . . . . . . 19
4.2.2 En la Empresa . . . . . . . . . . . . . . . . . . . . . . . 20
4.2.3 En la Universidad . . . . . . . . . . . . . . . . . . . . . 21
iii
iv NDICE GENERAL
4.2.4 En Investigaciones Espaciales . . . . . . . . . . . . . . . 22
4.2.5 En los Clubes Deportivos . . . . . . . . . . . . . . . . . 23
5 Extensiones del Data Mining 25
5.1 Web mining . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 25
5.2 Text mining . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 26
6 Conclusin 29
Bibliografa 31
ndice de Figuras
1.1 Ilustracin del B.I. . . . . . . . . . . . . . . . . . . . . . . . . . 3
2.1 Jerarqua del Conocimiento. . . . . . . . . . . . . . . . . . . . . 7
2.2 Proceso de KDD . . . . . . . . . . . . . . . . . . . . . . . . . . 9
4.1 Fases del Proyecto de M.D. . . . . . . . . . . . . . . . . . . . . 18
v
Captulo 1
Inteligencia de Negocios
1.1 Business Intelligence
Algo peor que no tener informacin disponible es tener mucha informacin y
no saber qu hacer con ella. La Inteligencia de Negocios o Business Intelligen-
ce (BI) es la solucin a ese problema, pues por medio de dicha informacin
puede generar escenarios, pronsticos y reportes que apoyen a la toma de de-
cisiones, lo que se traduce en una ventaja competitiva. La clave para BI es la
informacin y uno de sus mayores benecios es la posibilidad de utilizarla en
la toma de decisiones. En la actualidad hay una gran variedad de software de
BI con aplicaciones similares que pueden ser utilizados en las diferentes reas
de la empresa, tales como, ventas, marketing, nanzas, etc. Son muchas las
empresas que se han beneciado por la implementacin de una sistema de BI,
adems se pronostica que con el tiempo se convertir en una necesidad de toda
empresa.
En este nuevo mundo, la informacin reina arma Georey A. Moore,
Director de Chasm Group. Vivimos en una poca en que la informacin es la
clave para obtener una ventaja competitiva en el mundo de los negocios. Para
mantenerse competitiva una empresa, los gerentes y tomadores de decisiones
requieren de un acceso rpido y fcil a informacin til y valiosa de la empresa.
Una forma de solucionar este problema es por medio del uso de Business
Intelligence o Inteligencia de Negocios.
1
2 CAPTULO 1. INTELIGENCIA DE NEGOCIOS
1.2 Qu es Business Intelligence?
La Inteligencia de Negocios o Business Intelligence (BI) se puede denir como
el proceso de analizar los bienes o datos acumulados en la empresa y extraer
una cierta inteligencia o conocimiento de ellos. Dentro de la categora de
bienes se incluyen las bases de datos de clientes, informacin de la cadena de
suministro, ventas personales y cualquier actividad de marketing o fuente de
informacin relevante para la empresa.
BI apoya a los tomadores de decisiones con la informacin correcta, en el
momento y lugar correcto, lo que les permite tomar mejores decisiones de ne-
gocios. La informacin adecuada en el lugar y momento adecuado incrementa
efectividad de cualquier empresa.
La tecnologa de BI no es nueva, ha estado presente de varias formas por
lo menos en los ltimos 20 aos, comenzando por generadores de reportes
y sistemas de informacin ejecutiva en los 80s Arma Candice Goodwin .
Entindase como sinnimos de tecnologa de BI los trminos aplicaciones, so-
luciones o software de inteligencia de negocios.
Para comprender mejor el concepto se sita el siguiente ejemplo. Una fran-
quicia de hoteles a nivel nacional que utiliza aplicaciones de BI para llevar un
registro estadstico del porcentaje promedio de ocupacin del hotel, as como
los das promedio de estancia de cada husped, considerando las diferencias
entre temporadas. Con esta informacin ellos pueden:
Calcular la rentabilidad de cada hotel en cada temporada del ao.
Determinar quin es su segmento de mercado.
Calcular la participacin de mercado de la franquicia y de cada hotel.
Identicar oportunidades y amenazas.
Estas son slo algunas de las formas en que una empresa u organizacin
se puede beneciar por la implementacin de software de BI, hay una gran
variedad de aplicaciones o software que brindan a la empresa la habilidad de
analizar de una forma rpida por qu pasan las cosas y enfocarse a patrones
y amenazas. En la gura 1.1 de la pgina 3 se ilustra lo antes mencionado.
1.3. COMPONENTES DE BUSINESS INTELLIGENCE 3
Figura 1.1: Ilustracin del B.I.
1.3 Componentes de Business Intelligence
Todas las soluciones de BI tienen funciones parecidas, pero deben de reunir al
menos los siguientes componentes:
Multidimensionalidad: la informacin multidimensional se puede encon-
trar en hojas de clculo, bases de datos, etc. Una herramienta de BI
debe de ser capaz de reunir informacin dispersa en toda la empresa e
incluso en diferentes fuentes para as proporcionar a los departamentos
la accesibilidad, poder y exibilidad que necesitan para analizar la in-
formacin. Por ejemplo, un pronstico de ventas de un nuevo producto
en varias regiones no est completo si no se toma en cuenta tambin el
comportamiento histrico de las ventas de cada regin y la forma en que
la introduccin de nuevos productos se ha desarrollado en cada regin
en cuestin.
Data Mining: Las empresas suelen generar grandes cantidades de infor-
macin sobre sus procesos productivos, desempeo operacional, merca-
dos y clientes. Pero el xito de los negocios depende por lo general de la
habilidad para ver nuevas tendencias o cambios en las tendencias. Las
aplicaciones de data mining pueden identicar tendencias y comporta-
mientos, no slo para extraer informacin, sino tambin para descubrir
las relaciones en bases de datos que pueden identicar comportamientos
4 CAPTULO 1. INTELIGENCIA DE NEGOCIOS
que no muy evidentes.
Agentes: Los agentes son programas que piensan. Ellos pueden realizar
tareas a un nivel muy bsico sin necesidad de intervencin humana.
Por ejemplo, un agente pueden realizar tares un poco complejas, como
elaborar documentos, establecer diagramas de ujo, etc.
Data Warehouse: Es la respuesta de la tecnologa de informacin a la
descentralizacin en la toma de decisiones. Coloca informacin de todas
las reas funcionales de la organizacin en manos de quien toma las
decisiones. Tambin proporciona herramientas para bsqueda y anlisis.
Captulo 2
Introduccin
2.1 Descubrimiento de Conocimiento en Bases de
Datos (KDD)
En los ltimos aos, ha existido un gran crecimiento en nuestras capacidades de
generar y colectar datos, debido bsicamente al gran poder de procesamiento
de las mquinas como a su bajo costo de almacenamiento.
Sin embargo, dentro de estas enormes masas de datos existe una gran
cantidad de informacin oculta, de gran importancia estratgica, a la que no
se puede acceder por las tcnicas clsicas de recuperacin de la informacin.
El descubrimiento de esta informacin oculta es posible gracias a la Minera de
Datos (Data Mining), que entre otras sosticadas tcnicas aplica la inteligencia
articial para encontrar patrones y relaciones dentro de los datos permitiendo
la creacin de modelos, es decir, representaciones abstractas de la realidad,
pero es el descubrimiento del conocimiento (KDD, por sus siglas en ingls) que
se encarga de la preparacin de los datos y la interpretacin de los resultados
obtenidos, los cuales dan un signicado a estos patrones encontrados.
As el valor real de los datos reside en la informacin que se puede ex-
traer de ellos, informacin que ayude a tomar decisiones o mejorar nuestra
comprensin de los fenmenos que nos rodean. Hoy, ms que nunca, los mto-
dos analticos avanzados son el arma secreta de muchos negocios exitosos.
Empleando mtodos analticos avanzados para la explotacin de datos, los ne-
gocios incrementan sus ganancias, maximizan la eciencia operativa, reducen
5
6 CAPTULO 2. INTRODUCCIN
costos y mejoran la satisfaccin del cliente
2.2 Concepto del KDD
De forma general, los datos son la materia prima bruta. En el momento que el
usuario les atribuye algn signicado especial pasan a convertirse en informa-
cin. Cuando los especialistas elaboran o encuentran un modelo, haciendo que
la interpretacin de la informacin y ese modelo representen un valor agrega-
do, entonces nos referimos al conocimiento. En la gura 2.1 de la pgina 7 se
ilustra la jerarqua que existe en una base de datos entre datos, informacin y
conocimiento. Se observa igualmente el volumen que presenta en cada nivel y
el valor que los responsables de las decisiones le dan en esa jerarqua. El rea
interna dentro del tringulo representa los objetivos que se han propuesto. La
separacin del tringulo representa la estrecha unin entre dato e informacin,
no as entre la informacin y el conocimiento.
La capacidad de generar y almacenar informacin creci considerablemente
en los ltimos tiempos, se ha estimado que la cantidad de datos en el mundo
almacenados en bases de datos se duplica cada 20 meses. Es as que hoy las
organizaciones tienen gran cantidad de datos almacenados y organizados, pero
a los cuales no les pueden analizar ecientemente en su totalidad.
Con las sentencias SQL se puede realizar un primer anlisis, aproximada-
mente el 80% de la informacin se obtiene con estas tcnicas. El 20% restante,
que la mayora de las veces, contiene la informacin ms importante, requiere
la utilizacin de tcnicas ms avanzadas.
El Descubrimiento de Conocimiento en Bases de Datos
(KDD) apunta a procesar automticamente grandes cantidades de datos
para encontrar conocimiento til en ellos, de esta manera permitir al usuario
el uso de esta informacin valiosa para su conveniencia.
El KDD es el Proceso no trivial de identicar patrones vlidos, novedosos,
potencialmente
tiles y, en ltima instancia, comprensibles a partir de los datos .
(Fallad et al., 1996)
El objetivo fundamental del KDD es encontrar conocimiento til, vlido,
2.2. CONCEPTO DEL KDD 7
Figura 2.1: Jerarqua del Conocimiento.
relevante y nuevo sobre un fenmeno o actividad mediante algoritmos ecien-
tes, dadas las crecientes rdenes de magnitud en los datos. Al mismo tiempo
hay un profundo inters por presentar los resultados de manera visual o al
menos de manera que su interpretacin sea muy clara. Otro aspecto es que
la interaccin humano-mquina deber ser exible, dinmica y colaboradora.
El resultado de la exploracin deber ser interesante y su calidad no debe ser
afectada por mayores volmenes de datos o por ruido en los datos. En este
sentido, los algoritmos de descubrimiento de informacin deben ser altamente
robustos.
2.2.1 Metas
Las metas del KDD son:
Procesar automticamente grandes cantidades de datos crudos.
Identicar los patrones ms signicativos y relevantes.
Presentarlos como conocimiento apropiado para satisfacer las metas del
usuario.
8 CAPTULO 2. INTRODUCCIN
2.3 Relacin con otras disciplinas
KDD nace como interfaz y se nutre de diferentes disciplinas:
Sistemas de informacin / bases de datos: tecnologas de bases de datos y
bodegas de datos, maneras ecientes de almacenar, accesar y manipular
datos.
Estadstica, aprendizaje automtico / IA (redes neuronales, lgica di-
fusa, algoritmos genticos, razonamiento probabilstico): desarrollo de
tcnicas para extraer conocimiento a partir de datos.
Reconocimiento de patrones: desarrollo de herramientas de clasicacin.
Visualizacin de datos: interfaz entre humanos y datos, y entre humanos
y patrones.
Computacin paralela / distribuida: cmputo de alto desempeo, mejora
de desempeo de algoritmos debido asu complejidad y a la cantidad de
datos.
Interfaces de lenguaje natural a bases de datos.
2.4 El proceso de KDD
El proceso de KDD consiste en usar mtodos de minera de datos(algoritmos)
para extraer (identicar) lo que se considera como conocimiento de acuerdo a
la especicacin de ciertos parmetros usando una base de datos junto con pre-
procesamientos y post-procesamientos.En la gura2.2 de la pagina 9se ilustra
el proceso de KDD.
Se estima que la extraccin de patrones (minera) de los datos ocupa solo
el 15% - 20% del esfuerzo total del proceso de KDD.
El proceso de descubrimiento de conocimiento en bases de datos involucra
varios pasos:
Determinar las fuentes de informacin: que pueden ser tiles y dnde
conseguirlas.
2.4. EL PROCESO DE KDD 9

Figura 2.2: Proceso de KDD
Disear el esquema de un almacn de datos (Data Warehouse): que
consiga unicar de manera operativa toda la informacin recogida.
Implantacin del almacn de datos: que permita la navegacin y visua-
lizacin previa de sus datos, para discernir qu aspectos puede interesar
que sean estudiados. Esta es la etapa que puede llegar a consumir el
mayor tiempo.
Seleccin, limpieza y transformacin de los datos que se van a analizar: la
seleccin incluye tanto una criba o fusin horizontal (las) como vertical
(atributos).La limpieza y prepocesamiento de datos se logra diseando
una estrategia adecuada para manejar ruido, valores incompletos, se-
cuencias de tiempo, casos extremos (si es necesario), etc.
Seleccionar y aplicar el mtodo de minera de datos apropiado: esto
incluye la seleccin de la tarea de descubrimiento a realizar, por ejemplo,
clasicacin, agrupamiento o clustering, regresin, etc. La seleccin de l
o de los algoritmos a utilizar. La transformacin de los datos al formato
requerido por el algoritmo especco de minera de datos. Y llevar a
cabo el proceso de minera de datos, se buscan patrones que puedan
10 CAPTULO 2. INTRODUCCIN
expresarse como un modelo o simplemente que expresen dependencias
de los datos, el modelo encontrado depende de su funcin (clasicacin)
y de su forma de representarlo (rboles de decisin, reglas, etc.), se tiene
que especicar un criterio de preferencia para seleccionar un modelo
dentro de un conjunto posible de modelos, se tiene que especicar la
estrategia de bsqueda a utilizar (normalmente est predeterminada en
el algoritmo de minera)
Evaluacin, interpretacin, transformacin y representacin de los pa-
trones extrados:
Interpretar los resultados y posiblemente regresar a los pasos anteriores.
Esto puede involucrar repetir el proceso, quizs con otros datos, otros algo-
ritmos, otras metas y otras estrategias. Este es un paso crucial en donde se
requiere tener conocimiento del dominio. La interpretacin puede beneciarse
de procesos de visualizacin, y sirve tambin para borrar patrones redundantes
oirrelevantes.
Difusin y uso del nuevo conocimiento.
Incorporar el conocimiento descubierto al sistema (normalmente para me-
jorarlo) lo cual puede incluir resolver conictos potenciales con el conocimiento
existente.
El conocimiento se obtiene para realizar acciones, ya sea incorporndolo
dentro de un sistema de desempeo o simplemente para almacenarlo y repor-
tarlo a las personas interesadas.
En este sentido, KDD implica un proceso interactivo e iterativo involu-
crando la aplicacin de varios algoritmos de minera de datos.
Captulo 3
Mineria de Datos - Data
Mining
3.1 Conceptos e Historia
Aunque desde un punto de vista acadmico el trmino data mining es una
etapa dentro de un proceso mayor llamado extraccin de conocimiento en
bases de datos, (mencionado en el capitulo anterior) en el entorno comercial,
as como en este trabajo, ambos trminos se usan de manera indistinta. Lo
que en verdad hace el data mining es reunir las ventajas de varias reas como
la Estadstica, la Inteligencia Articial, la Computacin Grca, las Bases de
Datos y el Procesamiento Masivo, principalmente usando como materia prima
las bases de datos. Una denicin tradicional es la siguiente: Un proceso no
trivial de identicacin vlida, novedosa, potencialmente til y entendible de
patrones comprensibles que se encuentran ocultos en los datos (Fayyad y otros,
1996). Desde el punto de vista empresarial , lo denimos como: La integracin
de un conjunto de reas que tienen como propsito la identicacin de un
conocimiento obtenido a partir de las bases de datos que aporten un sesgo
hacia la toma de decisin (Molina y otros, 2001).
La idea de data mining no es nueva. Ya desde los aos sesenta los estads-
ticos manejaban trminos como data shing, data mining o data archaeology
con la idea de encontrar correlaciones sin una hiptesis previa en bases de
datos con ruido. A principios de los aos ochenta, Rakesh Agrawal, Gio Wie-
derhold, Robert Blum y Gregory Piatetsky-Shapiro, entre otros, empezaron a
11
12 CAPTULO 3. MINERIA DE DATOS - DATA MINING
consolidar los trminos de data mining y KDD.[3] A nales de los aos ochenta
slo existan un par de empresas dedicadas a esta tecnologa; en 2002 existen
ms de 100 empresas en el mundo que ofrecen alrededor de 300 soluciones.
Las listas de discusin sobre este tema las forman investigadores de ms de
ochenta pases. Esta tecnologa ha sido un buen punto de encuentro entre
personas pertenecientes al mbito acadmico y al de los negocios.
El data mining es una tecnologa compuesta por etapas que integra varias
reas y que no se debe confundir con un gran software. Durante el desarrollo
de un proyecto de este tipo se usan diferentes aplicaciones software en cada
etapa que pueden ser estadsticas, de visualizacin de datos o de inteligencia
articial, principalmente. Actualmente existen aplicaciones o herramientas
comerciales de data mining muy poderosas que contienen un sinfn de utileras
que facilitan el desarrollo de un proyecto. Sin embargo, casi siempre acaban
complementndose con otra herramienta.
La data mining es la etapa de descubrimiento en el proceso de KDD: Paso
consistente en el uso de algoritmos concretos que generan una enumeracin
de patrones a partir de los datos preprocesados (Fayyad et al., 1996)Aunque
se suelen usar indistintamente los trminos KDD y Minera de Datos.
3.1.1 Los Fundamentos del Data Mining
Las tcnicas de Data Mining son el resultado de un largo proceso de investi-
gacin y desarrollo de productos. Esta evolucin comenz cuando los datos
de negocios fueron almacenados por primera vez en computadoras, y continu
con mejoras en el acceso a los datos, y ms recientemente con tecnologas ge-
neradas para permitir a los usuarios navegar a travs de los datos en tiempo
real. Data Mining toma este proceso de evolucin ms all del acceso y nave-
gacin retrospectiva de los datos, hacia la entrega de informacin prospectiva
y proactiva. Data Mining est listo para su aplicacin en la comunidad de ne-
gocios porque est soportado por tres tecnologas que ya estn sucientemente
maduras:
Recoleccin masiva de datos.
Potentes computadoras con multiprocesadores.
Algoritmos de Data Mining.
3.2. PRINCIPALES CARACTERSTICAS YOBJETIVOS DE LAMINERADE DATOS13
Las bases de datos comerciales estn creciendo a un ritmo sin precedentes.
Un reciente estudio del META GROUP sobre los proyectos de Data Warehou-
se encontr que el 19% de los que contestaron estn por encima del nivel de los
50 Gigabytes, mientras que el 59% espera alcanzarlo en el segundo trimestre
de 1997. En algunas industrias, tales como ventas al por menor (retail), estos
nmeros pueden ser an mayores. MCI Telecommunications Corp. cuenta con
una base de datos de 3 terabytes + 1 terabyte de ndices y overhead corriendo
en MVS sobre IBM SP2. La necesidad paralela de motores computacionales
mejorados puede ahora alcanzarse de forma ms costo - efectiva con tecno-
loga de computadoras con multiprocesamiento paralelo. Los algoritmos de
Data Mining utilizan tcnicas que han existido por lo menos desde hace 10
aos, pero que slo han sido implementadas recientemente como herramientas
maduras, conables, entendibles que consistentemente son ms performantes
que mtodos estadsticos clsicos.
En la evolucin desde los datos de negocios a informacin de negocios, ca-
da nuevo paso se basa en el previo. Por ejemplo, el acceso a datos dinmicos
es crtico para las aplicaciones de navegacin de datos (drill through applica-
tions), y la habilidad para almacenar grandes bases de datos es crtica para
Data Mining.
Los componentes esenciales de la tecnologa de Data Mining han estado
bajo desarrollo por dcadas, en reas de investigacin como estadsticas, inteli-
gencia articial y aprendizaje de mquinas. Hoy, la madurez de estas tcnicas,
junto con los motores de bases de datos relacionales de alta performance, hicie-
ron que estas tecnologas fueran prcticas para los entornos de data warehouse
actuales.
3.2 Principales caractersticas y objetivos de la Mi-
nera de Datos
Explorar los datos se encuentran en las profundidades de las bases de
datos, como los almacenes de datos, que algunas veces contienen infor-
macin almacenada durante varios aos.
En algunos casos, los datos se consolidan en un almacn de datos y en
mercados de datos; en otros, se mantienen en servidores de Internet e
Intranet.
14 CAPTULO 3. MINERIA DE DATOS - DATA MINING
El entorno de la minera de datos suele tener una arquitectura cliente-
servidor.
Las herramientas de la minera de datos ayudan a extraer el mineral de
la informacin enterrado en archivos corporativos o en registros pblicos,
archivados
El minero es, muchas veces un usuario nal con poca o ninguna habilidad
de programacin, facultado por barrenadoras de datos y otras podero-
sas herramientas indagatorias para efectuar preguntas adhoc y obtener
rpidamente respuestas.
Hurgar y sacudir a menudo implica el descubrimiento de resultados va-
liosos e inesperados.
Las herramientas de la minera de datos se combinan fcilmente y pueden
analizarse y procesarse rpidamente.
Debido a la gran cantidad de datos, algunas veces resulta necesario usar
procesamiento en paralelo para la minera de datos.
La minera de datos produce cinco tipos de informacin:
Asociaciones.
Secuencias.
Clasicaciones.
Agrupamientos.
Pronsticos.
Los mineros de datos usan varias herramientas y tcnicas.
La minera de datos es un proceso que invierte la dinmica del mtodo
cientco en el siguiente sentido:
En el mtodo cientco, primero se formula la hiptesis y luego se disea
el experimento para coleccionar los datos que conrmen o refuten la hiptesis.
Si esto se hace con la formalidad adecuada (cuidando cules son las variables
controladas y cules experimentales), se obtiene un nuevo conocimiento.
En la minera de datos, se coleccionan los datos y se espera que de ellos
emerjan hiptesis. Se busca que los datos describan o indiquen por qu son
3.3. EL ALCANCE DE DATA MINING 15
como son. Luego entonces, se valida esa hiptesis inspirada por los datos en
los datos mismos, ser numricamente signicativa, pero experimentalmente
invlida. De ah que la minera de datos debe presentar un enfoque explora-
torio, y no conrmador. Usar la minera de datos para conrmar las hiptesis
formuladas puede ser peligroso, pues se est haciendo una inferencia poco
vlida.
La minera de datos es una tecnologa compuesta por etapas que integra
varias reas y que no se debe confundir con un gran software. Durante el
desarrollo de un proyecto de este tipo se usan diferentes aplicaciones soft-
ware en cada etapa que pueden ser estadsticas, de visualizacin de datos o
de inteligencia articial, principalmente. Actualmente existen aplicaciones o
herramientas comerciales de minera de datos muy poderosas que contienen
un sinfn de utileras que facilitan el desarrollo de un proyecto. Sin embargo,
casi siempre acaban complementndose con otra herramienta.
3.3 El Alcance de Data Mining
El nombre de Data Mining deriva de las similitudes entre buscar valiosa infor-
macin de negocios en grandes bases de datos - por ej.: encontrar informacin
de la venta de un producto entre grandes montos de Gigabytes almacenados
- y minar una montaa para encontrar una veta de metales valiosos. Ambos
procesos requieren examinar una inmensa cantidad de material, o investigar in-
teligentemente hasta encontrar exactamente donde residen los valores. Dadas
bases de datos de suciente tamao y calidad, la tecnologa de Data Mining
puede generar nuevas oportunidades de negocios al proveer estas capacidades:
Prediccin automatizada de tendencias y comportamientos. Data Mi-
ning automatiza el proceso de encontrar informacin predecible en gran-
des bases de datos. Preguntas que tradicionalmente requeran un intenso
anlisis manual, ahora pueden ser contestadas directa y rpidamente des-
de los datos. Un tpico ejemplo de problema predecible es el marketing
apuntado a objetivos (targeted marketing). Data Mining usa datos en
mailing promocionales anteriores para identicar posibles objetivos para
maximizar los resultados de la inversin en futuros mailing. Otros pro-
blemas predecibles incluyen pronsticos de problemas nancieros futuros
y otras formas de incumplimiento, e identicar segmentos de poblacin
que probablemente respondan similarmente a eventos dados.
16 CAPTULO 3. MINERIA DE DATOS - DATA MINING
Descubrimiento automatizado de modelos previamente desconocidos. Las
herramientas de Data Mining barren las bases de datos e identican mo-
delos previamente escondidos en un slo paso. Otros problemas de des-
cubrimiento de modelos incluye detectar transacciones fraudulentas de
tarjetas de crditos e identicar datos anormales que pueden representar
errores de tipeado en la carga de datos.
Las tcnicas de Data Mining pueden redituar los benecios de automa-
tizacin en las plataformas de hardware y software existentes y puede ser
implementadas en sistemas nuevos a medida que las plataformas existentes se
actualicen y nuevos productos sean desarrollados. Cuando las herramientas
de Data Mining son implementadas en sistemas de procesamiento paralelo de
alta performance, pueden analizar bases de datos masivas en minutos. Pro-
cesamiento ms rpido signica que los usuarios pueden automticamente ex-
perimentar con ms modelos para entender datos complejos. Alta velocidad
hace que sea prctico para los usuarios analizar inmensas cantidades de datos.
Grandes bases de datos, a su vez, producen mejores predicciones.
3.4 Una arquitectura para Data Mining
Para aplicar mejor estas tcnicas avanzadas, stas deben estar totalmente inte-
gradas con el data warehouse as como con herramientas exibles e interactivas
para el anlisis de negocios. Varias herramientas de Data Mining actualmente
operan fuera del warehouse, requiriendo pasos extra para extraer, importar y
analizar los datos. Adems, cuando nuevos conceptos requieren implementa-
cin operacional, la integracin con el warehouse simplica la aplicacin de los
resultados desde Data Mining. El Data warehouse analtico resultante puede
ser aplicado para mejorar procesos de negocios en toda la organizacin, en
reas tales como manejo de campaas promocionales, deteccin de fraudes,
lanzamiento de nuevos productos, etc.
El punto de inicio ideal es un data warehouse que contenga una combi-
nacin de datos de seguimiento interno de todos los clientes junto con datos
externos de mercado acerca de la actividad de los competidores. Informacin
histrica sobre potenciales clientes tambin provee una excelente base para
prospecting. Este warehouse puede ser implementado en una variedad de sis-
temas de bases relacionales y debe ser optimizado para un acceso a los datos
exible y rpido.
Captulo 4
Fases de un Proyecto de MD
y Aplicaciones de Uso
4.1 Fases de un Proyecto de Minera de Datos
Los pasos a seguir para la realizacin de un proyecto de minera de datos son
siempre los mismos, independientemente de la tcnica especca de extraccin
de conocimiento usada. En la sigiente gura 4.1 de la pagina 18 se ilustra las
Fases del Proyecto de MD.
El proceso de minera de datos pasa por las siguientes fases:
Filtrado de datos.
Seleccin de Variables.
Extraccin de Conocimiento.
Interpretacin y Evaluacin.
4.1.1 Filtrado de datos
El formato de los datos contenidos en la fuente de datos (base de datos, Data
Warehouse...) nunca es el idneo, y la mayora de las veces no es posible ni
siquiera utilizar ningn algoritmo de minera sobre los datos en bruto.
17
18CAPTULO4. FASES DE UNPROYECTODE MDYAPLICACIONES DE USO
Figura 4.1: Fases del Proyecto de M.D.
Mediante el preprocesado, se ltran los datos (de forma que se eliminan
valores incorrectos, no vlidos, desconocidos... segn las necesidades y el al-
goritmo a usar), se obtienen muestras de los mismos (en busca de una mayor
velocidad de respuesta del proceso), o se reducen el nmero de valores posibles
(mediante redondeo, clustering,...).
4.1.2 Seleccin de variables
An despus de haber sido preprocesados, en la mayora de los casos se tiene
una cantidad ingente de datos. La seleccin de caractersticas reduce el ta-
mao de los datos eligiendo las variables ms inuyentes en el problema, sin
apenas sacricar la calidad del modelo de conocimiento obtenido del proceso
de minera.
Los mtodos para la seleccin de caractersticas son bsicamente dos:
Aquellos basados en la eleccin de los mejores atributos del problema,
Y aquellos que buscan variables independientes mediante tests de sensi-
bilidad, algoritmos de distancia o heursticos.
4.1.3 Algoritmos de Extraccin de Conocimiento
Mediante una tcnica de minera de datos, se obtiene un modelo de conoci-
miento, que representa patrones de comportamiento observados en los valores
4.2. APLICACIONES DE USO 19
de las variables del problema o relaciones de asociacin entre dichas variables.
Tambin pueden usarse varias tcnicas a la vez para generar distintos modelos,
aunque generalmente cada tcnica obliga a un preprocesado diferente de los
datos.
4.1.4 Interpretacin y evaluacin
Una vez obtenido el modelo, se debe proceder a su validacin, comprobando
que las conclusiones que arroja son vlidas y sucientemente satisfactorias.
En el caso de haber obtenido varios modelos mediante el uso de distintas
tcnicas, se deben comparar los modelos en busca de aquel que se ajuste mejor
al problema. Si ninguno de los modelos alcanza los resultados esperados, debe
alterarse alguno de los pasos anteriores para generar nuevos modelos.
4.2 Aplicaciones de Uso
Cada ao, en los diferentes congresos, simposios y talleres que se realizan en
el mundo se renen investigadores con aplicaciones muy diversas. Sobre todo
en los Estados Unidos, el data mining se ha ido incorporando a la vida de
empresas, gobiernos, universidades, hospitales y diversas organizaciones que
estn interesadas en explorar sus bases de datos.
4.2.1 En el Gobierno:
El FBI analizar las bases de datos comerciales para detectar
terroristas.
A principios del mes de julio de 2002, el director del Federal Bureau of
Investigation (FBI), John Aschcroft, anunci que el Departamento de Justicia
comenzar a introducirse en la vasta cantidad de datos comerciales referen-
tes a los hbitos y preferencias de compra de los consumidores, con el n de
descubrir potenciales terroristas antes de que ejecuten una accin. Algunos
expertos aseguran que, con esta informacin, el FBI unir todas las bases de
datos probablemente mediante el nmero de la Seguridad Social y permitir
saber si una persona fuma, qu talla y tipo de ropa usa, su registro de arrestos,
20CAPTULO4. FASES DE UNPROYECTODE MDYAPLICACIONES DE USO
su salario, las revistas a las que est suscrito, su altura y peso, sus contribu-
ciones a la Iglesia, grupos polticos u organizaciones no gubernamentales, sus
enfermedades crnicas (como diabetes o asma), los libros que lee, los produc-
tos de supermercado que compra, si tom clases de vuelo o si tiene cuentas
de banco abiertas, entre otros. La inversin inicial ronda los setenta millones
de dlares estadounidenses para consolidar los almacenes de datos, desarrollar
redes de seguridad para compartir informacin e implementar nuevo software
analtico y de visualizacin.
4.2.2 En la Empresa
Deteccin de fraudes en las tarjetas de crdito.
En 2001, las instituciones nancieras a escala mundial perdieron ms
de 2.000 millones de dlares estadounidenses en fraudes con tarjetas de
crdito y dbito. El Falcon Fraud Manager es un sistema inteligente que
examina transacciones, propietarios de tarjetas y datos nancieros para
detectar y mitigar fraudes. En un principio estaba pensado, en institu-
ciones nancieras de Norteamrica, para detectar fraudes en tarjetas de
crdito. Sin embargo, actualmente se le han incorporado funcionalida-
des de anlisis en las tarjetas comerciales, de combustibles y de dbito.
El sistema Falcon ha permitido ahorrar ms de seiscientos millones de
dlares estadounidenses cada ao y protege aproximadamente ms de
cuatrocientos cincuenta millones de pagos con tarjeta en todo el mundo
-aproximadamente el sesenta y cinco por ciento de todas las transaccio-
nes con tarjeta de crdito.
Descubriendo el porqu de la desercin de clientes de una com-
paa operadora de telefona mvil.
Este estudio fue desarrollado en una operadora espaola que bsicamen-
te situ sus objetivos en dos puntos: el anlisis del perl de los clientes
que se dan de baja y la prediccin del comportamiento de sus nuevos
clientes. Se analizaron los diferentes histricos de clientes que haban
abandonado la operadora (12,6%) y de clientes que continuaban con su
servicio (87,4%). Tambin se analizaron las variables personales de cada
cliente (estado civil, edad, sexo, nacionalidad, etc.). De igual forma se
estudiaron, para cada cliente, la morosidad, la frecuencia y el horario de
uso del servicio, los descuentos y el porcentaje de llamadas locales, inter-
provinciales, internacionales y gratuitas. Al contrario de lo que se podra
pensar, los clientes que abandonaban la operadora generaban ganancias
4.2. APLICACIONES DE USO 21
para la empresa; sin embargo, una de las conclusiones ms importantes
radic en el hecho de que los clientes que se daban de baja reciban pocas
promociones y registraban un mayor nmero de incidencias respecto a
la media. De esta forma se recomend a la operadora hacer un estu-
dio sobre sus ofertas y analizar profundamente las incidencias recibidas
por esos clientes. Al descubrir el perl que presentaban, la operadora
tuvo que disear un trato ms personalizado para sus clientes actuales
con esas caractersticas. Para poder predecir el comportamiento de sus
nuevos clientes se dise un sistema de prediccin basado en la cantidad
de datos que se poda obtener de los nuevos clientes comparados con el
comportamiento de clientes anteriores.
Hbitos de compra en supermercados.
Un estudio muy citado detect que los viernes haba una cantidad in-
usualmente elevada de clientes que adquiran a la vez paales y cerveza.
Se detect que se deba a que dicho da solan acudir al supermercado
padres jvenes cuya perspectiva para el n de semana consista en que-
darse en casa cuidando de su hijo y viendo la televisin con una cerveza
en la mano. El supermercado pudo incrementar sus ventas de cerveza
colocndolas prximas a los paales para fomentar las ventas compulsi-
vas,
Prediciendo el tamao de las audiencias televisivas.
La British Broadcasting Corporation (BBC) del Reino Unido emplea
un sistema para predecir el tamao de las audiencias televisivas para un
programa propuesto, as como el tiempo ptimo de exhibicin (Brachman
y otros, 1996). El sistema utiliza redes neuronales y rboles de decisin
aplicados a datos histricos de la cadena para determinar los criterios
que participan segn el programa que hay que presentar. La versin
nal se desempea tan bien como un experto humano con la ventaja de
que se adapta ms fcilmente a los cambios porque es constantemente
reentrenada con datos actuales.
4.2.3 En la Universidad
Conociendo si los recin titulados de una universidad llevan a
cabo actividades profesionales relacionadas con sus estudios.
22CAPTULO4. FASES DE UNPROYECTODE MDYAPLICACIONES DE USO
Se hizo un estudio sobre los recin titulados de la carrera de Ingeniera
en Sistemas Computacionales del Instituto Tecnolgico de Chihuahua II, en
Mjico (Rodas, 2001). Se quera observar si sus recin titulados se insertaban
en actividades profesionales relacionadas con sus estudios y, en caso negativo,
se buscaba saber el perl que caracteriz a los exalumnos durante su estan-
cia en la universidad. El objetivo era saber si con los planes de estudio de
la universidad y el aprovechamiento del alumno se haca una buena insercin
laboral o si existan otras variables que participaban en el proceso. Dentro
de la informacin considerada estaba el sexo, la edad, la escuela de proce-
dencia, el desempeo acadmico, la zona econmica donde tena su vivienda
y la actividad profesional, entre otras variables. Mediante la aplicacin de
conjuntos aproximados se descubri que existan cuatro variables que deter-
minaban la adecuada insercin laboral, que son citadas de acuerdo con su
importancia: zona econmica donde habitaba el estudiante, colegio de donde
provena, nota al ingresar y promedio nal al salir de la carrera. A partir de
estos resultados, la universidad tendr que hacer un estudio socioeconmico
sobre grupos de alumnos que pertenecan a las clases econmicas bajas para
dar posibles soluciones, debido a que tres de las cuatro variables no dependan
de la universidad.
4.2.4 En Investigaciones Espaciales
Proyecto SKYCAT.
Durante seis aos, el Second Palomar Observatory Sky Survey (POSS-II)
coleccion tres terabytes de imgenes que contenan aproximadamente
dos millones de objetos en el cielo. Tres mil fotografas fueron digitaliza-
das a una resolucin de 16 bits por pxel con 23.040 x 23.040 pxeles por
imagen. El objetivo era formar un catlogo de todos esos objetos. El
sistema Sky Image Cataloguing and Analysis Tool (SKYCAT) se basa
en tcnicas de agrupacin (clustering) y rboles de decisin para poder
clasicar los objetos en estrellas, planetas, sistemas, galaxias, etc. con
una alta conabilidad (Fayyad y otros, 1996). Los resultados han ayuda-
do a los astrnomos a descubrir diecisis nuevos qusars con corrimiento
hacia el rojo que los incluye entre los objetos ms lejanos del universo y,
por consiguiente, ms antiguos. Estos qusars son difciles de encontrar
y permiten saber ms acerca de los orgenes del universo.
4.2. APLICACIONES DE USO 23
4.2.5 En los Clubes Deportivos
Los equipos de la NBA utilizan aplicaciones inteligentes para
apoyar a su cuerpo de entrenadores.
El Advanced Scout es un software que emplea tcnicas de data mining
y que han desarrollado investigadores de IBM para detectar patrones
estadsticos y eventos raros. Tiene una interfaz grca muy amigable
orientada a un objetivo muy especco: analizar el juego de los equipos
de la National Basketball Association (NBA).
El software utiliza todos los registros guardados de cada evento en ca-
da juego: pases, encestes, rebotes y doble marcaje (double team) a un
jugador por el equipo contrario, entre otros. El objetivo es ayudar a los
entrenadores a aislar eventos que no detectan cuando observan el juego
en vivo o en pelcula.
Un resultado interesante fue uno hasta entonces no observado por los
entrenadores de los Knicks de Nueva York. El doble marcaje a un juga-
dor puede generalmente dar la oportunidad a otro jugador de encestar
ms fcilmente. Sin embargo, cuando los Bulls de Chicago jugaban con-
tra los Knicks, se encontr que el porcentaje de encestes despus de
que al centro de los Knicks, Patrick Ewing, le hicieran doble marcaje
era extremadamente bajo, indicando que los Knicks no reaccionaban co-
rrectamente a los dobles marcajes. Para saber el porqu, el cuerpo de
entrenadores estudi cuidadosamente todas las pelculas de juegos con-
tra Chicago. Observaron que los jugadores de Chicago rompan su doble
marcaje muy rpido de tal forma que podan tapar al encestador libre
de los Knicks antes de prepararse para efectuar su tiro. Con este conoci-
miento, los entrenadores crearon estrategias alternativas para tratar con
el doble marcaje.
La temporada pasada, IBM ofreci el Advanced Scout a la NBA, que se
convirti as en un patrocinador corporativo. La NBA dio a sus veinti-
nueve equipos la oportunidad de aplicarlo. Dieciocho equipos lo estn
haciendo hasta el momento obteniendo descubrimientos interesantes.
Captulo 5
Extensiones del Data Mining
5.1 Web mining
Una de las extensiones del data mining consiste en aplicar sus tcnicas a do-
cumentos y servicios del Web, lo que se llama web mining (minera de web)
(Kosala y otros, 2000). Todos los que visitan un sitio en Internet dejan hue-
llas digitales (direcciones de IP, navegador, galletas, etc.) que los servidores
automticamente almacenan en una bitcora de accesos (log). Las herramien-
tas de web mining analizan y procesan estos logs para producir informacin
signicativa, por ejemplo, cmo es la navegacin de un cliente antes de ha-
cer una compra en lnea. Debido a que los contenidos de Internet consisten
en varios tipos de datos, como texto, imagen, vdeo, metadatos o hiperligas,
investigaciones recientes usan el trmino multimedia data mining (minera de
datos multimedia) como una instancia del web mining (Zaiane y otros, 1998)
para tratar ese tipo de datos. Los accesos totales por dominio, horarios de
accesos ms frecuentes y visitas por da, entre otros datos, son registrados por
herramientas estadsticas que complementan todo el proceso de anlisis del
web mining.
Normalmente, el web mining puede clasicarse en tres dominios de extrac-
cin de conocimiento de acuerdo con la naturaleza de los datos:
Web content mining (minera de contenido web). Es el proceso que con-
siste en la extraccin de conocimiento del contenido de documentos o sus
descripciones. La localizacin de patrones en el texto de los documen-
25
26 CAPTULO 5. EXTENSIONES DEL DATA MINING
tos, el descubrimiento del recurso basado en conceptos de indexacin o
la tecnologa basada en agentes tambin pueden formar parte de esta
categora.
Web structure mining (minera de estructura web). Es el proceso de
inferir conocimiento de la organizacin del WWW y la estructura de sus
ligas.
Web usage mining (minera de uso web). Es el proceso de extraccin de
modelos interesantes usando los logs de los accesos al web.
Algunos de los resultados que pueden obtenerse tras la aplicacin de los
diferentes mtodos de web mining son:
El ochenta y cinco por ciento de los clientes que acceden a la pgina ho-
me de productos y a la de noticias de la misma pgina acceden tambin
a la pgina de historia. Esto podra indicar que existe alguna noticia
interesante de la empresa que hace que los clientes se dirijan a histo-
rias de suceso. Igualmente, este resultado permitira detectar la noticia
sobresaliente y colocarla quiz en la pgina principal de la empresa.
El sesenta por ciento de los clientes que hicieron una compra en lnea en
la pgina del producto 1 tambin compraron en la pgina del producto
4 despus de un mes. Esto indica que se podra recomendar en la pgina
del producto 1 comprar el producto 4 y ahorrarse el costo de envo de
este producto.
Los anteriores ejemplos ayudan a formar una pequea idea de lo que se
puede obtener. Sin embargo, en la realidad existen herramientas de mercado
muy poderosas con mtodos variados y visualizaciones grcas excelentes.
5.2 Text mining
Estudios recientes indican que el ochenta por ciento de la informacin de una
compaa est almacenada en forma de documentos. Sin duda, este campo de
estudio es muy vasto, por lo que tcnicas como la categorizacin de texto, el
procesamiento de lenguaje natural, la extraccin y recuperacin de la informa-
cin o el aprendizaje automtico, entre otras, apoyan al text mining (minera
5.2. TEXT MINING 27
de texto). En ocasiones se confunde el text mining con la recuperacin de la in-
formacin (Information Retrieval o IR) (Hearst, 1999). sta ltima consiste en
la recuperacin automtica de documentos relevantes mediante indexaciones
de textos, clasicacin, categorizacin, etc. Generalmente se utilizan palabras
clave para encontrar una pgina relevante. En cambio, el text mining se reere
a examinar una coleccin de documentos y descubrir informacin no contenida
en ningn documento individual de la coleccin; en otras palabras, trata de
obtener informacin sin haber partido de algo (Nasukawa y otros, 2001).
Una aplicacin muy popular del text mining es relatada en Hearst (1999).
Don Swanson intenta extraer informacin derivada de colecciones de texto.
Teniendo en cuenta que los expertos slo pueden leer una pequea parte de
lo que se publica en su campo, por lo general no se dan cuenta de los nuevos
desarrollos que se suceden en otros campos. As, Swanson ha demostrado
cmo cadenas de implicaciones causales dentro de la literatura mdica pueden
conducir a hiptesis para enfermedades poco frecuentes, algunas de las cuales
han recibido pruebas de soporte experimental. Investigando las causas de
la migraa, dicho investigador extrajo varias piezas de evidencia a partir de
ttulos de artculos presentes en la literatura biomdica. Algunas de esas claves
fueron:
El estrs est asociado con la migraa.
El estrs puede conducir a la prdida de magnesio.
Los bloqueadores de canales de calcio previenen algunas migraas.
El magnesio es un bloqueador natural del canal de calcio.
La depresin cortical diseminada (DCD) est implicada en algunas mi-
graas.
Los niveles altos de magnesio inhiben la DCD.
Los pacientes con migraa tienen una alta agregacin plaquetaria.
El magnesio puede suprimir la agregacin plaquetaria.
Estas claves sugieren que la deciencia de magnesio podra representar un
papel en algunos tipos de migraa, una hiptesis que no exista en la litera-
tura y que Swanson encontr mediante esas ligas. De acuerdo con Swanson
(Swanson y otros, 1994), estudios posteriores han probado experimentalmente
esta hiptesis obtenida por text mining con buenos resultados.
Captulo 6
Conclusin
Nuestra capacidad para almacenar datos ha crecido en los ltimos aos a velo-
cidades exponenciales. En contrapartida, nuestra capacidad para procesarlos
y utilizarlos no ha ido a la par. Por este motivo, el data mining se presenta
como una tecnologa de apoyo para explorar, analizar, comprender y aplicar el
conocimiento obtenido usando grandes volmenes de datos. Descubrir nuevos
caminos que nos ayuden en la identicacin de interesantes estructuras en los
datos es una de las tareas fundamentales en el data mining.
En el mbito comercial, resulta interesante encontrar patrones ocultos de
consumo de los clientes para poder explorar nuevos horizontes. Saber que un
vehculo deportivo corre un riesgo de accidente casi igual al de un vehculo
normal cuando su dueo tiene un segundo vehculo en casa ayuda a crear
nuevas estrategias comerciales para ese grupo de clientes. Asimismo, predecir
el comportamiento de un futuro cliente, basndose en los datos histricos de
clientes que presentaron el mismo perl, ayuda a poder retenerlo durante el
mayor tiempo posible.
Las herramientas comerciales de data mining que existen actualmente en
el mercado son variadas y excelentes. Las hay orientadas al estudio del web o
al anlisis de documentos o de clientes de supermercado, mientras que otras
son de uso ms general. Su correcta eleccin depende de la necesidad de la
empresa y de los objetivos a corto y largo plazo que pretenda alcanzar. La
decisin de seleccionar una solucin de data mining no es una tarea simple.
Es necesario consultar a expertos en el rea con vista a seleccionar la ms
adecuada para el problema de la empresa.
29
30 CAPTULO 6. CONCLUSIN
Como se ha visto a lo largo del este artculo, son muchas las reas, tc-
nicas, estrategias, tipos de bases de datos y personas que intervienen en un
proceso de data mining. Los negocios requieren que las soluciones tengan una
integracin transparente en un ambiente operativo. Esto nos lleva a la nece-
sidad de establecer estndares para hacer un ambiente interoperable, eciente
y efectivo. Se exponen algunas iniciativas para estos estndares, incluyendo
aspectos en:
Modelos: para representar datos estadsticos y de data mining.
Atributos: para representar la limpieza, transformacin y agregacin de
atributos usados como entrada en los modelos.
Interfaces y API: para facilitar la integracin con otros lenguajes o apli-
caciones de software y API.
Conguracin: para representar parmetros internos requeridos para
construir y usar los modelos.
Procesos: para producir, desplegar y usar modelos.
Datos remotos y distribuidos: para analizar y explorar datos remotos y
distribuidos.
En resumen, el data mining se presenta como una tecnologa emergente,
con varias ventajas: por un lado, resulta un buen punto de encuentro entre los
investigadores y las personas de negocios; por otro, ahorra grandes cantidades
de dinero a una empresa y abre nuevas oportunidades de negocios. Adems,
no hay duda de que trabajar con esta tecnologa implica cuidar un sinnmero
de detalles debido a que el producto nal involucra toma de decisiones.
Bibliografa
[1] Jhon Wiley Alan Simon and Sons. Data Warehouse, Data Mining and
OLAP. USA, 1997.
[2] Mc Graw Hill Alex Berson, Stephen J. Smith. Data Warehouse, Data
Mining and OLAP. USA, 1997.
[3] Mara Jos Ramrez Quintana Jos Hernndez Orallo. Extraccin Au-
tomtica de Conocimiento en Bases de Datos e Ingeniera del Software.
Espaa, 2003.
[4] IBM Press. IBM DB2 Intelligent Miner for Data: Utilizacin del Visuali-
zador de Asociaciones. IBM Press, USA, 1999.
[5] IBM Press. IBM DB2 Warehouse Manager Gua de Instalacin Version
7. IBM Press, USA, 2001.
[6] IBM Press. IBM DB2 Intelligent Miner for Data: Utilizacin de Intelligent
Miner for Data. IBM Press, USA, 2002.
[7] IBM Press. IBM DB2 Intelligent Miner Visualization: Using the Intelli-
gent Miner Visualizers. IBM Press, USA, 2002.
[8] Colin J. White. IBM Enterprise Analytics for the Intelligent e-Business.
IBM Press, USA, 2001.
31