Instituto Politcnico Nacional

Centro de Investigacin en Computacin

______________________________________________________________________________________________________________

BsquedadePatronesdeComportamientoenCubosdeDatos
M.enC.GilbertoLorenzoMartnezLuna,
CentrodeInvestigacinenComputacin(CIC)
InstitutoPolitcnicoNacional(IPN)
lluna@pollux.cic.ipn.mx

Dr.AdolfoGuzmnArenas
CentrodeInvestigacinenComputacin(CIC)
InstitutoPolitcnicoNacional(IPN)
aguzman@pollux.cic.ipn.mx

Resumen.
EnestetrabajosepresentaunaformaderealizareldescubrimientodeconocimientooMineradeDatosapartirdeuna
base de datos, la tcnica utilizada es la generalizacin y sumarizacin de datos en cubos de datos. Se utiliza una
herramientaconstruidaenelCICquepermitedefiniryutilizarloscubos,elegirlasregionesdeintersdeestudioydefinir
lospatronesdecomportamientoosituaciones anmalas alocalizar en estas regiones. Nuestra herramientaspermite
programar los procesos de extraccin y anlisis de datos en horarios nocturnos para aprovechar los recursos
computacionales.Enlapresentacindelosresultadosdelasbsquedas,sebuscaqueestaseasencilladerevisare
interpretarparadescubrir lastendencias orelacionesentre losdatos,yasgenerar conocimiento validado.Eneste
artculosedescribeestedesarrollocomounaimplantacinalatecnologadeanlisisautomtico.

1.Introduccin
UnadefinicindeMineradeDatoseseldescubrimiento
eficiente de informacin valiosa, noobvia de una gran
coleccin de datos [1], cuyo objetivo es ayudar a
buscar situaciones interesantes con los criterios
correctos,complementarunalaborquehastaahoraseha
consideradointelectualydealtonivel,privativadelos
gerentes, planificadores y administradores. Adems, de
realizarlabsquedafueradehoraspico,usandotiempos
de mquina excedentes [4]. En general, el proceso de
minerasepuedeverenlafigura1.

realiza utilizando la tcnica que construye cubos de n

dimensiones, conocida como generalizacin y
sumarizacinencubosdedatos[5],tcnicaimplantanda
enunabasededatosrelacional.Lageneralizacindelos
datossepuededesarrollarenlosnivelesqueseconsidere
necesariousaryasrealizaranlisisadiferentesnivelesde
conceptos.Enloscubosformados,laherramientapermite
definir regiones de inters en las cuales se buscan
patrones de comportamiento [3], al trmino de la
ejecucindelasbsquedaslosresultadossemuestranen
reportesdetipotextoygrficas.

La utilidad de la Minera de Datos ya no se pone a

discusin [1][5], por lo cual est tecnologa esta siendo
aplicada por muchas herramientas de software. Las
tcnicasdeaplicacinvarandeacuerdoalaherramienta,
algunaslainstrumentanhaciendousoderedesneuronales
(SPSSNeuralConnection),otrascongeneracindereglas
(DataLogic)oArbolesdeDecisin[XpertRuleProfiler].
En[6]puedeverseunaclasificacindelasherramientas
para desarrollar minera, de acuerdo a su tcnica de
aplicacin.
Enel LaboratoriodeSistemasdeInformacin del CIC
IPN, se desarrolla una herramienta que forma parte del
proyecto ANASIN1,con lacual la Minera deDatos se
1

Figura 1

ANASINse trabajaenelLaboratoriodeSistemasdeInformaciny
BasesdeDatosdelC.I.C.,dondelaactualizacinesapoyadaporelCIC
IPN,SOFTWAREPROINTERNATIONALeI.D.A.S.A.Losmdulosque
componen el proyecto son: Bitcoras, Tabla Maestra, Generador de
Formatos, Instalador Automtico de Sistemas, Recolector de Datos,
Interrogador,Reporteador,Graficador,DespliegueGeogrfico,Minerade
Datos,ClasificadordeEntidadesyArbolSemnticodeConceptos.
______________________________________________________________________________________________________
Laboratorio de Sistemas de Informacin y Bases de Datos-CIC-IPN

1 de 10

Instituto Politcnico Nacional

Centro de Investigacin en Computacin
______________________________________________________________________________________________________________

Enesta parte delaejecucindel procesodeminera se

puedendistinguirdostiposdeprogramas,losqueextraen
la regin de inters de la base de minera, llamados
extractores;ylosprogramasquerealizanlabsquedade
patrones,queselesllamamineros[4].Tantolaactividad
de extraccin como la de bsqueda de patrones
generalmentepuedenconsumirdemasiadotiempoporla
gran cantidad de datos para formar las regiones y los
numerososcalculosarealizar,porloqueestasactividades
se delegan a programas que las realizan en forma
autnomaynocturnayaslograraprovecharlosrecursos
computacionales.

Unadescripcindelospasosquedeberealizarunusuario
seampliaacontinuacin.

2.1Definicindecubodedatos.
Unusuarioseleccionalasvariablesdesusbasesdedatos
de sus sistemas operacionales, en las que desea buscar
patronesocomportamientosdeinters.Segnelnmero
de variables seleccionadas es la dimensin del cubo
formado,acadavariableseledenominaunadimensino
unejedelcubo(verfigura2yFigura3).

Elpresentedocumentoestaorganizadocmosigue.Enla
seccin2sedescribeendetalleelprocesodeminerade
datoscomolodesarrollalaherramientaconstruida;enla
seccin 3 se describe algunos problemas por resolver y
hacer ms completa la herramienta; en la seccin 4 se
indican algunas lneas de investigacin que se estan
trabajando; en la seccin 5, algunas conclusiones, al
avance de nuestro trabajo; para terminar con
caractersticasdelsoftware.

2.DescripcindelProcesodeMinera
Laherramientadesarrollada,sellamaMduloMinerade
Datos ANASIN y tiene el modelo de trabajo
Cliente/Servidor, donde, se distinguen 4 actividaes
principales:
Definicindelcuboyconfiguracindelosnivelesde
bsqueda.
Realizar solicitudes de minera, en una estacin de
trabajoocliente
El proceso prncipal de minera; generacin de la
regin y bsqueda de un patrn determinado, en el
Servidor
La visualizacin de resultados de la bsqueda en el
Cliente.
Para realizar la minera con el mdulo, se siguen los
pasos:
Definir el cubo de datos o espacio de bsqueda de
mineros
Generalizacinodefinicindelosnivelesdebsqueda
encadaunadelasdimensionesdelcubo
Generarlosdatosycargarelcubodedatos
Definir los horarios de trabajo de los procesos de
minera
Generar las preguntas (definir regin y patrn a
buscar)
Solicitarejecucindelprocesodeextraccinyanlisis.
Ejecucindelaextraccindelareginsolicitadayla
bsquedadelpatrn
RevisareInterpretarlosresultados

Figura 2

Figura 3
Ejemplo.Generalmentesemanejanunagrancantidadde
variablesenunabasededatos,perosolopuedeninteresar
tres variables cuya interseccin es el valor de inters a
analizar,estodacomoresultadouncubodedatoscontres
dimensiones,msunadimensinquepuedecontenerlos
valoresenlosqueserealizarlabsquedadelpatrn.Un
usuario puede elegir la relacin venta(producto, cliente,
tiempo), definir como primer eje al producto, como

______________________________________________________________________________________________________
Laboratorio de Sistemas de Informacin y Bases de Datos-CIC-IPN

2 de 10

Instituto Politcnico Nacional

Centro de Investigacin en Computacin
______________________________________________________________________________________________________________

segundo eje al cliente y como tercer eje al tiempo. La

interseccineslaventadeunproductoparaunclienteen
unmomentodefinidoeneltiempo.

2.2Generalizacinonivelesenlasdimensionesdel
cubo
Elusuariodefinelosnivelesdeanlisisencadaunadesus
dimensiones. Ejemplo. En latabla 1se pueden apreciar
variosnivelesdegeneralizacinonivelesdeanlisis,con
respecto a variables con datos geogrficos, datos de
tiempo,entreotras
Nivel de
Anlisis

Geogrfico

Producto

Servicio a
Autmovil

Tiempo

1
2

Continente
Pas

Clase
Subclase

Tipo
Frecuencia

Ao
Mes

3
4

Estado
Municipio

Identificador

Ciudad.

La complejidad de generar los datos para la base de

minera(verseccin3)generalmenteseincrementa,dado
que en las bases de los sistemas generadores o
capturadores de datos, la organizacin no esta
estructurada para realizar operaciones de minera. Estas
bases se definen para llevar a cabo operaciones
relacionadasaladinmicadiariaoperidicadeconsultas,
reportes y otras actividades y no para realizar anlisis
histricos, bsqueda de patrones de comportamiento,
clasificacin deobjetos, pronsticos, entre otrosanlisis
dedatosengrandesvolumenes.
Ejemplo. Una base con una estructura que dificulte la
extraccin para formar el cubo, es la que almacena las
ventas mensuales de gasolina con clave GA01 y se
representaenlastablas2,,3y4.

Quincena
Semana

AO

01

02

Da

1990

890

1991

890

850

1992

900

1993

Tabla 1.
La hacer esta definicin, internamente la herramienta
utilizlafuncindeagregacinsumar,lacualsecombina
conellenguajedeespecificacinderegiones(verpunto
2.5.1),permitiendorealizaranlisisalosdiferentesniveles
deabstraccindefinidosencadaunodelosejes.Ejemplo.
Losanlisispuedenseraniveldeciudad,osumarizarlos
datosdeciudadparahacerelanlisisanivelmunicipio,o
sumarizar losdatos nuevamente para hacer el anlisis a
nivelestado,yasconsecutivamente.

04

05

06

650

540

650

700

660

550

600

850

710

680

570

610

910

850

720

660

580

610

AO

07

08

09

10

11

12

1990

670

789

770

770

800

890

1991

620

690

760

760

820

890

1992

650

690

775

775

810

890

1993

650

690

790

790

850

890

Tabla 2. Cliente 02 en Chihuahua

2.3Generarlosdatosycargarelcubodedatos
Lasespecificacionesquesedescribenenlasvariablesde
intersyelniveldeconceptodecadaunadeellasseusan
para construir el cubo de datos. Ests especificaciones
ayudanadefinirlosprocesosdeextraccinapartirdelas
bases originales y contenedoras de los datos de las
variables(basesdeusuario).
Estastareasdeextraccinpuedensersencillasocomplejas
dependiendodelaorganizacindelabasefuentededatos.
Si la esta base puede ser accesada con instrucciones de
manipulacin de datos como SQL o 4GL (sistemas
manejadores de bases de datos como INFORMIX,
ORACLE,entreotros), laextraccin sepodra reducir a
usarestetipodeinstruccionesparaextrerlosdatos,perosi
esta es una base donde no se puede accesar con un
lenguaje de manipulacin, es necesario desarrollar
programasconunlenguajequepermitaaccesaryextraer
losdatos (archivos de RMCOBOL,archivos de BASIC,
entreotros)

03

AO

01

02

1991

880

1992

890

820

1993

880

1994

03

04

05

06

640

510

610

710

620

550

610

810

700

710

540

600

890

820

720

730

560

620

AO

07

08

09

10

11

12

1991

620

790

720

720

780

850

1992

620

640

640

650

770

800

1993

710

660

650

650

780

810

1994

750

660

650

650

800

850

Tabla 3. Cliente 03 en Chihuahua

AO

01

02

1992

810

03

04

05

06

610

500

610

______________________________________________________________________________________________________
Laboratorio de Sistemas de Informacin y Bases de Datos-CIC-IPN

3 de 10

Instituto Politcnico Nacional

Centro de Investigacin en Computacin
______________________________________________________________________________________________________________

1993

810

840

660

610

540

600

...

...

1994

810

840

660

610

540

600

199511

Noviembre de 1995

1995

810

840

660

610

540

600

199512

Diciembre de 1995

AO

07

08

09

10

11

12

1992

670

790

770

770

800

890

1993

620

690

700

700

750

760

1994

620

690

700

700

750

760

1995

620

690

700

700

750

760

Tabla 4. Cliente 01 en Sonora

Parapoderutilizarlosdatosenlosprocesosdebsqueda
depatronesserequiereestructurarcomosemuestraenlas
tablas5,6,7y8

Llave1

Descripcin

AC01

Aceite nmero 1

AC01

Aceite nmero 2

GA01

Gasolina nmero 1

GA02

Gaslina nmero 2

Tabla 5. Dimensin 1 Producto, con 2 niveles,

clase e identificador.

Tabla 7. Dimensin 3, Tiempo con 2 niveles; ao

y mes.
Llave1

Llave2

Llave3

Valor

AC01

MXSO01

199001

810

AC01

MXSO01

199002

AC01

MXSO01

199003

AC01

MXSO01

199004

610

Tabla 8. Dimensin 4, venta, dimensin donde

buscar el patrn de comportamiento interesante.
Estecambiodeestructuraenlosdatos,sereflejaenlos
datosqueformanpartedelacargainicial(granvolumen
de datos) a la base de minera, actividad que abarca
analizar,disear,construireimplantarlosalgortimosde
extraccinogeneracindedatos.Ennuestrocaso,lacarga
inicialeslaextraccinygeneracindearchivosdetipo
ASCIIloscualessecarganalabasededatosdeminera.

Llave2

Descripcin

MXSO
01

Cliente de Mxico, estado de Sonora,

identificador 01

MXSO
02

Cliente de Mxico, estado de Sonora,

identificador 02

Otra actividad posterior y necesaria para el proceso de

minera, es la definicin de cargas de actualizacin
(menorvolumendedatosquelacargainicial)alabasede
minera.Laactualizacinsedeberealizarenperodosque
se consideren conveniente para mantener vigentes los
resultadosdelaminera.Estactividadtambincontiene
lacomplejidadquesedescribeenlacargainicial,adems
de que se debe de considerar el no cargar datos
duplicados.

MXCH0 Cliente de Mxico, estado de Chihuahua,

2
identificador 02

Cumplidos los procesos de crear la base de minera y

cargarladedatosseprocedealossiguientespasos.

MXCH0 Cliente de Mxico, estado de Chihuahua,

3
identificador 03
Tabla 6. Dimensin 2, Cliente, con 3 niveles; pas,
estado e identificador.
Llave3

Descripcin

199001

Enero de 1990

199002

Febrero de 1990

199003

Marzo de 1990

199004

Abril de 1990

199005

Mayo de 1990

...

...

2.4Definirloshorariosdetrabajodelosprocesos
deminera
Dependiendo de la carga de trabajo de los servidores
dondesealmacenalabasededatosdeminera,seprocede
a programar el inicio y fin de las ejecuciones a las
solicitudes de bsqueda de patrones o comportamientos
interesantes.
Esta programacin para aprovechar los recursos de
cmputo se recomienda sea definida en horarios
nocturnos,cuandolosservidoresgeneralmenteestanlibres
deprocesamientosdedatos.Ejemplo.iniciarlosprocesos
alas22:00yterminarlosalas08:00.

______________________________________________________________________________________________________
Laboratorio de Sistemas de Informacin y Bases de Datos-CIC-IPN

4 de 10

Instituto Politcnico Nacional

Centro de Investigacin en Computacin
______________________________________________________________________________________________________________

Sisedeseaestaprogramacindeinicioofindeminera
msautnoma,sepuedendesarrollaragentesdesoftware
(programas) [1] que detecten la no actividad en la
computadoraysiellosconsideranconvenienteiniciarla
tareadeextraccinyanlisisdedatos.

2.5Generarlaspreguntas(definirreginypatrn
abuscar)
Generalmenteelcubodemineradondeserealizaranlas
bsquedas, almacena una gran cantidad de datos
histricos,peroalusuariosololeinteresaanalizarenuna
regin ms pequea, regin donde buscar su patrn de
comportamientodeinters.Ladefinicindelapreguntase
divideendospartesadescribir:

Lareginquesedeseaaanalizar
Elpatronabuscarenlaregin.

bsqueda de todos
los elementos de un
nivel inferior
Tabla9.OperadoresdelLenguajedeEspecificacin.
Unejemploconlosoperadoresparadefinirunaregines:
producto=AC*
cliente=MXSO01|MXSO02|MXCH03|MXCH06
tiempo=199501.199512
Lareginsontodoslosproductoscuyaclaveiniciecon
AC; los clientes cuya clave es MXSO01, MXSO02,
MXCH03yMXCH06;yenelaode1995,desdeelmes
01almes12.
SielniveldelproductovadeAC01aAC99,Estodefine
uncubodeposiblemente99*4*12<4800registrosa
analizar.

2.5.1ReginaAnalizar

2.5.2Patrondecomportamientoosituacininteresante

ParadefinirunareginenelMineradeDatosANASIN,
laherramientaproporcionaunlenguajedeespecificacin
detramosointervalosdebsquedaencadaunodelos
ejes,losoperadoresusadosenlenguajesepuedenobservar
enlatabla9.

Elusuariodefineunpatrndecomportamiento(verfigura
4)abuscarenlareginqueeldefina(verfigura5)

Sm Significado
bolo

Ejemplo

Buscar dentro de un
intervalo de claves,
donde el smbolo se
coloca en la clave
inicial y final

AC01.AC10; en el eje
de producto buscar en
los que se tienen las
siguientes
claves,
AC01,
AC02,
AC03,...,AC09 y AC10

Buscar en claves
especficas, donde
cada una de las
claves a buscar esta
separada
por
el
smbolo |

AC01|AC02|AC03|
AC06, en el eje de
producto, solo buscar
en los productos AC01,
AC02, AC03 y AC06

Buscar en todos las

claves que esten
definidos para esa
dimensin o eje.
Tambin
puede
funcionar como un
comodn , que indica
que se desea la

MX*; en eje de cliente,

buscar en los clientes
cuyas claves inicien con
MX
o
sea
MXSO01.MXSO99
y
MXCH01 ... MXCH99
(en los que existan).

Figura 4

______________________________________________________________________________________________________
Laboratorio de Sistemas de Informacin y Bases de Datos-CIC-IPN

5 de 10

Instituto Politcnico Nacional

Centro de Investigacin en Computacin
______________________________________________________________________________________________________________

c) Decrecimientoen4puntos:
(mesa)>(mesb)y
(mesb)>(mesc)y
(mesc)>(mesd)
d) Crecimientoconcrestaen5puntos:
(mesa)<(mesb)y
(mesb)<(mesc)y
(mesc)<(mesd)y
(mesd)>(mese)y
(mesc)<(mese)

Figura 5

e) Crecimientoescalonadoen4puntos:
(mesa)=(mesb)y
(mesb)<(mesc)y
(mesc)=(mesd)

Minera de DatosANASIN, cuenta con un catlogo de

patronesdecomportamientobienidentificadosatravsde
nmomentosopuntosdeltiempo (lospuntospuedenser
dias, semanas, meses, aos u otra unidad de tiempo),
catlogoqueayudaalusuarioabuscarunconocimiento
ocultoensusdatos.Entreloscomportamientossehallan:

f) Crecimientoescalonadoen6puntos:
(mesa)=(mesb)y
(mesb)<(mesc)y
(mesc)=(mesd)y
(mesd)<(mese)y
(mese)=(mesf)

Crecimientos
Crecimientosconvalles
Crecimientosconcrestas
Decrecimientos
Decrecimientosconvalles
Decrecimientosconcrestas
Crecimientosescalonados
Decrecimientosescalonados
ZigZag
Constantes

Estos patrones en la herramienta (figuras 6 y 7) se

presentanengrficasqueayudanavisualizarlospatrones
decomportamientoabuscar.

Cada uno de los patrones anteriores tiene su expresin

matemticaquelodefine.
Ejemplos:
a) Crecimientoen4puntos:
(mesa)<(mesb)y
(mesb)<(mesc)y
(mesc)<(mesd)

Figura 6.

b) Crecimientoconcrestaen5puntos:
(mesa)<(mesb)y
(mesb)<(mesc)y
(mesc)<(mesd)y
(mesd)>(mese)y
(mesc)<(mese)

______________________________________________________________________________________________________
Laboratorio de Sistemas de Informacin y Bases de Datos-CIC-IPN

6 de 10

Instituto Politcnico Nacional

Centro de Investigacin en Computacin
______________________________________________________________________________________________________________

ElmdulodeMineradeDatosANASIN,presentatanto
reportescomogrficasdelosresultadosdelaextracciny
bsquedadepatrones.
Los resultados son los
siguientes:

Figura 7.
Con los dos componentes de las preguntas descritos
anteriormente,sepuedenrealizarlassiguientesbsquedas:
Con que clientes la venta de gasolina tiene un
crecimientocontinuoen4meses?
Enqueclientessehamantenidounaventaounconsumo
en3meses?
Culessonlosclientesenlosquesehamantenidoun
porcentaje de variacin mnima de 1 %, sin importar
cuantasunidadesdetiemposehasostenidolavariacin?
Preguntas que se pueden armar con un lenguaje de
consulta (SQL o 4GL), pero su construccin puede
resultardficil,

2.6Solicituddeprocesodeextraccinynalisis
Lasolicituddelaejecucin aresponder lapregunta,se
registra en una base de datos que contiene todos los
procesosdeextraccinyanlisisobsquedadepatrones.

Figura 8
Reporte que muestra el resultado olaindicacin del
tiempoylugardondesecumplielpatrnbuscado
La extraccin que contiene los lugares donde se
cumplioelcriterioquedefinelareginyenloscuales
sebuscoelpatrn(conxitoosinxito)
Grficasparavisualizarloslugaresdondesebuscoel
patrn
Grficasparavisualizardondetuvoxitolabsqueda
del patrn, es decir, donde se encontr el patrn
definidoenlapregunta.
Ejemplodeestosonlasgrficas9,10,11y12.

2.7EjecucindeAnlisis
La ejecucin de los procesos de extraccin de datos y
bsquedadepatrones(anlisis)serealizarandeacuerdoa
loshorariosprogramados,dondeelprogramaextractory
minero utilizaran los recursos del servidor donde se
almacenalabasedeminera.

2.8ResultadosdelAnlisis
ElxitoenlosprocesosdeMineradeDatosodeanlisis
automtico en ungran cmulo de datos, se deber a la
interpretacin correcta de los resultados. Para lo cual
ayudamucholaformaenquesepresentenalusuariolos
resultados. Est debe ser sencilla y entendible para una
fcilinterpretacin(verfigura8).

Fgura 9. Regin de xito para el patrn de

bsqueda Constante en 4 puntos

______________________________________________________________________________________________________
Laboratorio de Sistemas de Informacin y Bases de Datos-CIC-IPN

7 de 10

Instituto Politcnico Nacional

Centro de Investigacin en Computacin
______________________________________________________________________________________________________________

Fgura 12. Regin de xito para el patrn de

bsqueda Crecimiento escalonado en 4 puntos

3. Un Desafo en la Minera con Cubos de

Datos
Para poder aplicar la tcnica de cubos de datos, es
necesario realizar una transformacin a los datos del
usuarioparadejarloslistoscomoserequiere(figuras2y
3),latrasformacin esoriginada como ya sedijoenel
punto2,porlasfuentesdedatos(sistemasoperacionales)
quenoestandiseadaspararealizarminera,porlocuales
necesariosupreparacin.
Fgura 10. Regin de xito para el patrn de
bsqueda Constante en 4 puntos

Fgura 11. Regin de xito para el patrn de

bsqueda Crecimiento en 4 puntos

Un caso en extremo puede plantearse en la siguiente

forma,laestructuraptimadeunsistemaescolarpodra
serlaquesepresentaenlatabla10,quealmacenadatos
histricos de totales por alumno inscritos en una
institucinconvariosplanteles.
No

Campo

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23

Matrcula
separador
clavedeplantel
separador
clavedecarrera
separador
plandeestudios
separador
Ingreso
Separador
causaingreso
Separador
causaegreso
separador
crditosacumulados
separador
porcentajeacrditados
separador
crditosobligatorios
Separador
Porcentaje
obligatorios
Separador
crditosoptativos

24
25

Separador
Porcentajeoptativos

26
27

Separador
Aprobadosen

Tipo
char(8)
char(1)
char(3)
char(1)
char(2)
char(1)
char(2)
char(1)
entero(3)
char(1)
entero(3)
char(1)
entero(3,)
char(1)
entero(4)
char(1)
entero(4)
char(1)
entero(4)
char(1)
entero(4)
char(1)
decimal(3,
0)
char(1)
decimal(4,
0)
char(1)
decimal(2,

______________________________________________________________________________________________________
Laboratorio de Sistemas de Informacin y Bases de Datos-CIC-IPN

Inici
o
0
8
9
12
13
15
16
18
19
21
22
24
25
27
28
31
32
36
37
40
41

Fin
7
8
11
12
14
15
17
18
20
21
23
24
26
27
30
31
35
36
39
40
44

45
46

45
48

49
50

49
53

54
55

54
56

8 de 10

Instituto Politcnico Nacional

Centro de Investigacin en Computacin
______________________________________________________________________________________________________________

34
35

ordinario
Separador
Reprobadosen
ordinario
Separador
Aprobadosen
extraordinario
Separador
reprobadosen
extraordinario
separador
promedio

36
37

separador
iniciodecarrera

38
39

Separador
Findecarrera

40
41
42
43
44
45
46
47

Separador
Sexo
Separador
Auxiliar
Separador
Fechadenacimiento
Separador
Nacionalidad

28
29
30
31
32
33

0)
char(1)
decimal(2,
0)
char(1)
decimal(2,
0)
char(1)
decimal(2,
0)
char(1)
decimal(4,
0)
char(1)
decimal(3,
0)
char(1)
decimal(3,
0)
char(1)
char(1)
char(1)
char(1)
char(1)
char(6)
char(1)
char(1)

57
58

57
59

60
61

60
62

63
64

63
65

66
67

66
70

71
73

71
74

75
76

75
78

79
80
81
82
83
84
90
91

79
80
81
82
83
89
90
91

Tabla 10. Datos de Alumnos

Algunos patrones de inters a buscar a travs de las
generacionespodrinser:
Lamatrcula
Porcadaunadelascausasdeingreso
Porcadaunadelascausasdeegreso
Porcentajedecrditosaprobadosenformanormal
Porcentajedecrditosaprobadosporextraordinario
Porcentajedecrditosreprobados
Promediodecalificaciones
Edad
Loscualesseestudiarianconrespecto:

Plantel
Carrera
Sexo
Causasdeingreso
Causasdeegreso
Generacin

Ladimensindenuestroscuboshastaaquesde6,pero
como semantiene unhistrico poralumnos,esdecirla

matrcula se convierte en un eje ms, la dimensin de

nuestroscubosserfinalmentede7.
Situviesemosentotal13valoresdiferentesquedefinen13
posiblespatronesabuscar,cadaunodenuestrosregistros
de los alumnos sera necesario duplicarlo 13 veces
(promedio, porcentaje aprobado, porcentaje reprobado,
causa de ingreso, causa de egreso, entre otros). Las
preguntasposiblesacontestarseran:
En que alumnos por tipo de ingreso crece su
promedio?
En que alumnos por tipo de ingreso decrece su
promedio?
Enquealumnosportipodeingresoseincrementa
suporcentajedeaprobadas?
Enquealumnosportipodeingresoseincrementa
suporcentajedereprobadas?
Enquealumnosportipodeingresoseincrementa
suporcentajedeaprobadasobligatorias?
Enquealumnosportipodeingresoseincrementa
suporcentajedereprobadasobligatorias?
Cadaregistroconunaestructurasimilarsalvoporelvalor
deunavariablequedefineeltipodepatrnquealmacena
elregistro.
Es decir, si tuviesemos en total 8,000 registros, es
necesario ahora tener 104,000 registros en la tabla
interseccin. Aunque solo tuviesemos 10 planteles, 5
carreras,2sexos,10generacionesy100causasdeegreso
yingreso
En forma similar tenemos, si la estructura de
almacenamientodeventasdegasolinaporclientecontiene
porregistrolaventadeunaoendoceitems,esnecesario
cadaregistroduplicarlo12vecesyregistrarlo12vecesen
latablaquepermitealmacenarloscomportamientos.De
aqui, si tenemos 10,000 clientes, 4 productos y
almacenados10aos,nuestrainformacinenlatablade
interseccindeloscubos,registrariaalmenos10,000*4
*10*12=4,800,000registros.
Aqunosesetomanencuentalosregistrosquepueden
facilitareltiempoderespuestayquesonlosprecalculados
queagilizaneltiempoderespuestaperoincrementanla
cantidadderegistros[7].
Como se observa de alguna forma nuestros datos se
duplicanyporlotantoexistelanecesidaddemanejarlo
queseconocecomo uncubovirtual,elcualsegenerara
cadavezqueseprocesaunapregunta.Consololaventaja
denoduplicarlainformacinynoalmacenardichocubo
endisco;ylasdesventajasdebuscarptimizarlostiempos
necesariosparasuclculo,quedependereradelaregin

______________________________________________________________________________________________________
Laboratorio de Sistemas de Informacin y Bases de Datos-CIC-IPN

9 de 10

Instituto Politcnico Nacional

Centro de Investigacin en Computacin
______________________________________________________________________________________________________________

deintersaanalizaryelalgoritmoquedefinieseelreade
almacenamientotemporal.
Estoesunproblemaquesemantienevigenteynecesario
deresolver[5].Aunadoaestedesafioexistenotroscomo
eldegenerarenformaautmaticalosalgoritmosdelos
procesosdeextraccinycargadedatosalabasededatos
queseusaparalaminera(verseccin2.3).

4.TrabajosFuturos.
Esta herramienta se utiliza como apoyo en varios
proyectosqueseestanplaneadoenconjuncinconotros
LaboratoriosdelC.I.C,entreloscualesdestacan:
Uso de Agentes [2] para la Minera de Datos en
SistemasDistribuidosyCooperativos[8]
UsodeAgentesparalaMineraDistribuida
UsodeAgentesparalaMineraenTexto
Generacin de nuevos agentes (mineros que buscan
variables con comportamientos similares, ya sea que
crezcan,decrezcanocomportamientoscontrarios)[4]

5.Conclusiones
Algo que complica el llevar a cabo el desarrollo de
herramientascontecnologanueva,esqueimplicavarios
tiposdeconocimiento,entreloscualestenemos:
Algoritmosmatemticos
Organizacindelasbasesdedatos
Algoritmosderecuperacin
Diseodeinterfacesdeusuario
InteroperabilidadentrediferentesSistemasoperativos
Unadelasprincipalesaportacionesdenuestrodesarrollo,
es el modelo de trabajo que permite aprovechar los
recursos de cmputo y permite an ms buscar este
aprovechamiento, adems como ya se menciono en los
trabajosfuturos,permitebuscaraplicarotrastecnologas
cmosonladeagentesdesoftware.

6.CaractersticasdelSoftware
Modelodetrabajo.Cliente/servidor
SoftwareenServidor
UNIXSCO
INFORMIX(Onliney4GL)
SAMBA
ProgramasenC
ProgramasenShellScriptsdeUNIXSCO
SoftwareenCliente
WindowsNToWindows95
EjecutableenDELPHI
INFORMIX

7.Grupodedesarrollodeversin2.12
IntegrantesdelLaboratoriodeSistemasdeInformacinen
1998:
LiliaGonzlezRodriguez(Analista/Programador,
Documentador)
AlfonsoGarciaGonzlez(Analista/Programador,
Documentador)
AbsalomZamoranoCastellanos(Analista/
Programador)
KarinaOrtizNicolas(Analista/Programador)
RodolfoRodrguezbando(Analista/Programador)
BerthaPatriciaRamrezArzate(BetaTester)
IxcheelMartnezCastillo(BetaTester)
M.enC.GilbertoLorenzoMartnezLuna(Lderde
Proyecto)
Asesores
Dr.AdolfoGuzmnArenas
M.enC.GuillermoRafaelDomnguezdeLen

Referencias
[1] Bigus Josep P. Data Mining With Neural Networks,
McGrawill1996.
[2] Davidsson P., Autonomous Agents and the Concept of
ConceptsDepartamentofComputerScience,LundUniversity,
Sweden1996.
[3] Guzmn Arenas A, Estado del Arte y de la Prctica en
Minera de Datos, Anlisis y Critica, Conferencia Magistral,
Cuba,Marzode1996
[4]GuzmnArenasA,UsoyDiseodeMinerosdeDatos,
SolucionesAvanzadas,Juniode1996
[5]MingSyanChen,JiaweiHan,andPhilipS.Yu,Fellow,
DataMining:aviewfromdatabaseperspective,IEEE,Dic.
1996
[6]http://www.kdnuggets.com/siftware.htm
[7]Harinayanv.,Rajamarana.,Ullmanj,ImplementingData
CubesEfficiently,StanfordUniversity
[8] P. Papazoglou Mike, K. Sellis Timos, International
Journal of Intelligent & Cooperative Information Systems ,
IJICIS, Volume 1, Number 1, Queensland University of
Technology Brisbane, Australia, University of maryland,
CollegePark,USA,March1992.
2

(2). La versin 1.0 fu desarrolloda por las empresas Software-Pro

International e IDASA, con apoyo del CONACYT para la Gerencia de
Informtica y Telecomunicaciones de la C.F.E. dirigida por el Ing.
Enzo Molino e Ing. Ramn Sobern Kuri en 1994

______________________________________________________________________________________________________
Laboratorio de Sistemas de Informacin y Bases de Datos-CIC-IPN

10 de
10

Instituto Politcnico Nacional

Centro de Investigacin en Computacin
______________________________________________________________________________________________________________

______________________________________________________________________________________________________
Laboratorio de Sistemas de Informacin y Bases de Datos-CIC-IPN

11 de 10