EJEMPLOS

1.- BIG DATA

PAN BIMBO en el sistema procesos de cotización y de ordenes de compra

AVIANCA en el analñisis y predicción de rastreo de vuelos

Data Mining en la campaña de Obama

Obama recurrió al Data Mining para mejorar su posición respecto a la población.

Puso a trabajar a un grupo de expertos en análisis de datos masivos con el fin de
sondear las bases de datos propias del partidos, seguidores y militantes; las
fuentes públicas e institucionales, y las redes sociales.

El data mining ha abierto todo un mundo de posibilidades para los

negocios. Este campo de la estadística computacional relaciona millones
de datos aislados y sirve a las empresas, por ejemplo, para detectar
patrones de conducta en sus clientes y predecir su comportamiento. Su
objetivo es generar nuevas oportunidades de mercado.

 
El 'data mining' convierte la información en conocimiento.

¿QUÉ ES EL 'DATA MINING'?

La minería de datos o data mining es un proceso técnico, automático o semiautomático, que

analiza grandes cantidades de información dispersa para darle sentido y convertirla en
conocimiento. Busca anomalías, patrones o correlaciones entre millones de registros
para predecir resultados, como indica el SAS Institute, uno de los referentes mundiales en
analítica de negocios.

Mientras tanto la información crece sin parar. Un estudio de 2017 sobre big data revela
que el 90% de los datos del mundo son posteriores a 2014 y su volumen se duplica cada
1,2 años. En este contexto, el data mining es una práctica estratégica considerada importante
por casi el 80% de las organizaciones que aplican inteligencia empresarial (business
intelligence), según Forbes.

Gracias a la acción conjunta de analítica y minería de datos, que combina

estadística, Inteligencia Artificial y aprendizaje automático, las empresas pueden crear
modelos para descubrir conexiones entre millones de registros. El data mining posibilita,
entre otros aspectos:

 Limpiar los datos de ruido y repeticiones.

 Extraer la información relevante y utilizarla para evaluar posibles resultados.

  Tomar mejores decisiones de negocio con mayor rapidez.

EJEMPLOS DE APLICACIONES DE LA MINERÍA DE DATOS

La capacidad predictiva del data mining ha cambiado el diseño de las estrategias

empresariales. Ahora se puede entender el presente para anticiparse al futuro. Estos son
algunos ejemplos de data mining en la industria actual:

 'Marketing'. La minería de datos se utiliza para explorar bases de datos cada vez
mayores y mejorar la segmentación del mercado. Analizando las relaciones entre
parámetros como edad de los clientes, género, gustos, etc., es posible adivinar su
comportamiento para dirigir campañas personalizadas de fidelización o
captación. El data mining en marketing predice también qué usuarios pueden darse
de baja de un servicio, qué les interesa según sus búsquedas o qué debe incluir una
lista de correo para lograr una tasa de respuesta mayor.

 Comercio minorista. Los supermercados, por ejemplo, emplean los patrones de

compra conjunta para identificar asociaciones de productos y decidir cómo situarlos
en los diferentes pasillos y estanterías de los lineales. El data mining detecta además
qué ofertas son las más valoradas por los clientes o incrementa la venta en la cola
de caja.

 Banca. Los bancos recurren a la minería de datos para entender mejor los riesgos del
mercado. Es habitual que se aplique a la calificación crediticia (rating) y a sistemas
inteligentes antifraude para analizar transacciones, movimientos de tarjetas, patrones
de compra y datos financieros de los clientes. El data mining también permite a la
banca conocer más sobre nuestras preferencias o hábitos en internet para
optimizar el retorno de sus campañas de marketing, estudiar el rendimiento de los
canales de venta o gestionar las obligaciones de cumplimiento de las regulaciones.

 Medicina. La minería de datos favorece diagnósticos más precisos. Al contar con toda

la información del paciente —historial, examen físico y patrones de terapias
anteriores— se pueden prescribir tratamientos más efectivos. También posibilita una
gestión más eficaz, eficiente y económica de los recursos sanitarios al identificar
riesgos, predecir enfermedades en ciertos segmentos de la población o pronosticar la
duración del ingreso hospitalario. Detectar fraudes e irregularidades y estrechar
 vínculos con los pacientes al ahondar en el conocimiento de sus necesidades son
también ventajas de emplear el data mining en medicina.

 Televisión y radio. Hay cadenas que aplican la minería de datos en tiempo real a

sus registros de audiencia en televisión online (IPTV) y radio. Estos sistemas recaban
y analizan sobre la marcha información anónima de las visualizaciones, las
retransmisiones y la programación de los canales. Gracias al data mining se pueden
emitir recomendaciones personalizadas a los radioyentes y telespectadores, conocer
en directo sus intereses y su actividad, y entender mejor su conducta. Las cadenas
obtienen, además, conocimiento muy valioso para sus anunciantes, que aprovechan
estos datos para llegar con más precisión a sus clientes potenciales.

'DATA MINING': UNA PROFESIÓN DE FUTURO

Hoy en día, la búsqueda, el análisis y la gestión de datos representan un mercado de grandes

oportunidades laborales. El profesional de data mining trabaja las bases de datos para
evaluar la información y descartar la que no sea útil o confiable. Para ello, debe contar
con conocimientos sobre big data, informática y análisis de información, y ser capaz de
manejar diferentes tipos de software.

El informe anual de LinkedIn de 2017 sobre los empleos más emergentes señalaba que tres
de los puestos con más demanda en Estados Unidos eran posiciones relacionadas con los
datos masivos. Asimismo, IBM pronostica que la demanda de este tipo de
profesionales crecerá un 28% de aquí a 2020.