Documentos de Académico
Documentos de Profesional
Documentos de Cultura
INTRODUCCIÓN
SANTIAGO HOYOS
IUSH
Business Intelligence
• What is it?
• What do you do with BI?
• What do you need for using BI?
• BI and DM
Business Intelligence
• Data Search or Analysis?
• Company Analysis from Countable and
Commerce data
• Evolution company so history and past
Analysis
• Report and inform are developed manually or
automatically?
BI Cicle
DATA
KNOWLEDGE
BI
What is • Report
happened?
What is • Monitoring
up?
Why is • Analysis
this?
DATOS
INFORMACIÓN
CONOCIMIENTO
Mineria de Datos
• Analizar datos con el objetivo de encontrar
patrones de forma automatizada
• Proceso automatizado que soporta la toma de
decisiones partiendo de los datos
• Es el uso de algoritmos para extraer
información y conocimiento a partir de un
conjunto de datos (Data Warehouse)
Proceso
BASE DE
datos datos datos DATOS
TRF
SELECCIÓN
PROCESAMIENTO
DATA
BD - DW WAREHOUSES
Minería de datos y la estadística
• Analiza muestra
de datos para
inferir sobre el
comportamiento
Busca información útil usando
de la población. toda la base de datos
• Supone Usa técnicas exploratorias,
algorítmicas para definir el
comportamientos comportamiento.
con base en
distribuciones de
probabilidad
Aplicaciones
• Retención de clientes – pronóstico
• Patrones de compra – asociación
• Detención de fraudes – tarjetas – espionaje
electrónico – análisis de texto
• Manejo del riesgo – capacidad de
endeudamiento
• Segmentación de clientes – campañas de
marketing segmentada – encuestas
• Predicción de ventas y de inventarios – series de
tiempo
Por qué usar DM?
• Bancos – análisis de millones de transacciones
• Las PC son más potentes – más veloz y de
mayor capacidad de almacenamiento
• Competencia – globalización – innovación
tecnológica
Clasificación de la DM
• Descriptiva: buscar patrones en los datos (fraude,
lavado de dinero, de buenos clientes, segmentos)
conocida también como aprendizaje no
supervisado, el método funciona solo sin
supervisión humana.
• Predictiva: la bola de cristal – predicción de
ventas, de número de transacciones, valores de
las acciones. Aprendizaje supervisado, el ser
humano requiere dar la referencia, las clases, por
ejemplo las características de las transacciones
fraudulentas.
Herramientas
• Datos: cualitativos, numéricos, objetos,
imágenes, videos, almacenados y relacionados
en una BD
• Estadística y matemática
• Computadores
Métodos
• Clasificación: cuando la variable es discreta
• Clusterización – agrupamiento
• Asociación
• Pronóstico
• Regresión: cuando la variables es continua
Tipos de datos
• BD relacionados
• Bodegas de datos
• BD transaccionales
• BD orientados a objetos
• BD espaciales – SIG
• BD de texto
• BD multimedia
• Web mining
Clusterización
• Agrupamiento por similitud
Clasificación
• Jeráquica
• No Jeráquica Padre
Hijo Hija