Investigación: Data Mining (Grupo #3)

Clase:
Administración de Bases de Datos.

Docente:
Ing. Raúl Teruel.

Integrantes:
Alex Gamez - 31811957.
Jessica Lainez - 31651167.
Mario Gamez - 31751093.

Fecha:
12 de diciembre, 2020.
 Índice

Introducción .................................................................................................................................. 1
Data Mining (Minería de Datos) ................................................................................................... 2
Estructura .............................................................................................................................. 3
Ventajas del uso de Data Mining .......................................................................................... 4
Desventajas del uso de Data Mining ..................................................................................... 4
Aplicaciones de Data Mining ................................................................................................ 4
Diferencias entre Data Mining y Big Data ............................................................................ 6
Conclusiones ................................................................................................................................. 7
Bibliografía ................................................................................................................................... 8
 Introducción

En el siguiente informe hablaremos sobre el Data Mining o también conocido

como minería de Datos, ya que consiste en varias técnicas de ejecución también
trataremos el tema de las ventajas y desventajas de uso de Data Mining (Minería
de datos) , comentado el papel que pueden desarrollar en las empresas dicho
proceso y su importancia en la manipulación de grandes cantidades de datos en
nuestra , la diferencia que existe entre Data Mining y Big Data, dando a conocer
su estructura y funcionamiento.
El mundo la Data Mining es muy grande y también interesante, con este informe
tratamos de explicar un poco ya que es temas es muy amplio y variado que no se
puede representar en un solo informe también cabe recalcar todas las ramas en
donde se utiliza la minería de datos, por ejemplo: Marketing, Comercio minorista,
Banca, Medicina, Televisión y radio, con esto queremos dar a conocer que el hecho
que no lo escuchemos mencionar no quiere decir que no se encuentre presente en
estos rubros y en muchos otros más.

1
 Data Mining (Minería de Datos)

El Data Mining.o en español minería de datos. Es el conjunto de técnicas y

tecnologías que permiten explorar grandes bases de datos, de manera automática
o semiautomática, con el objetivo de encontrar patrones repetitivos, tendencias o
reglas que expliquen el comportamiento de los datos en un determinado contexto.
Básicamente, el Data Mining surge para intentar ayudar a comprender el
contenido de un repositorio de datos. Con este fin, hace uso de prácticas
estadísticas y, en algunos casos, de algoritmos de búsqueda próximos a la
Inteligencia Artificial y a las redes neuronales.
De forma general, los datos son la materia prima bruta. En el momento que el
usuario les atribuye algún significado especial pasan a convertirse en
información. Cuando los especialistas elaboran o encuentran un modelo,
haciendo que la interpretación que surge entre la información y ese modelo
represente un valor agregado, entonces nos referimos al conocimiento.
Aunque en Data Mining cada caso concreto puede ser radicalmente distinto al
anterior, el proceso común a todos ellos se suele componer de cuatro etapas
principales:
• Determinación de los objetivos: Trata de la delimitación de los objetivos
que el cliente desea bajo la orientación del especialista en Data Mining.

• Reprocesamiento de los datos: Se refiere a la selección, la limpieza, el

enriquecimiento, la reducción y la transformación de las bases de datos.
Esta etapa consume generalmente alrededor del setenta por ciento del
tiempo total de un proyecto de Data Mining.

• Determinación del modelo: Se comienza realizando unos análisis

estadísticos de los datos, y después se lleva a cabo una visualización
gráfica de los mismos para tener una primera aproximación. Según los
objetivos planteados y la tarea que debe llevarse a cabo, pueden utilizarse
algoritmos desarrollados en diferentes áreas de la Inteligencia Artificial.

2
 • Análisis de los resultados: Verifica si los resultados obtenidos son
coherentes y los coteja con los obtenidos por los análisis estadísticos y de
visualización gráfica. El cliente determina si son novedosos y si le aportan
un nuevo conocimiento que le permita considerar sus decisiones.

Estructura

La minería de datos hace uso de programas de búsqueda para detectar

desviaciones, tendencias y patrones ocultos en los datos históricos.
Los mineros son programas pensados y creados por el usuario, en los que se
emplean técnicas diferentes para la explotación de los datos, tales como clúster,
asociaciones, clasificación, visualización, redes neuronales, algoritmos genéticos,
detección de desviaciones, entre otros. Todos ellos requieren bases de datos de
tamaño considerable para que puedan ser eficientes.
La función de los programas mineros es correlacionar los criterios de selección y
búsqueda con los datos históricos; si encuentran algo interesante lo presentan al
usuario como un hallazgo. Los programas mineros trabajan con procesos
automáticos principalmente sobre bases de datos relacionales para buscar datos
extraños, patrones, tendencias o desviaciones; pueden ser ejecutados fuera de las
horas pico, usando tiempos de maquina excedentes de noche o en horas de poco
proceso, lo que nos convierten en ayudantes importantes.
Una ventaja de los mineros es que no requieren de hardware especial o dedicado.
Trabajan en las redes de oficinas nacionales o regionales, utilizando por las
noches el servidor de la base de datos relacional, y las PC's o estaciones de
trabajo ya existentes. Es decir, trabajan sobre datos ya recolectados, en máquinas
ya existentes, realizando labores útiles mientras los usuarios no se encuentran
trabajando.

3
Ventajas del uso de Data Mining

• Permite descubrir información que no esperábamos obtener. Esto se debe

a su funcionamiento con algoritmos, ya que permite hacer muchas
combinaciones distintas.
• Es capaz de analizar bases de datos con una enorme cantidad de datos.
• Los resultados son muy fáciles de interpretar y no es necesario tener
conocimientos en ingeniería informática.
• Permite encontrar, atraer y retener clientes.
• La empresa puede mejorar la atención al cliente a partir de la información
obtenida.
• Da a las empresas la posibilidad de ofrecer a los clientes los productos o
servicios que necesitan.
• Antes de usar los modelos, estos son comprobados mediante estadísticas
para verificar que las predicciones obtenidas son válidas.
• Ahorra costes a la empresa y abre nuevas oportunidades de negocio.

Desventajas del uso de Data Mining

• Dificultad de recopilación de los datos.

• Dependiendo del tipo de datos que se quieran recopilar puede conllevar
mucho trabajo o la necesidad de tecnología de elevado coste.
• El pre procesamiento de datos puede llevar demasiado tiempo.
• No está asegurada la obtención de un modelo válido.

Aplicaciones de Data Mining

La capacidad predictiva de la 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

4
 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 la
preferencia de sus clientes 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 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

5
Diferencias entre Data Mining y Big Data

Se considera que la minería de datos y Big Data son dos cosas diferentes, pero
ambas son de crucial importancia para comprender en el ámbito del análisis de
datos. Aunque ambos términos se relacionan con el manejo de grandes
magnitudes de datos para diferentes destinatarios, en realidad se usan en
diferentes contextos y para dos elementos diferentes para este tipo de
operaciones.
El término Big Data se refiere a los grandes conjuntos de datos que superan las
bases de datos que son de naturaleza simple y que se utilizaron en los tiempos en
que el avance tecnológico era una cosa del futuro y la gente utilizaba una
metodología menos factible y más cara o Arquitectura de manejo de datos. Por
ejemplo, el término Big Data se puede utilizar para abordar la gran cantidad de
datos que no se manejan fácilmente en una hoja de cálculo de Microsoft Excel.
Por lo tanto, se denominará Big Data.
Por otro lado, Data Mining se refiere al proceso de analizar y examinar
minuciosamente conjuntos de Big Data para buscar información pertinente o
importante. Poniendo toda la operación en palabras simples. La noción detrás de
esto es que los tomadores de decisiones en las grandes corporaciones requieren
acceso a conjuntos de datos más específicos y más pequeños que deben extraerse
de los grandes conjuntos homogéneos de Big Data. Por lo tanto, la minería de
datos se utiliza como una técnica para dilucidar la información que puede ayudar
a las empresas a determinar la dirección de sus negocios.
Además, en la minería de datos también se pueden utilizar diferentes paquetes de
software que incluyen herramientas analíticas, pero en general el proceso de
minería de datos incluye operaciones con operaciones de búsqueda intrincadas
que devuelven resultados que son de naturaleza específica. Por ejemplo, una
herramienta utilizada para la minería de datos buscaría años de datos contables
para ubicar y proporcionar una columna particular de cuentas que necesita el
usuario. Por lo tanto, podemos decir simplemente que Big Data es el activo
principal, mientras que Data Mining puede considerarse como el controlador de
este activo.

6
 Conclusiones
• La capacidad de almacenar datos en los últimos años ha crecido de una
manera muy acelerada, y ese crecimiento ha generado que no podamos ir
a la par, por ese motivo se utiliza la minería de datos, que es una
herramienta que nos sirve para comprender mejor grandes volúmenes de
datos.

• El uso de la minería de datos permite a los directivos de una empresa

obtener una visión mas detallada y completa de su empresa, porque les
permite buscar operaciones cotidianas, esto depende de la confiabilidad de
la información para la toma de decisiones.

• La minería de datos tiene mucho futuro, ya que las grandes empresas

poseen grandes cantidades de datos que son desaprovechados, los
mercados en la actualidad son más saturados y se requiere un análisis más
intenso para poder obtener la atención de los clientes.

• La minería de datos es una herramienta que puede aplicarse en varios

mercados como; la televisión, finanzas o esta en la medicina, con el fin de
obtener información de importancia para poder hacer tomas de decisiones
mejores, ya que su uso permite hacer predicciones muy acertadas para
poder llevar a cabo un plan con una estructura sólida y confiable.

7
 Bibliografía

Iberdrola, S.A. (2020). Descubre cómo el 'data mining' predecirá nuestro comportamiento.
Obtenido de https://www.iberdrola.com/innovacion/data-mining-definicion-ejemplos-y-
aplicaciones
ANGELES LARRIETA, M. I., & SANTILLAN GOMEZ, A. M. (2020). Mineria de datos:
Concepto, caracteristicas, estrcutura y aplicaciones. Obtenido de Mineria de datos:
Concepto, caracteristicas, estrcutura y aplicaciones:
http://www.ejournal.unam.mx/rca/190/RCA19007.pdf
Blog Way de ProDesigns. (14 de Enero de 2020). Conozca la diferencia entre minería de datos
y macrodatos. Obtenido de https://dbperfection.com/learn-the-difference-between-data-
mining-and-big-data/
IRUSTA, M. (12 de Octubre de 2016). El Data Mining Ventajas y Desventajas. Obtenido de
http://dataminingsucre.blogspot.com/
RIBAS, E. (8 de Enero de 2018). ¿Qué es el Data Mining o minería de datos? Obtenido de
¿Qué es el Data Mining o minería de datos?: https://www.iebschool.com/blog/data-
mining-mineria-datos-big-
data/#:~:text=El%20Data%20Mining%20es%20un,el%20comportamiento%20de%20es
tos%20datos
SAS. (2019). Historia de la minería de datos y avances actuales. Obtenido de
https://www.sas.com/es_mx/insights/analytics/data-mining.html#dmhistory