Aplicación de la Minería

de datos en problemas
de la vida común
HTTPS://STEPHANIEVAZQUEZG.COM/
 2
Objetivo

 Conocer las principales aplicaciones de los métodos de la minería

de datos en la vida diaria y reconocer su impacto e importancia.

Contenido
 Introducción
 ¿Qué es la minería de datos?
 Tipos de datos
 Beneficios de la minería de datos
 Aplicaciones prácticas
 Cuidado de la salud
 Banca y finanzas
 Segmentación de clientes
 Educación
 Análisis de cesta de compra
3
 Detección de fraudes
 CRM (Customer relationship
management)
 Ingeniería de manufactura
 Análisis de investigación
 Investigación criminal
 Otras aplicaciones
 Conclusión
Introducción 4
¿Qué es la minería de datos?

 Es el proceso de extraer información valiosa que tiene sentido a

partir de una gran cantidad de datos.
 Ayuda a explorar e identificar tendencias y patrones útiles en
conjuntos de datos.
 La minería de datos tiene esencialmente un enfoque
interdisciplinario que implica el uso de estadísticas, tecnología
de bases de datos, inteligencia artificial y métodos de
aprendizaje automático.
 La minería de datos hace uso de algoritmos para la extracción
de patrones en conjuntos de datos.
 5
Tipos de datos para minería de datos

Los siguientes son los tipos de datos que se someten a minería de datos:

 Bases de datos orientadas a objetos  Extracción de textos

y relacionales a objetos
 Minería web
 Almacenes de datos (data
 Repositorios de información
warehouses)
 Bases de datos heterogéneas y
 Bases de datos relacionales
heredadas
 Bases de datos de texto
 Bases de datos multimedia y de
 Bases de datos transaccionales y transmisión (streaming)
espaciales
 Base de datos avanzada
 6
Beneficios de la minería de datos

 La minería de datos es una técnica eficaz para que las empresas

obtengan información basada en el conocimiento.
 La predicción automatizada de tendencias y comportamientos y
el descubrimiento de patrones ocultos son posibles con la minería
de datos.
 La minería de datos ayuda a las organizaciones a optimizar sus
operaciones y producciones.
 La minería de datos permite una mejor toma de decisiones.
 En comparación con otras aplicaciones de datos estadísticos, la
minería de datos es una solución mejor, más rápida y rentable.
 La minería de datos es flexible y también se puede emplear en
nuevas plataformas.
Aplicaciones prácticas de la minería 7
de datos

 La minería de datos ha visto principalmente aplicaciones en

empresas con un fuerte enfoque en el consumidor que requiere un
buen análisis de las preferencias de sus clientes, el
posicionamiento del producto, la satisfacción del cliente, el
impacto en las ventas, los datos transaccionales, las ganancias
corporativas, etc.
Principales aplicaciones y tendencias 8
en minería de datos

 Cuidado de la salud
 Bancos y finanzas
 Segmentación de clientes
 Educación
 Análisis de cesta de la compra
 Detección de fraude
 Gestión de la relación con el cliente
 Ingeniería de Manufactura
 Análisis de investigación
 Investigación Criminal
Aplicaciones de minería de datos en 9
el cuidado de la salud

 La minería de datos tiene un gran potencial en el sector de la

salud. Los datos y el análisis se pueden utilizar para identificar las
mejores prácticas y proporcionar soluciones rentables. El enfoque
de minería de datos incluye bases de datos multidimensionales,
estadísticas, aprendizaje automático, visualización de datos y
computación suave que pueden tener aplicaciones masivas en la
industria.
Aplicación de Minería de Datos en 10
Banca y Finanzas

 Las aplicaciones de minería de datos en la banca pueden ser

fácilmente la solución adecuada con su capacidad de identificar
patrones, bajas, riesgos de mercado y otras correlaciones que son
cruciales para que los gerentes estén al tanto.
 Los funcionarios y empleados del banco encontrarán el uso de
toda la información para mejorar y optimizar la segmentación, la
selección de objetivos, la gestión, la retención y la adquisición de
datos de clientes rentables.
Aplicaciones de minería de datos en 11
la segmentación de clientes

 Los métodos tradicionales de investigación de mercado siempre

se han utilizado para la segmentación de clientes, pero la
extracción de datos puede ser más granular y puede aumentar la
eficacia. Ayuda en el proceso de segmentación de una manera
más precisa y ayuda en la adaptación de los requisitos del cliente.
Usos de la minería de datos en la 12
educación

 La minería de datos educativos (EDM) es el campo emergente

más reciente que tiene como objetivo establecer técnicas para
descubrir conocimiento basado en datos que se originan en
entornos educativos.
 Las instituciones educativas pueden implementar la minería de
datos para tomar decisiones acertadas y predecir los niveles de
rendimiento de los estudiantes para prestar más atención al
contenido y las técnicas de enseñanza.
Minería de datos en el análisis de 13
cesta de la compra

 El análisis de la cesta de la compra es una de las técnicas de

modelado clave adoptadas por los minoristas para identificar las
relaciones entre ciertos grupos de artículos.
 El análisis de la canasta de mercado permite comprender el
comportamiento de compra de los compradores. Esta información
puede ser muy útil para los minoristas que desean conocer los
requisitos de los compradores y, en consecuencia, organizar el
diseño de sus tiendas.
Usos de la Minería de Datos en la 14
Detección de Fraudes

 La detección del fraude a través de métodos tradicionales es muy

compleja y requiere mucho tiempo. Aquí es donde entra la
minería de datos para generar información válida y conocimientos
significativos. Idealmente, un sistema robusto de detección de
fraude protegerá completamente la información del usuario. A
través de una colección de registros de muestra, se construye un
modelo para identificar y clasificar esta información como
fraudulenta o no fraudulenta.
Aplicación de Minería de Datos en 15
CRM

 La gestión de relaciones con el cliente o CRM implementa

estrategias centradas en el cliente para adquirir clientes, mejorar
la lealtad de los clientes y retenerlos. La minería de datos juega un
papel importante en los negocios al garantizar relaciones
saludables con los clientes.
Aplicación de Minería de Datos en 16
Ingeniería de Manufactura

 A menudo, el proceso de fabricación puede ser bastante

complejo y, en esas situaciones, la información y el conocimiento
valiosos y confiables pueden ser un gran activo. Aquí es donde las
herramientas de minería de datos pueden ser útiles. Ayudan a
identificar patrones y tendencias y a extraer las relaciones entre la
cartera de productos, la arquitectura del producto y los requisitos
del cliente en el diseño a nivel de sistema.
Aplicaciones de minería de datos en 17
análisis de investigación

 La minería de datos es fundamental en la limpieza de datos, el

preprocesamiento de datos y la integración de bases de datos, lo
que la hace ideal para los investigadores. La minería de datos
puede ayudar a identificar la correlación entre actividades o
secuencias simultáneas que pueden generar cambios en la
investigación.
Aplicaciones de minería de datos en 18
investigación criminal

 El análisis del delito se ocupa de explorar e identificar las

características del delito y estudiar sus relaciones con los
delincuentes. Existe un volumen muy alto de conjuntos de datos
para la criminología, por lo que puede ser muy complicado.
Evidentemente, la minería de datos ha encontrado amplias
aplicaciones en este campo como una herramienta adecuada.
 19
Otras aplicaciones

Aparte de las 10 aplicaciones de minería de datos enumeradas, hay más

sectores que hacen un uso extensivo de ella:
 Marketing  Seguros
 Detección de intrusos  Comunicaciones y mucho más
 Detección de mentiras
 Vigilancia corporativa
 Bioinformática
 Comercio electrónico
 Minorista
 Proveedores de servicio
 20
Conclusión

 La minería de datos explica el pasado y predice el futuro para el análisis.

Con eso, viene una multitud de aplicaciones y usos en diversos campos e
industrias.
 La minería de datos, aunque no es una entidad independiente, es el
proceso por excelencia que funciona junto con las técnicas de
preprocesamiento, como la preparación de datos, la exploración de
datos, etc., y las técnicas de posprocesamiento, que incluyen la
validación del modelo, el seguimiento del rendimiento del modelo, la
puntuación. , etc., para brindar los mejores conocimientos y soluciones.