MINERÍA DE DATOS

Factor de espacio a los alumnos.

 Respetar las dimensiones mínimas de los espacio de trabajo.

1. Altura desde el suelo hasta el techo: 3 metros.
2. Área libre del estudiante: 2 m2.
3. Área adecuada que no es ocupado por el estudiante.

3 mt.

2 m t.

Moquegua 2015 Universidad José Carlos Mariátegui

 MINERÍA DE DATOS

Factor Temperatura, humedad y ventilación

 La exposición a las condiciones

ambientales no debe suponer un
riesgo para su seguridad y salud,
lo que sí deben evitarse:

1. Humedad a temperaturas extremas.

2. Cambios bruscos de temperatura.
3. Corrientes de aire molestas.
4. Olores desagradables.

Moquegua 2015 Universidad José Carlos Mariátegui

 MINERÍA DE DATOS

Finalidad

La minería de datos se puede dividir en:

 Minería de datos predictiva

(mdp): se tratará de
descubrir un modelo futuro
de comportamiento de los
datos.

 Minería de datos para

descubrimiento de
conocimiento (mddc): se
buscaran patrones de
comportamiento de los datos

Moquegua 2015 Universidad José Carlos Mariátegui

 MINERÍA DE DATOS

CLAVES OCULTAS EN LOS DATOS

Es poco costoso guardar

datos del funcionamiento
de nuestros procesos, o
de nuestros sistemas de
venta, o de nuestros
clientes, etc., por lo que
nuestras bases de datos
crecen hasta límites
insospechados.

Moquegua 2015 Universidad José Carlos Mariátegui

 MINERÍA DE DATOS

Proceso de Minería de Datos

4
Interpretación
y evaluación
3 de datos
Extracción de
2 conocimiento
Selección de
1 Variables
Filtrado de
datos

Moquegua 2015 Universidad José Carlos Mariátegui

 MINERÍA DE DATOS

FASES DE MINERÍA DE DATOS

1 Filtrado de datos

Mediante el preprocesado, se filtran los

datos (de forma que se eliminan valores
incorrectos, no válidos, desconocidos...
según las necesidades y el algoritmo a
usar), o se reducen el número de valores
posibles (mediante redondeo, clustering,...).

2 Selección de variables

Aquellos basados en la elección de los

mejores atributos del problema,

Moquegua 2015 Universidad José Carlos Mariátegui

 MINERÍA DE DATOS

FASES DE MINERÍA DE DATOS

3 Algoritmos de Extracción de Conocimiento

Mediante una técnica de minería de datos, se
obtiene un modelo de conocimiento, que
representa patrones de comportamiento
observados en los valores de las variables del
problema o relaciones de asociación entre dichas
variables.
4 Interpretación y evaluación

Una vez obtenido el modelo, se debe proceder a su

validación, comprobando que las conclusiones que
arroja son válidas y suficientemente satisfactorias.
Si ninguno de los modelos alcanza los resultados
esperados, debe alterarse alguno de los pasos
anteriores para generar nuevos modelos.

Moquegua 2015 Universidad José Carlos Mariátegui

 MINERÍA DE DATOS

APLICACIONES
El objetivo final de cualquier proyecto de
minería de datos puede resumirse en uno de
estos dos objetivos:
1. Ahorrar dinero
2. Ganar dinero descubriendo nuevas fuentes
de beneficios.

¿cómo se traducen los resultados de un proyecto de

minería de datos en beneficios para la empresa?

Los resultados suponen una mejora de la información

disponible y será al aplicar dicha información cuando
se obtengan los beneficios.

Moquegua 2015 Universidad José Carlos Mariátegui

 MINERÍA DE DATOS

APLICACIONES
MARKETING
Cuanto más precisa sea la información que tengamos
sobre los clientes, mayores posibilidades tendremos
de aumentar nuestros ingresos y rentabilizar al
máximo nuestras acciones. El objetivo fundamental
puede resumirse en determinar quién comprará qué,
cuándo y dónde.

Ej. Fidelización de clientes: Conseguir un nuevo cliente o

recuperar uno perdido resulta mucho más costoso
que mantener uno que ya lo es.
Detectan aquéllos que parece más probable que se vayan a perder,
permitiendo llevar a cabo iniciativas que eviten dicha pérdida.

Moquegua 2015 Universidad José Carlos Mariátegui

 MINERÍA DE DATOS

APLICACIONES

PREDICCIÓN

A partir de los datos históricos almacenados y

utilizando técnicas de minería de datos pueden
elaborarse modelos que permitan estimar con
precisión la evolución de una variable en el futuro.
Disponer de esta información con tiempo suficiente
permite adecuar la respuesta de forma óptima.

Ej. 1. Prevención de problemas.

2. Gestión óptima del personal.
3. Optimización de stocks.

Moquegua 2015 Universidad José Carlos Mariátegui

 MINERÍA DE DATOS

Herramientas de software

SQL Server
Rapid Miner
Weka
SSPS Clementine
KNIME
Orange
KXEN
…

Moquegua 2015 Universidad José Carlos Mariátegui

 MINERÍA DE DATOS

Ejemplo de Aplicación

1 Identificar los clientes más

probables para el producto X

Arboles de decisión y algoritmos Bayes

Los datos de entrada recogidos de varias fuentes:
• Almacenes de datos.
• Análisis estadístico.

2 Análisis Ganancia / Pérdida: de

los clientes

Algoritmo de Clustering

Moquegua 2015 Universidad José Carlos Mariátegui

 MINERÍA DE DATOS

Resultado - Ejemplo de Aplicación

Moquegua 2015 Universidad José Carlos Mariátegui