Fase de Evaluación del Modelo CRISP-DM

Fase de Evaluación
• En esta etapa los modelos ya están
construidos y deben tener una alta
calidad desde una perspectiva de análisis
de datos y antes de pasar a su despliegue
y puesta en operación, en esta fase se
evalúan y revisan los pasos seguidos para
tener la certeza de que el modelo cumple
los objetivos de negocio planteados o si
hay algún aspecto importante que no ha
sido tomado en cuenta.
Principales tareas en esta fase
EVALUACIÓN DE LOS RESULTADOS

• Esta tarea involucra la evaluación del

modelo en relación a los objetivos del
negocio y busca determinar si hay
alguna razón de negocio para la cual el
modelo sea deficiente, o si es aconsejable
probar el modelo en un problema real si el
tiempo y las restricciones lo permiten.
Principales tareas en esta fase
REVISIÓN DEL PROCESO
• En esta tarea se debe realizar una revisión más completa de la minería de datos y verificar si han sido eficaces
y eficientes, si admiten mejorar, si podrían haberse planteado con una aproximación diferente, para así poder
determinar si hay factores importantes que se han pasado por alto y analizar aspectos de aseguramiento de la
calidad de los modelos.
Principales tareas en esta fase
DETERMINAR LOS PRÓXIMOS PASOS

• En esta tarea se verifica las conclusiones de la

evaluación de los resultados y de la revisión del proceso,
para así tomar una decisión sobre los siguientes pasos a
afrontar como son: pasar a la fase de despliegue para
poner el modelo en operación, hacer nuevas iteraciones
de las fases anteriores e iniciar nuevos proyectos de
minería de datos y entre otros más. 
 EJEMPLO
• Un ejemplo de la aplicación de la fase de evaluación , es la investigación de un proyecto
enfocado en la minería de datos precedentes al entorno universitario.
• Después de los procesos de las fases anteriores, dicha investigación genero 3 modelos
de algoritmos de predicción para aplicar los procesos de minería de datos enfocados a 3
objetivos planteados con anterioridad
• Objetivo 1. Predicción del tiempo que un alumno tardará en acabar la carrera.
• Objetivo 2. Predicción de la nota media de la carrera que un alumno obtendrá al terminar
sus estudios.
• Objetivo 3. Predicción de la nota obtenida en una determinada asignatura
 Ejemplo

• En esta fase se va a evaluar los modelos generados

pero enfocados en un punto de vista de los objetivos
de negocio en vez de los objetivos resultantes de la
minería de datos. Al realizar esta evaluación, se debe
decidir si los objetivos han sido cumplidos y de ser
así se puede avanzar a la fase de implantación, caso
contrario se tendrá que identificar cualquier factor
que se haya pasado por alto y hacer una revisión de
los procesos.
Resultados
• El modelo aplicado para el objetivo 1, después de su análisis es factible ya que se pueden hacer predicciones
acerca de cuánto tiempo va a tardar un alumno en terminar la carrera con un porcentaje de fiabilidad del 68%,
el cual consideramos aceptable desde el punto de vista de los objetivos de negocio.
• El modelo aplicado para el objetivo 2 , después de su análisis, también demuestra ser factible desde el punto
de vista de los objetivos de negocio ya que podríamos hacer predicciones para la nota media que un alumno
obtendrá una vez terminada su titulación con un porcentaje de fiabilidad casi de un 50%.
• Sin embargo, el modelo  para el objetivo 3 no es factible ya que no nos ofrece las suficientes garantías de
predicción siendo un 12% de confianza predictiva para realizar las predicciones fiables acerca de las notas de
los alumnos que obtendrán en una determinada asignatura.
Revisión del
Proceso
El proceso hasta este punto se ha ejecutado tal como se
ha planificado, aunque exista complicaciones a la hora
de realizar el modelo para el 3 objetivo.
Tal vez se deba a que la base de datos aplicada ya que
al no ser esta una base de datos real, no disponemos de
todos los datos posibles que se podrían necesitar para
realizar una predicción fiable sobre las notas de ciertas
asignaturas. Por lo que se procese a descartar el
objetivo 3.
Dicho esto, se procese a realizar la etapa de
implantación para los objetivos 1 y 2.
Bibliografía  
• Cortina, V. G. (2015). Aplicacion de la Metodolgia CRISP-DM a un proyecto de mineria de
datos en el entorno universitario. Madrid: Universidad Carlos III de Madrid. 
• Galán, V. (2015). Aplicación de la Metodología CRISP-DM a un Proyecto de Minería de
Datos en el Entorno Universitario. 120. Obtenido de
https://e-archivo.uc3m.es/bitstream/handle/10016/22198/PFC_Victor_Galan_Cortina.pdf 
• Niño, M. (22 de 11 de 2016). El blog de Mikel Niño. Obtenido de
http://www.mikelnino.com/2016/11/crisp-dm-metodologia-data-mining-evaluacion-
evaluation.html 
• SmartUp. (7 de Octubre de 2019). SmartUp. Obtenido de SmartUp:
https://blog.smartup.es/crisp-dm-6-pasos-proceso-data-mining/