Minería de datos
datamining

Concepto
Concepto

Características
caaracterísticas

Ventajas
Ventajas

Campos de aplicación
campos de aplicación

Conjunto de técnicas y tecnologías

Utiliza análisis matemáticos para separar patrones y tendencias

Proceso de descubrir información procesable de grandes conjuntos de datos

¿Cómo?

Permite hacer muchas combinaciones distintas de la información.

Capaz de analizar enormes bases de datos

Fácil interpretación de la información

Encuentra patrones repetitivos que expliquen el comportamiento de estos datos.

Sector financiero y bancario

Comercio minorista

Telecomunicaciones

Astronomía

Biología

Salud y Medicina

Televisión y radio

Sector comercial

Ejemplo

Mejorar la segmentación del mercado

Ejemplo

Conocen en directo los intereses, actividad y entienden mejor la conducta de su audiencia

Ejemplo

Favorece diagnósticos más precisos al tener el historial, examen físico y patrones de terapias anteriores

Ejemplo

Ejemplo

Aplicado a sistemas inteligentes antifraude para analizar transacciones, movimientos de tarjetas, patrones de compra, etc.

Ejemplo

Permite llevar el historial de compra de los clientes o el transporte de mercancías

Ejemplo

Posibilitan mejor uso de los recursos, mejorando la calidad del servicio

Aplicada a la investigación de los seres vivos

Ejemplo

Identificación de nuevas estrellas y galaxias.

Las herramientas de la minería de datos se combinan fácilmente y pueden analizarse y procesarse rápidamente.

Debido a la gran cantidad de datos, algunas veces resulta necesario usar procesamiento en paralelo para la minería de datos.

Proporciona un conjunto de relaciones y conocimiento que en muchas ocasiones no se sabía que existía dentro de la organización.

Ayuda a las empresas a elegir la mejor ruta por donde llevarlas

Permite a las empresas a conseguir ventajas competitivas contra su competencia

Incorpora técnicas de otros dominios

Como

Estadística

Aprendizaje automático

Reconocimiento de patrones

Bases de datos

Sistemas de almacenamiento de datos

Recuperación de información

Alto rendimiento

Algoritmos

Visualización

Es la evolución a lo que hoy se conoce como análisis avanzado de datos

¿Cómo?

De manera semiautomática o automática

Provee análisis de datos adicionales para un análisis a profundidad

Como

Clasificación de datos

Agrupamiento

Detección de valores atípicos

Anomalías

Caracterización de cambios en los datos a lo largo del tiempo.

Estadística

Ejemplo

Modela datos de una manera que tiene en cuenta la aleatoriedad y la incertidumbre en las observaciones y se utiliza para hacer inferencias sobre el proceso o la población bajo investigación

Regresión

Análisis de asociación y correlación

Abre nuevas oportunidades de negocios

Actualmente tiene muchos campos de aplicación