Data Mining: Extracción de Conocimiento y Predicción de Datos

Data Mining: Concepto

Data Mining: Proceso no trivial de análisis de grandes cantidades de datos con el objetivo de extraer información útil. Sinónimo: Análisis Inteligente de Datos.

Capacidades Clave del Data Mining

El Data Mining proporciona las siguientes capacidades:

• Predicción automatizada de comportamientos: Automatiza el proceso de encontrar información predecible en grandes bases de datos.
• Predicción automatizada de tendencias: Basándose en bases de datos históricas, crea un modelo para predecir tendencias.
• Descubrimiento automatizado de modelos previamente desconocidos: Las herramientas de Data Mining exploran las bases de datos e identifican modelos previamente ocultos en un solo paso.

Extracción de Conocimiento en Bases de Datos (KDD)

Extracción o "Descubrimiento de Conocimiento en Bases de Datos" (KDD): Extracción automatizada de conocimiento o patrones interesantes, no triviales, implícitos, previamente desconocidos, potencialmente útiles y predictivos a partir de grandes bases de datos.

Aplicaciones del Data Mining

• Negocios:
  • Contacto con clientes con mayor probabilidad de responder positivamente a una promoción.
  • Envío de emails con ofertas personalizadas.
  • Hábitos de compra en supermercados.
  • Patrones de fuga (identificación de clientes propensos a irse).
  • Detección de fraudes (lavado de dinero, tarjetas de crédito, servicios de telefonía móvil).
  • Análisis de la relación contribuyentes con el fisco.
  • Comportamiento de usuarios en Internet.
  • Predicción de audiencias televisivas.
• Terrorismo: Identificación de patrones y conexiones.
• Genética: Estudio de cómo el ADN de un individuo afecta al riesgo de desarrollar enfermedades comunes.

Técnicas Comunes en Data Mining

Las técnicas más comúnmente usadas en Data Mining incluyen:

• Redes Neuronales Artificiales: Modelos predictivos no lineales que aprenden a través del entrenamiento, inspirados en las redes de neuronas biológicas.
• Árboles de Decisión: Representan conjuntos de decisiones que generan reglas para la clasificación de un conjunto de datos.
• Reglas de Inducción: Extracción de reglas "si-entonces" (if-then) a partir de datos, basadas en significado estadístico.
• Algoritmos Genéticos: Modelos inspirados en la evolución de las especies, aplicados generalmente en problemas de optimización.
• Clustering (Agrupamiento): Divide bases de datos en grupos. Identifica grupos distintos y similares dentro de los datos.

Tipos de Información Producida por Data Mining

La minería de datos produce cinco tipos principales de información:

• Asociaciones
• Secuencias
• Clasificaciones
• Agrupamientos
• Pronósticos

Asociaciones y Secuencias

Estas técnicas exploran datos con el fin de identificar relaciones entre valores dentro de una base de datos. El descubrimiento de Asociaciones identifica relaciones simultáneas (ej. productos comprados juntos - COMPRA), mientras que el descubrimiento de Secuencias identifica patrones a lo largo del tiempo (ej. eventos que ocurren en orden - TIEMPO).

Métodos Gráficos

Los métodos gráficos pueden ser muy útiles para visualizar y comprender la estructura de las relaciones identificadas en los datos.