Antiguamente el objetivo de la minería era obtener carbón. Sin embargo, una nueva generación de mineros ha aparecido en el inicio de esta cuarta revolución industrial.
Índice de contenidosFases de la minería de datosDeterminación de los objetivosProcesamiento de los datosDeterminación del modeloAnálisis de los resultaodsVentajas y desventajas de la minería de datosDiferencias entre Data Mining y Big DataIntegración de la minería de datos con Big DataElementos de la minería de datos¿Cómo puede el data mining ayudar a crear valor a un negocio?
Esta nueva generación de mineros son los mineros que, en lugar de buscar carbón, intentan descubrir patrones en enormes volúmenes de datos.
La minería de datos es el conjunto de técnicas y métodos que permiten explorar grandes bases de datos con el objetivo de encontrar patrones que nos puedan aportar información valiosa en la toma de decisiones.
Esto es lo que te cuento aquí
Fases de la minería de datos
El proceso de minería de datos tiene normalmente cuatro etapas principales:
1
Determinación de los objetivos
En la primera etapa se trata el tipo de información que se desea extraer de la base de datos.
2
Procesamiento de los datos
La segunda etapa es la que requiere más trabajo ya que se tiene que seleccionar, limpiar, enriquecer, reducir y transformar la base de datos que se nos ha facilitado.
Una vez la hemos procesado y está lista para implementarle el algoritmo de inteligencia artificial, tenemos que escoger qué algoritmo nos va a dar mejores resultados
3
Determinación del modelo
La elección del mejor algoritmo para una tarea analítica específica es un gran desafío y depende del problema a resolver.
Hay básicamente cinco problemas diferentes en la minería de datos:
- Clasificación
- Regresión
- Segmentación
- Asociación
- Análisis de secuencias
Para resolver estos problemas hay muchos algoritmos a utilizar:
- Algoritmos de asociación
- Clusterización
- Árboles de decisión
- Regresión lineal
- Clasificador Bayesiano ingenuo
- Algoritmos de red neuronal
- Clústeres de secuencia
- Algoritmos de serie temporal
4
Análisis de los resultados
Finalmente, el último paso es el de análisis de los resultados. Actualmente este trabajo se está realizando en muchas áreas de negocio como:
- Seguridad de datos
- Finanzas
- Salud
- Marketing
- Detección de fraude
- Búsquedas online
- Procesamiento de lenguaje natural
- Coches inteligentes
Ventajas y desventajas de la minería de datos
Vamos a ver las ventajas que nos aporta usar el Data Mining así como sus principales desventajas:
- Permite descubrir información que no esperábamos obtener.
- Es capaz de analizar bases de datos con una enorme cantidad de datos.
- Los resultados son muy fáciles de interpretar y no es necesario tener conocimientos en ingeniería informática.
- Permite encontrar, atraer y retener clientes.
- La empresa puede mejorar la atención al cliente a partir de la información obtenida.
- Da a las empresas la posibilidad de ofrecer a los clientes los productos o servicios que necesitan.
- Antes de usar los modelos, estos son comprobados mediante estadísticas para verificar que las predicciones obtenidas son válidas.
- Ahorra costes a la empresa y abre nuevas oportunidades de negocio.
Sin embargo, también puede aparecer algún inconveniente a la hora de utilizar técnicas de Data Mining, por ejemplo, dependiendo del tipo de datos que se quieran recopilar, nos puede llevar mucho trabajo, o a veces la inversión inicial para obtener las tecnologías necesarias para la recopilación de datos puede tener un coste elevado.
Diferencias entre Data Mining y Big Data
El Big Data es una tecnología que tiene la capacidad de capturar, gestionar y procesar todo tipo de datos utilizando herramientas o softwares que identifican patrones comunes.
Estos patrones podrían ser características específicas de los consumidores, métricas, entre muchos otros.
A diferencia del Big Data, tal y como se ha comentado anteriormente, cuando hablamos de Data Mining nos referimos al análisis de Big Data para buscar y obtener una información concreta, y así, poder ofrecer resultados que sirvan como una solución eficaz para optimizar las actividades de una empresa.
En resumen, el Big Data podría ser definido como el “activo” y la minería de datos como el “manejo”.
Integración de la minería de datos con Big Data
Data Mining requiere de Big Data para agilizar su procesamiento y gestión de los datos y, a la vez, Big Data requiere de Data Mining para el análisis de sus datos y poder detectar tendencias.
El Big Data es capaz de capturar, almacenar, gestionar y procesar de forma rápida y veraz grandes cantidades de datos. Fundamentalmente, se enfoca al análisis predictivo y a detectar tendencias, sirviéndose de distintas técnicas, entre ellas las de minería de datos.
Sirviéndonos de esta tecnología conseguimos identificar patrones comunes que pueden servir para encontrar nuevos nichos de mercado o definir características claves sobre los clientes actuales.
Consiste en una transformación en la forma de hacer negocios y tomar decisiones, aumentando en la mayoría de casos la rentabilidad y productividad de las compañías.
El Data Mining es versátil ya que, de la misma forma que nos puede servir para realizar un análisis convencional, es un buen recurso para extraer valor del Big Data. La combinación de los dos hace que ambas herramientas tengan aún mayor potencial.
Elementos de la minería de datos
La minería de datos engloba cinco elementos principales:
- Procesos ETL: Consiste en extraer, transformar y cargar datos transaccionales en las bases de datos.
- Almacén de datos: Consiste en recopilar y gestionar los datos en una base de datos multidimensional.
- Acceso a los datos: Consiste en proporcionar acceso a los datos a los analistas de negocio.
- Análisis de datos: Consiste en analizar los datos de todas las aplicaciones.
- Presentación: Se presentan los datos en un formato útil, como un gráfico o una tabla.
¿Cómo puede el data mining ayudar a crear valor a un negocio?
Hay muchos tipos de análisis distintos que se pueden hacer para obtener información del Big Data.
Cada tipo de análisis tendrá un impacto distinto.
Qué tipo de técnica de data mining deberías utilizar depende realmente del tipo de problema de negocio que estás intentando resolver. Distintos análisis darán distintos resultados y por lo tanto proporcionarán diferentes ideas.
