AO DE LA DIVERSIFICACIN

PRODUCTIVA Y EL FORTALECIMIENTO
DE LA EDUCACIN

CURSO: Sistemas Expertos.

TEMA: Minera de Datos.

ALUMNO:
Camacho Crdova Gerson

DOCENTE: Ing. Oscar Mendoza Coba

TUMBES JUNIO 2015

DEDICATORIA

El siguiente documento est dedicado a mis padres y compaeros

de clase. A mis padres como forma de agradecimiento por la
oportunidad de estudiar e investigar y a mis compaeros como un
tributo al desarrollo de nuevos conocimientos.

Contenido

INTRODUCCIN.............................................................................................. 4
CAPTULO I..................................................................................................... 6
ASPECTOS TERICOS..................................................................................... 6
CAPTULO II................................................................................................... 10
APLICACIONES.............................................................................................. 10
Negocios................................................................................................. 10
Comportamiento en Internet.......................................................................11
Terrorismo................................................................................................ 12
Juegos.................................................................................................... 12
Ciencia e Ingeniera................................................................................... 13
CONCLUSIONES............................................................................................ 14
REFERENCIAS............................................................................................... 15

INTRODUCCIN
El datamining (minera de datos), es el conjunto de tcnicas y tecnologas que
permiten explorar grandes bases de datos, de manera automtica o
semiautomtica, con el objetivo de encontrar patrones repetitivos, tendencias o
reglas que expliquen el comportamiento de los datos en un determinado
contexto.
Bsicamente, el datamining surge para intentar ayudar a comprender el
contenido de un repositorio de datos. Con este fin, hace uso de prcticas
estadsticas y, en algunos casos, de algoritmos de bsqueda prximos a la
Inteligencia Artificial y a las redes neuronales.
De forma general, los datos son la materia prima bruta. En el momento que el
usuario les atribuye algn significado especial pasan a convertirse en
informacin. Cuando los especialistas elaboran o encuentran un modelo,
haciendo que la interpretacin que surge entre la informacin y ese modelo
represente un valor agregado, entonces nos referimos al conocimiento. Vea
ms diferencias entre datos, informacin y conocimiento.
En muchas reas del saber, el conocimiento se ha venido obteniendo por el
clsico mtodo hipottico-deductivo, en el cual es fundamental el paso
inductivo inicial: a partir de un conjunto de observaciones y de unos
conocimientos previos, la intuicin del investigador le conduce a formular
la hiptesis. Esta "intuicin" resulta inoperante cuando no se trata de
observaciones aisladas y casuales, sino de millones de datos almacenados en
soporte

informtico.

En

el

fondo

de

todas

las investigaciones sobre induccin en bases de datos subyace la idea de

automatizar ese paso inductivo.
Las tcnicas de anlisis estadstico,

desarrolladas

hace tiempo,

permiten

obtener ciertas informaciones tiles, pero no inducen relaciones cualitativas

generales, para esto se requieren tcnicas de anlisis inteligente que todava
no han sido perfectamente establecidas. Por ello, se incrementa de forma

continua la diferencia existente entre la cantidad de datos disponibles y el

conocimiento extrado de los mismos. Pero cada vez ms investigaciones
dentro

de

la inteligencia artificial

estn

enfocadas

la

induccin

de

conocimiento en bases de datos. Consecuencia de esta creciente necesidad ha

aparecido un nuevo campo de inters: la minera de datos, que incluye los
nuevos mtodos matemticos y tcnicas para anlisis inteligente de datos.
El almacenamiento de datos se ha convertido en una tarea rutinaria de
los sistemas de informacin de las organizaciones. Esto es an ms evidente
en

las empresas de telefona,

el marketing directo

en

las instituciones pblicas. Los datos almacenados son un tesoro para las
organizaciones, es donde se guardan las interacciones pasadas con
los clientes,

la contabilidad de

sus procesos internos,

representan la

memoria de la organizacin. Pero con tener memoria no es suficiente, hay que

pasar a la accin inteligente sobre los datos para extraer la informacin que
almacenan. Este es el objetivo de la minera de datos.

CAPTULO I
ASPECTOS TERICOS
La Minera de Datos es el proceso que tiene como propsito descubrir, extraer
y almacenar informacin relevante de amplias bases de datos, a travs de
programas de bsqueda e identificacin de patrones y relaciones globales,
tendencias, desviaciones y otros indicadores aparentemente caticos que
tienen una explicacin que pueden descubrirse mediante diversas tcnicas de
esta herramienta.
El objetivo fundamental es aprovechar el valor de la informacin localizada y
usar los patrones preestablecidos para que los directivos tengan un mejor
conocimiento de su negocio y puedan tomar decisiones ms confiables.
Ventajas sobre otras herramientas de manejo de datos
Las caractersticas que destacan la mayor parte de los fabricantes de estas
herramientas son:
La minera de datos auxilia a los usuarios empresariales en el
procesamiento de reservas de datos para descubrir relaciones de las
que, en algunos casos, anteriormente ni siquiera se sospechaba.
La informacin obtenida a travs de la minera de datos ayuda a los
usuarios a elegir cursos de accin y a definir estrategias competitivas,
porque conocen informacin que solo ellos pueden emplear.
Los seres humanos tienen la capacidad para percibir excepciones y
anormalidades rpidamente pero no tienen la habilidad para inferir
relaciones que en grandes volmenes de datos, por lo que la minera de
datos, mediante modelos avanzados y reglas de induccin, puede
examinar gran cantidad de datos y encontrar patrones difciles de
identificar a simple vista.
Puede trabajar siguiendo los mismos criterios con grandes cantidades
de informacin histrica.

 El proceso de bsqueda puede ser realizado por herramientas que

automticamente buscan patrones porque as estn programadas y
despliegan los tpicos ms importantes.
La minera de datos o exploracin de datos (es la etapa de anlisis de
"Knowledge Discovery in Databases" o KDD) es un campo de las ciencias de la
computacin referido al proceso que intenta descubrir patrones en grandes
volmenes de conjuntos de datos.1 Utiliza los mtodos de la inteligencia
artificial, aprendizaje automtico, estadstica y sistemas de bases de datos. El
objetivo general del proceso de minera de datos consiste en extraer
informacin de un conjunto de datos y transformarla en una estructura
comprensible para su uso posterior. Adems de la etapa de anlisis en bruto,
que involucra aspectos de bases de datos y de gestin de datos,
de procesamiento de datos, del modelo y de las consideraciones de inferencia,
de mtricas de Intereses, de consideraciones de la Teora de la complejidad
computacional, de post-procesamiento de las estructuras descubiertas, de la
visualizacin y de la actualizacin en lnea.
Un proceso tpico de minera de datos consta de los siguientes pasos
generales:
1. Seleccin del conjunto de datos, tanto en lo que se refiere a las
variables objetivo (aquellas que se quiere predecir, calcular o inferir),
como a las variables independientes (las que sirven para hacer el
clculo

proceso),

como

los registros disponibles.

2. Anlisis de las propiedades
los histogramas,

diagramas

posiblemente
de

los

de dispersin,

datos,

al muestreo de
en

presencia

especial
de valores

atpicos y ausencia de datos (valores nulos).

3. Transformacin del conjunto de datos de entrada, se realizar de
diversas formas en funcin del anlisis previo, con el objetivo de
prepararlo para aplicar la tcnica de minera de datos que mejor se
adapte a los datos y al problema, a este paso tambin se le conoce
como pre procesamiento de los datos.
4. Seleccionar y aplicar la tcnica de minera de datos, se construye el
modelo predictivo, de clasificacin o segmentacin.
7

5. Extraccin de conocimiento, mediante una tcnica de minera 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 asociacin entre dichas variables. Tambin
pueden usarse varias tcnicas a la vez para generar distintos modelos,
aunque generalmente cada tcnica obliga a un pre procesado diferente
de los datos.
6. Interpretacin y evaluacin de datos, una vez obtenido el modelo, se
debe proceder a su validacin comprobando que las conclusiones que
arroja son vlidas y suficientemente satisfactorias. En el caso de haber
obtenido varios modelos mediante el uso de distintas tcnicas, se deben
comparar los modelos en busca de aquel que se ajuste mejor al
problema. Si ninguno de los modelos alcanza los resultados esperados,
debe alterarse alguno de los pasos anteriores para generar nuevos
modelos.
Si el modelo final no superara esta evaluacin el proceso se podra repetir
desde el principio o, si el experto lo considera oportuno, a partir de cualquiera
de los pasos anteriores. Esta retroalimentacin se podr repetir cuantas veces
se considere necesario hasta obtener un modelo vlido.
Una vez validado el modelo, si resulta ser aceptable (proporciona salidas
adecuadas y/o con mrgenes de error admisibles) ste ya est listo para su
explotacin. Los modelos obtenidos por tcnicas de minera de datos se
aplican incorporndolos en los sistemas de anlisis de informacin de las
organizaciones, e incluso, en los sistemas transaccionales. En este sentido
cabe destacar los esfuerzos del Data Mining Group, que est estandarizando el
lenguaje PMML (Predictive Model Markup Language), de manera que los
modelos de minera de datos sean interoperables en distintas plataformas, con
independencia del sistema con el que han sido construidos. Los principales
fabricantes de sistemas de bases de datos y programas de anlisis de la
informacin hacen uso de este estndar.
Tradicionalmente, las tcnicas de minera de datos se aplicaban sobre
informacin contenida en almacenes de datos. De hecho, muchas grandes
empresas

instituciones

han

creado

alimentan

bases

de

datos
8

especialmente diseadas para proyectos de minera de datos en las que

centralizan informacin potencialmente til de todas sus reas de negocio. No
obstante, actualmente est cobrando una importancia cada vez mayor la
minera de datos desestructurados como informacin contenida en ficheros de
texto, en Internet, etc.

CAPTULO II
APLICACIONES

Negocios
La minera de datos puede contribuir significativamente en las aplicaciones
de administracin empresarial basada en la relacin con el cliente. En lugar de
contactar con el cliente de forma indiscriminada a travs de un centro de
llamadas o enviando e-mails, slo se contactar con aquellos que se perciba
que tienen una mayor probabilidad de responder positivamente a una
determinada oferta o promocin.
Por lo general, las empresas que emplean minera de datos ven rpidamente el
retorno de la inversin, pero tambin reconocen que el nmero de modelos
predictivos desarrollados puede crecer muy rpidamente.
En lugar de crear modelos para predecir qu clientes pueden cambiar, la
empresa podra construir modelos separados para cada regin y/o para cada
tipo de cliente. Tambin puede querer determinar qu clientes van a ser
rentables durante una ventana de tiempo (una quincena, un mes, ...) y slo
enviar las ofertas a las personas que es probable que sean rentables. Para
mantener esta cantidad de modelos, es necesario gestionar las versiones de
cada modelo y pasar a una minera de datos lo ms automatizada posible.
Anlisis de la cesta de la compra
El ejemplo clsico de aplicacin de la minera de datos tiene que ver con la
deteccin de hbitos de compra en supermercados. Un estudio muy citado
detect que los viernes haba una cantidad inusualmente elevada de clientes
que adquiran a la vez paales y cerveza. Se detect que se deba a que dicho
da solan acudir al supermercado padres jvenes cuya perspectiva para el fin
de semana consista en quedarse en casa cuidando de su hijo y viendo la
televisin con una cerveza en la mano. El supermercado pudo incrementar sus
10

ventas de cerveza colocndolas prximas a los paales para fomentar las

ventas compulsivas.
Patrones de fuga
Un ejemplo ms habitual es el de la deteccin de patrones de fuga. En
muchas industrias como la banca, las telecomunicaciones, etc. existe un
comprensible inters en detectar cuanto antes aquellos clientes que puedan
estar pensando en rescindir sus contratos para, posiblemente, pasarse a la
competencia. A estos clientes y en funcin de su valor se les podran hacer
ofertas personalizadas, ofrecer promociones especiales, etc., con el objetivo
ltimo de retenerlos. La minera de datos ayuda a determinar qu clientes son
los ms proclives a darse de baja estudiando sus patrones de comportamiento
y comparndolos con muestras de clientes que, efectivamente, se dieron de
baja en el pasado.
Fraudes
Un caso anlogo es el de la deteccin de transacciones de lavado de dinero o
de fraude en el uso de tarjetas de crdito o de servicios de telefona mvil e,
incluso, en la relacin de los contribuyentes con el fisco. Generalmente, estas
operaciones fraudulentas o ilegales suelen seguir patrones caractersticos que
permiten, con cierto grado de probabilidad, distinguirlas de las legtimas y
desarrollar as mecanismos para tomar medidas rpidas frente a ellas.
Recursos humanos
La minera de datos tambin puede ser til para los departamentos de recursos
humanos en la identificacin de las caractersticas de sus empleados de mayor
xito. La informacin obtenida puede ayudar a la contratacin de personal,
centrndose en los esfuerzos de sus empleados y los resultados obtenidos por
stos. Adems, la ayuda ofrecida por las aplicaciones para Direccin
estratgica en una empresa se traducen en la obtencin de ventajas a nivel
corporativo, tales como mejorar el margen de beneficios o compartir objetivos;
y en la mejora de las decisiones operativas, tales como desarrollo de planes
de produccin o gestin de mano de obra.
11

Comportamiento en Internet
Tambin es un rea en boga el del anlisis del comportamiento de los visitantes
sobre todo, cuando son clientes potenciales en una pgina de Internet. O
la utilizacin de la informacin obtenida por medios ms o menos legtimos
sobre ellos para ofrecerles propaganda adaptada especficamente a su perfil. O
para, una vez que adquieren un determinado producto, saber inmediatamente
qu otro ofrecerle teniendo en cuenta la informacin histrica disponible acerca
de los clientes que han comprado el primero.

Terrorismo
La minera de datos ha sido citada como el mtodo por el cual la unidad Able
Danger del Ejrcito de los EE. UU. Haba identificado al lder de los atentados
del 11 de septiembre de 2001, Mohammed Atta, y a otros tres secuestradores
del "11-S" como posibles miembros de una clula de Al Qaeda que operan en
los EE. UU. Ms de un ao antes del ataque. Se ha sugerido que tanto
la Agencia Central de Inteligencia y su homloga canadiense, Servicio de
Inteligencia y Seguridad Canadiense, tambin han empleado este mtodo.

Juegos
Desde comienzos de la dcada de 1960, con la disponibilidad de orculos para
determinados juegos combinacionales, tambin llamados finales de juego de
tablero (por ejemplo, para las tres en raya o en finales de ajedrez) con
cualquier configuracin de inicio, se ha abierto una nueva rea en la minera de
datos que consiste en la extraccin de estrategias utilizadas por personas para
estos orculos. Los planteamientos actuales sobre reconocimiento de patrones,
no parecen poder aplicarse con xito al funcionamiento de estos orculos. En
su lugar, la produccin de patrones perspicaces se basa en una amplia
experimentacin con bases de datos sobre esos finales de juego, combinado
con un estudio intensivo de los propios finales de juego en problemas bien
diseados y con conocimiento de la tcnica (datos previos sobre el final del
juego). Ejemplos notables de investigadores que trabajan en este campo

12

son Berlekamp en

el

juego

de puntos-y-cajas (o Timbiriche)

y John

Nunn en finales de ajedrez.

Ciencia e Ingeniera
En los ltimos aos la minera de datos se est utilizando ampliamente en diversas reas
relacionadas con la ciencia y la ingeniera. Algunos ejemplos de aplicacin en estos
campos son:

Gentica
En el estudio de la gentica humana, el objetivo principal es entender la
relacin cartogrfica entre las partes y la variacin individual en las secuencias
del ADN humano y la variabilidad en la susceptibilidad a las enfermedades. En
trminos ms llanos, se trata de saber cmo los cambios en la secuencia de
ADN de un individuo afectan al riesgo de desarrollar enfermedades comunes
(como por ejemplo el cncer). Esto es muy importante para ayudar a mejorar el
diagnstico, prevencin y tratamiento de las enfermedades. La tcnica de
minera de datos que se utiliza para realizar esta tarea se conoce como
"reduccin de dimensionalidad multifactorial".
Ingeniera elctrica
En el mbito de la ingeniera elctrica, las tcnicas de minera de datos han
sido ampliamente utilizadas para monitorizar las condiciones de las
instalaciones de alta tensin. La finalidad de esta monitorizacin es obtener
informacin valiosa sobre el estado del aislamiento de los equipos. Para la
vigilancia de las vibraciones o el anlisis de los cambios de carga en
transformadores

se

utilizan

ciertas

tcnicas

para agrupacin

de

datos (clustering) tales como los mapas auto-organizativos (SOM: Selforganizing map). Estos mapas sirven para detectar condiciones anormales y
para estimar la naturaleza de dichas anomalas .

13

Anlisis de gases
Tambin se han aplicado tcnicas de minera de datos para el anlisis de gases
disueltos (DGA: Dissolved gas analysis) en transformadores elctricos. El
anlisis de gases disueltos se conoce desde hace mucho tiempo como la
herramienta

para

diagnosticar

transformadores.

Los mapas

auto-

organizativos (SOM) se utilizan para analizar datos y determinar tendencias

que podran pasarse por alto utilizando las tcnicas clsicas (DGA).

CONCLUSIONES
Actualmente el valor de la informacin se ha acrecentado hasta
convertirse en un activo estratgico para la competitividad de una
empresa. Su unidad y consistencia son importantes, pues de estas
caractersticas depende una buena parte de la confiabilidad de la
informacin seleccionada para tomar decisiones.
La minera de datos ayuda a los directivos a obtener una visin ms
completa y detallada de su negocio ya que les permite buscar datos de
sus operaciones cotidianas que se salen de los rangos que estn
considerados como normales de lo que, en parte, depende de la
confiabilidad de la informacin para la toma de decisiones.
La minera de datos tiene futuro dentro de las empresas, debido a que
existen

grandes

bases

de

datos

que

contienen

valores

desaprovechados; los mercados estn ms saturados y se requieren de

anlisis intensos para captar la atencin de los clientes.

14

REFERENCIAS
https://es.wikipedia.org/wiki/Miner%C3%ADa_de_datos

15