Académique Documents
Professionnel Documents
Culture Documents
• AGENTE en un BANCO:
• Reconocer la problemática del análisis de grandes ¿Debo conceder el crédito a este cliente?
volúmenes de datos y de los beneficios de su uso
sistemático para la obtención de modelos y • GERENTE de un SUPERMERCADO:
patrones predictivos o descriptivos. ¿Cuándo se compran huevos, se suele comprar también
aceite?
• Conocer las aplicaciones habituales de la minería
de datos. • DIRECTOR de RR.HH. de una EMPRESA:
¿Qué tipos de empleados tengo?
• Conocer la relación de la minería de datos con
otras disciplinas. • COMERCIAL de una EMPRESA DE COMERCIALIZACIÓN:
¿Cuántos televisores planos se estima vender el mes que
3
viene? 4
Ejemplos Ejemplos
... … … … … … … … 7 no no no no no no no no ...
8 sí sí sí sí sí sí sí no ...
... ... ... ... ... ... ... ... ... ...
Minería de Datos
Patrón / Modelo: Minería de Datos
Si Cuentas-Morosas > 0 entonces Devuelve-crédito = no Patrón / Modelo:
Si Cuentas-Morosas = 0 Y [(Salario > 2.500) O (D-crédito > 10)] entonces Devuelve-crédito = sí
5
Huevos Æ Aceite : Confianza = 75%, Soporte = 12% 6
Ejemplos Ejemplos
…
14
…
...
…
27
… …
2 25
…
12
… ...
?
7 25000 No No 0 Alquiler Sí 0 8 H
8 20000 No Sí 0 Prop Sí 2 6 M
15 8000 No Sí 0 Alquiler No 3 2 H
... ... ... ... ... ... ... ... ... ... Minería de Datos
• KDD nace como interfaz y se nutre de diferentes • La minería o prospección de datos (DM) no es más
disciplinas: que una fase del KDD:
estadística. Fase que integra los métodos de aprendizaje y
sistemas de información / bases de datos. estadísticos para obtener hipótesis de patrones
y modelos.
aprendizaje automático / IA.
visualización de datos. • Al ser la fase de generación de hipótesis, vulgarmente se
computación paralela / distribuida. asimila KDD con DM.
• Además, las connotaciones de aventura y de dinero fácil del
interfaces de lenguaje natural a bases de datos.
término “minería de datos” han hecho que éste se use como
identificador del área.
13 14
KDD para toma de decisiones (Dilly 96) KDD para toma de decisión
Comercio/Marketing: - Identificar patrones de compra de los clientes. Medicina:
- Buscar asociaciones de clientes y características demográficas. - Identificación de terapias médicas satisfactorias para diferentes
- Predecir respuesta a campañas de mailing. enfermedades.
- Análisis de cestas de la compra. - Asociación de síntomas y clasificación diferencial de patologías.
Banca: - Detectar patrones de uso fraudulento de tarjetas de crédito.
- Identificar clientes leales. - Estudio de factores (genéticos, precedentes, hábitos, alimenticios,
- Predecir clientes con probabilidad de cambiar su afiliación. etc.) de riesgo/salud en distintas patologías.
- Determinar gasto en tarjeta de crédito por grupos.
- Encontrar correlaciones entre indicadores financieros.
- Segmentación de pacientes para una atención más inteligente según
- Identificar reglas de mercado de valores a partir de históricos. su grupo.
Seguros y Salud Privada: - Análisis de procedimientos médicos solicitados conjuntamente. - Predicciones temporales de los centros asistenciales para el mejor
- Predecir qué clientes compran nuevas pólizas. uso de recursos, consultas, salas y habitaciones.
- Identificar patrones de comportamiento para clientes con riesgo.
- Identificar comportamiento fraudulento. - Estudios epidemiológicos, análisis de rendimientos de campañas de
Transportes: - Determinar la planificación de la distribución entre tiendas. información, prevención, sustitución de fármacos, etc.
- Analizar patrones de carga.
19 20
Áreas de Aplicación. Problemas Tipo.
21