Instituto
Tecnológico de
Las Américas
Estudiante:
Elvin Somón 2018-6795
Asignatura:
Minería de Datos e Inteligencia de Negocios
Docente:
Jorge Ramón Taveras González
Tema central:
Metodología CRISP-DM
Metodología
CRISP-DM
CRISP-DM
CRISP-DM (Cross Industry Standard Process
for Data Mining) proporciona una
descripción normalizada del ciclo de vida
de un proyecto estándar de análisis de
datos, de forma análoga a como se hace en
la ingeniería del software con los modelos
de ciclo de vida de desarrollo de software.
El modelo CRISP-DM cubre las fases de
un proyecto, sus tareas respectivas, y las
relaciones entre estas tareas. En este nivel
de descripción no es posible identificar
todas las relaciones; las relaciones podrían
existir entre cualquier tarea según los
objetivos, el contexto, y el interés del
usuario sobre los datos. La metodología
CRISP-DM contempla el proceso de
análisis de datos como un proyecto
profesional, estableciendo así un contexto
mucho más rico que influye en la
elaboración de los modelos.
Historia
CRISP-DM fue concebido en 1996. En 1997
se puso en marcha como un proyecto de la
Unión Europea bajo la iniciativa de
financiación ESPRIT. El proyecto fue
dirigido por cinco empresas: SPSS,
Teradata, Daimler AG, NCR y Ohra, una
compañía de seguros.
La primera versión de la metodología se
presentó en el cuarto CRISP-DM SIG taller
en Bruselas en marzo de 1999, y fue
publicada, más tarde ese año, como una
guía paso a paso de minería de datos.
Entre 2006 y 2008 se formó un 2.0 SIG
CRISP-DM y hubo discusiones acerca de la
actualización del modelo de proceso
CRISP-DM.
A continuación,
vamos a describir
brevemente cada
una de las fases.
Definición de necesidades del
cliente (comprensión del negocio)
Esta fase inicial se enfoca en la comprensión de los objetivos de proyecto. Después se
convierte este conocimiento de los datos en la definición de un problema de minería de
datos y en un plan preliminar diseñado para alcanzar los objetivos.
Estudio y
comprensión
de los datos
La fase de entendimiento de datos comienza
con la colección de datos inicial y continúa con
las actividades que permiten familiarizarse con
los datos, identificar los problemas de calidad,
descubrir conocimiento preliminar sobre los
datos, y/o descubrir subconjuntos interesantes
para formar hipótesis en cuanto a la
información oculta.
Análisis de los
datos y selección
de características
La fase de preparación de datos cubre
todas las actividades necesarias para
construir el conjunto final de datos (los
datos que se utilizarán en las
herramientas de modelado) a partir de
los datos en bruto iniciales. Las tareas
incluyen la selección de tablas, registros
y atributos, así como la transformación y
la limpieza de datos para las
herramientas que modelan.
Modelado
En esta fase, se seleccionan y aplican las
técnicas de modelado que sean pertinentes al
problema (cuantas más mejor), y se calibran
sus parámetros a valores óptimos. Típicamente
hay varias técnicas para el mismo tipo de
problema de minería de datos. Algunas
técnicas tienen requerimientos específicos
sobre la forma de los datos. Por lo tanto, casi
siempre en cualquier proyecto se acaba
volviendo a la fase de preparación de datos.
Evaluación
(obtención de resultados)
En esta etapa en el proyecto, se han construido
uno o varios modelos que parecen alcanzar
calidad suficiente desde la una perspectiva de
análisis de datos. Antes de proceder al
despliegue final del modelo, es importante
evaluarlo a fondo y revisar los pasos ejecutados
para crearlo, comparar el modelo obtenido con
los objetivos de negocio. Un objetivo clave es
determinar si hay alguna cuestión importante
de negocio que no haya sido considerada
suficientemente.
Despliegue
(puesta en producción)
Generalmente, la creación del modelo no es el
final del proyecto. Incluso si el objetivo del
modelo es de aumentar el conocimiento de los
datos, el conocimiento obtenido tendrá que
organizarse y presentarse para que el cliente
pueda usarlo.
Dependiendo de los requisitos, la fase de
desarrollo puede ser tan simple como la
generación de un informe o tan compleja como
la realización periódica y quizás automatizada
de un proceso de análisis de datos en la
organización.
Bibliografía
Villena Román, J. (2016). CRISP-DM:
La metodología para poner orden
en los proyectos