1
Introducción A La Minería De Datos
Manuel Alejandro Lara Fernández
Minería de datos (Universidad Franz Tamayo, La paz-Bolivia, Suprememeap@[Link])
Resumen—Hoy en día, la minería de datos está consiguiendo
cada vez más captar la atención de las empresas. Aunque esta
herramienta aun no sea tan frecuente a pesar de sus grandes usos.
Sin embargo, todo apunta a que más temprano que tarde la
minería de datos será usada por la sociedad, al menos con el
mismo peso que actualmente tiene la Estadística. Así que ¿qué es
la minería de datos y qué beneficios aporta? ¿Cómo puede influir
en la toma de decisiones de las empresas y la sociedad en general?
En este artículo, se aprender sobre esta gran tecnología
mediante una introducción a la minería de datos: definición,
ejemplificar problemas que se pueden resolver con minería de
datos, las tareas de la minería de datos, técnicas usadas.
I. INTRODUCCIÓN
Fig1. Proceso Minería Datos
L a minería de datos es una disciplina que ha crecido
La minería de datos comprende una serie de técnicas,
algoritmos y métodos cuyo fin es el uso de grandes porciones
de datos, buscando el descubrimiento de información
enormemente en los últimos años. Las organizaciones han
previamente desconocida y pueda ayudarnos en el proceso de
comprendido que los grandes volúmenes de datos que residen toma de decisiones.
en sus sistemas pueden ser analizados y explotados para Los esfuerzos en el área de la minería de datos se han
obtener nuevo conocimiento a partir de los mismos. Minería de centrado en su gran mayoría en la investigación de técnicas
Datos o Explotación de Información, es el proceso de extraer para la explotación de información y extracción de patrones
conocimiento útil, comprensible y novedoso de grandes (tales como árboles de decisión, análisis de conglomerados y
volúmenes de datos, siendo su principal objetivo encontrar reglas de asociación). Sin embargo, se ha profundizado en
información oculta o implícita, que no es posible obtener menor medida el hecho de cómo ejecutar este proceso hasta
mediante métodos estadísticos convencionales. La entrada al obtener el “nuevo conocimiento”, es decir, en las
proceso de minería está formada generalmente por registros metodologías. Las metodologías permiten llevar a cabo el
provenientes de bases de datos operacionales o bien bodegas de proceso de minería de datos en forma sistemática y no trivial.
datos (Datawarehouse). Ayudan a las organizaciones a entender el proceso de
descubrimiento de conocimiento y proveen una guía para la
II. CANTIDAD DE DATOS planificación y ejecución de los proyectos.
Cada día empresas, instituciones y millones de personas se
generan cantidades gigantescas de datos. Datos de instituciones
financieras, bancarias, telecomunicaciones y otros tipos de
transacciones comerciales.
Se generan web, textos, mensajes, fotos, videos en las distintas
redes sociales que millones de personas usan cada día, y cada
día más se unen.
Fig2 Pasos de Minería de Datos
Esta cantidad ingente de datos, es algo que no se puede
Algunos modelos conocidos como metodologías son en
entender con un simple análisis, y esconde información muy realidad un modelo de proceso: un conjunto de actividades y
valiosa que de obtenerse nos permitiría tomar decisiones que tareas organizadas para llevar a cabo un trabajo. La diferencia
beneficiarían al objetivo que busquemos, y ahí es donde entra fundamental entre metodología y modelo de proceso radica en
la minería de datos. que el modelo de proceso establece qué hacer, y la metodología
especifica cómo hacerlo. Una metodología no solo define las
III. CONCEPTO fases de un proceso sino también las tareas que deberían
La minería de datos es básicamente la extracción de patrones realizarse y cómo llevar a cabo las mismas.
de conocimientos que tengan una información valiosa, donde
estos datos no sean triviales, implícitos o fáciles de reconocer. IV. POSIBLES USOS
Todo esto de grandes cantidades de datos, donde no sea fácil Los proyectos de minería de datos pueden ser llevados a cabo
buscar u obtener estos datos y se requiera tecnologías o en distintos escenarios. Algunos de estos pueden ser:
herramientas para esto.
2
Escenarios donde se aborda desde la minería de datos
una situación organizacional (un problema o una
oportunidad), buscando patrones y relaciones que
puedan colaborar con la misma. Este escenario es el
más frecuente en el ámbito de las empresas y
organizaciones.
Escenarios donde el proyecto comienza con un
conjunto de datos y el objetivo es explorarlos para
encontrar relaciones interesantes que puedan ser útiles
en el dominio de aplicación. En estos casos, no
recomiendan trabajar directamente con los datos sin
establecer de antemano la problemática que se aborda, Fig4 Pirámide de Baseline
el personal involucrado y las expectativas y
necesidades de los usuarios. Este punto resulta de gran VI. DESCUBRIMIENTO DEL CONOCIMIENTO
importancia para justificar la realización del proyecto,
Según se puede ver en la Fig4 la complejidad va
ya que ninguna organización adquirirá una
aumentando poco a poco desde consultas estándares, siguiendo
herramienta si no sabe la función que cumplirá. a las multidimensiales, seguidas a las segmentaciones y
terminando en dc.
V. TIPOS DE CONOCIMIENTO
Existen diversos tipos de conocimientos, estos se pueden
hallar de distintas maneras, siendo algunos muy difíciles de
hallar y otros muy simples y sencillos.
Fig5 Lugar de la MD
Según podemos ver en la Fig5 la minería de datos se
encuentra en los dos puntos más altos y por ende complejos,
necesitando herramientas para el descubrimiento de la
información.
Esta información tiene que ser implícita, ser previamente
desconocida y ser potencialmente útil para el objetivo que se
busca con estos datos, generalmente la toma de decisiones.
Fig3 Tipos de conocimientos
Conocimiento evidente es aquel que es el más simple VII. DIFERENCIAS ENTRE VERIFICACIÓN Y
de hallar, fácilmente recuperable con una consulta DESCUBRIMIENTO
SQL. Son datos triviales que no aportan mucha
información útil. Este punto hay que tenerlo muy en cuenta, teniendo en
cuenta que lo que se busca con la minería de datos es descubrir
Conocimiento multi-dimensional son datos con más
datos nuevos y útiles, y no verificar algo que ya sepamos
estructura, pero aun sin tener que usar herramientas
En la verificación primero se elabora una hipótesis sobre la
complejas para obtenerlo.
existencia de una información de interés mientras que en el
Conocimiento oculto es aquel que no es evidente, es descubrimiento se identifica un problema o conflicto.
desconocido en principio y nos puede dar Seguidamente en la verificación se convierte esa hipótesis en
información útil para la toma de decisiones, este tipo una consulta, y se ejecuta está en un sistema de información.
de conocimiento se consigue utilizando minería de Mientras que en el descubrimiento se habilitan el acceso a los
datos. datos de interés, se los acondiciona para su uso y se selecciona
Conocimiento profundo es aquella información que una técnica de minería de datos a usar.
es almacenada en la base de datos, pero es imposible Luego de eso en la verificación se interpreta los datos y se
de recuperar, al menos que se utilice una clave para refina la hipótesis para repetir la ejecución, mientras que en el
orientar su correcta búsqueda. descubrimiento se ejecuta la técnica elegida de MD y se
interpretan sus datos, que nos ayudaran a solucionar la
problemática inicial.
La minería de datos es una herramienta que nos facilita el
descubrimiento de datos, útiles que nos permitan solucionar
problemas específicos.
3
REFERENCIAS
VIII. PASOS A SEGUIR [1] Orallo, José Hernández, María José Ramírez Quintana, and César Ferri
Ramírez. Introducción a la Minería de Datos. Pearson Educación, 2004.
[2] Braga, Luis Paulo Vieira, Luis Iván Ortiz Valencia, and Santiago
Segundo Ramírez Carvajal. Introducción a la Minería de Datos. Editora
E-papers, 2009.
[3] Riquelme Santos, José Cristóbal, Roberto Ruiz, and Karina Gilbert.
"Minería de datos: Conceptos y tendencias." Inteligencia Artificial:
Revista Iberoamericana de Inteligencia Artificial, 10 (29), 11-18. (2006).
[4] Pérez López, César, and Daniel Santín González. Minería de datos.
Técnicas y herramientas: técnicas y herramientas. Editorial Paraninfo,
2007.
[5] Hernández, José, C. Ferri, and M. J. Ramírez. "Introducción a la Minería
de Datos." (2004).
FIG6 PROCESO DE MINERÍA DE DATOS
A. Crear un conjunto de datos objetivo
En este paso se comienza seleccionando todos los datos que
se vayan a utilizar, estos pudiendo ser más claros o
complicados, sea cual sea, se prosigue a la limpieza y
transformación de estos
B. Limpieza y transformación de datos
En este paso se limpia y pre procesa los datos, este punto
puede llevar un 60% de todo el esfuerzo del proyecto, ya que
en este se preparan los datos para que al momento de aplicar
una técnica de MD esta no tenga errores, o que los resultados
obtenidos no sean erróneos o incomprensibles.
Seguidamente se reducen los datos y transforman para que
estos sean más fáciles de trabajar, aquí encontraremos atributos
útiles, y reduciremos variables innecesarias.
C. Elegir MD
En este paso elegiremos el tipo de MD que planeamos usar
ya sea árbol de decisión, clustering, asociación. Entre muchos
otros. según lo que escojamos tendremos diferentes tipos de
datos como resultado, cada uno con un análisis diferente.
Siendo algunas técnicas más funcionales para algunos temas
que otras, por lo cual hay que saber con cual trabajar.
D. Resultados y Usos
Con los resultados obtenidos lo que se tiene que hacer es el
análisis de los mismos. Evaluando los patrones encontrados,
transformándolos, eliminado patrones redundantes, hasta
obtener el resultado deseado, y con este proseguir a la toma de
decisiones para solucionar el problema
IX. CONCLUSIONES
La minería de datos es una herramienta muy útil, capaz de
encontrar información necesaria para la resolución de un
problema que de otro modo sería complicado el encuentro de
una correcta solución.
Por tanto, aprender sobre esta herramienta y llegar a
dominarla, puede abrirnos muchas puertas a la hora de analizar
y buscar soluciones a los distintos problemas que pueda llegar
a tener una empresa.
Permitiendo incrementar ventas, mejorar la relación con el
cliente, resolviendo problemas complejos, entre otros.
beneficiando notoriamente al usuario de estas tecnologías. Y
que en buenas manos puede hacer maravillas.