FACULTAD SISTEMAS
VIII CICLO
INTELIGENCIA DE NEGOCIOS
MINERÍA DE DATOS
DATA MINING
22/04/2018
COLONIA HERNÁNDEZ PEDRO JESÚS
MINERÍA DE DATOS
DATA MINING
CHIMBOTE– PERÚ
2018
DEDIATORIA
Agradecer a Dios y a Dios, por darme salud y por tener una cabeza con la que
puedo pensar muy bien y además un cuerpo sano y mente también.
Agradecer a mis seres queridos por el apoyo que se me da para seguir con mis
estudios a la vez les agradezco por darme apoyo moral y fuerzas para la
investigación y así poder desarrollar el trabajo de investigación.
Música »se escribe
de forma extraña pero
ilumina la vida.
Data Mining » se
escribe de forma
extraña pero ilumina el
negocio.
INDICE
DEDIATORIA ....................................................................................................................................... 3
AGRADECIMIENTO ........................................................................................................................... 4
RESUMEN ............................................................................................................................................ 7
INTRODUCTION ................................................................................................................................. 8
DATA MINING .................................................................................................................................... 9
LOS FUNDAMENTOS DEL DATA MINING .................................................................................. 10
VENTAJAS Y DESVENTAJAS AL USAR DATA MINING ........................................................... 11
ARQUITECTURA PARA DATA MINING ....................................................................................... 12
USO DE LA DATA MINING ............................................................................................................. 13
CONCLUSIONES ............................................................................................................................... 14
REFERENCIAS BIBLIOGRÁFICAS................................................................................................. 15
RESUMEN
Es una poderosa tecnología nueva con gran potencial para ayudar a las
compañías a concentrarse en la información más importante de sus Bases de
Información (Data Warehouse). La minería de datos (DM, Data Mining)
consiste en la extracción no trivial de información que reside de manera
implícita en los datos. Dicha información era previamente desconocida y
podrá resultar útil para algún proceso. En otras palabras, la minería de datos
prepara, sondea y explora los datos para sacar la información oculta en ellos.
Se utiliza en gran medida en diversas aplicaciones, como la comprensión del
marketing de los consumidores, el análisis de productos, la demanda y el
suministro, el comercio electrónico, la tendencia de inversión en acciones y
bienes raíces, las telecomunicaciones, etc. La minería de datos se basa en
algoritmos matemáticos y habilidades analíticas para impulsar los resultados
deseados de la enorme colección de bases de datos.
La idea de data mining no es nueva. Ya desde los años sesenta los estadísticos
manejaban términos como data fishing, data mining o data archaeology con
la idea de encontrar correlaciones sin una hipótesis previa en bases de datos
con ruido. La minería de datos consiste en la extracción no trivial de
información que reside de manera implícita en los datos. Dicha información
era previamente desconocida y podrá resultar útil para algún proceso. En
otras palabras, la minería de datos prepara, sondea y explora los datos para
sacar la información oculta en ellos. A principios de los años ochenta,
Rakesh Agrawal, Gio Wiederhold, Robert Blum y Gregory Piatetsky-
Shapiro, entre otros, empezaron a consolidar los términos de data mining y
KDD.
Proceso KDD.
Pre-procesamiento de Datos: Limpieza, integración y transformación.
Para aplicar mejor estas técnicas avanzadas, éstas deben estar totalmente
integradas con el data warehouse así como con herramientas flexibles e
interactivas para el análisis de negocios. Varias herramientas de Data Mining
actualmente operan fuera del warehouse, requiriendo pasos extra para
extraer, importar y analizar los datos. Además, cuando nuevos conceptos
requieren implementación operacional, la integración con el warehouse
simplifica la aplicación de los resultados desde Data Mining. El Data
warehouse analítico resultante puede ser aplicado para mejorar procesos de
negocios en toda la organización, en áreas tales como manejo de campañas
promocionales, detección de fraudes, lanzamiento de nuevos productos, etc.
3. López Porrero, Beatriz E., and Pérez Vázquez, Ramiro A.. Limpieza
de datos.
La Habana, CU: Editorial Feijóo, 2005. ProQuest ebrary. Web. 30
June 2017.
Copyright © 2005. Editorial Feijóo. All rights reserved.