Minería de datos

1. La minería de datos es el proceso de anomalías hallares, patrones y correlaciones en grandes conjuntos de datos para predecir resultados. Empleando una amplia variedad de técnicas, puede utilizar esta información para aumentar sus ingresos, recortar costos, mejorar sus relaciones con clientes, reducir riesgos y más.

1.1. La minería de datos (a veces se llama descubrimiento de datos o de conocimiento) es el proceso de analizar los datos desde diferentes perspectivas y resumiéndolos en información útil - información que se puede utilizar para aumentar los ingresos, reducir los costos, o ambas cosas.

1.1.1. El software de minería de datos es uno de una serie de instrumentos analíticos para el análisis de datos. Permite a los usuarios analizar los datos desde muchas dimensiones o ángulos, clasificar, y resumir las relaciones identificadas.

1.1.1.1. Hay algunos softwares que permiten la minería de datos de forma práctica y eficiente. • Comerciales o Intelligent Miner / DB2 Data Warehouse Edition (IBM) o Clementine (SPSS) o Enterprise Miner (SAS) o DataEngine • De código libre o Weka

2. La inteligencia de negocios o Business Intelligence (BI) es el conjunto de procesos, aplicaciones y tecnologías que facilitan la obtención rápida y sencilla de datos provenientes de los sistemas de gestión empresarial para su análisis e interpretación, de manera que puedan ser aprovechados para la toma de decisiones y se conviertan en conocimiento para los responsables del negocio.

2.1. Cuando hablamos de grandes cantidades de datos, el Descubrimiento de Conocimiento en Bases de Datos o KDD (Conocimiento Descubrimiento en Bases de Datos) se refiere al proceso de identificar patrones válidos, novedosos, potencialmente útiles y principalmente entendibles. Knowledge Discovery implica la evaluación e interpretación de patrones y modelos para tomar decisiones con respecto a lo que constituye conocimiento y lo que no lo es.

2.1.1. Paso 1. Comprensión del dominio del estudio y establecimiento de objetivos Paso 2. Creación de un set de datos (dataset) objetivo Paso 3.Limpieza y Procesamiento de datos Paso 4. Minería de datos Paso 5. Interpretación de los patrones minados Paso 6. Utilización del conocimiento descubierto

3. OLAP es el acrónimo en inglés de procesamiento analítico en línea (procesamiento analítico en línea). Es una solución utilizada en el campo de la llamada inteligencia empresarial (o Business Intelligence) cuyo objetivo es agilizar la consulta de grandes cantidades de datos. Para ello utiliza estructuras multidimensionales (o cubos OLAP) que contienen datos resumidos de grandes bases de datos o Sistemas Transaccionales (OLTP). Se usa en informes de negocios de ventas, marketing, informes de dirección, minería de datos y áreas similares.

3.1. Esto permite que las empresas determinen las relaciones entre los factores "internos" como el precio, posicionamiento del producto, o las habilidades del personal, y los factores "externos", como los indicadores económicos, la competencia y la demografía de los clientes. Y, les permite determinar el impacto en las ventas, la satisfacción del cliente, y las ganancias corporativas. Por último, les permite "profundizar" en la información resumida para ver datos detallados de las transacciones.