CONCEPTOS

Qué es el data mining o minería de datos?

La definición formal de data mining o minería de datos sería: la extracción no trivial de información implícita, previamente desconocida y potencialmente útil a partir de datos. Otra manera de definirlo podría ser: la exploración y el análisis -por medios automáticos o semiautomáticos- de grandes cantidades de datos con el fin de descubrir patrones con significado.

Proceso de la minería de datos

Metodología CRISP

El estándar incluye un modelo y una guía, estructurados en seis fases, algunas de estas fases son bidireccionales, lo que significa que algunas fases permitirán revisar parcial o totalmente las fases anteriores.

Comprensión del negocio (Objetivos y requerimientos desde una perspectiva no técnica)

• Establecimiento de los objetivos del negocio (Contexto inicial, objetivos, criterios de éxito)
• Evaluación de la situación (Inventario de recursos, requerimientos, supuestos, terminologías propias del negocio,…)
• Establecimiento de los objetivos de la minería de datos (objetivos y criterios de éxito)
• Generación del plan del proyecto (plan, herramientas, equipo y técnicas)

Comprensión de los datos (Familiarizarse con los datos teniendo presente los objetivos del negocio)

• Recopilación inicial de datos
• Descripción de los datos
• Exploración de los datos
• Verificación de calidad de datos

Preparación de los datos (Obtener la vista minable o dataset)

• Selección de los datos
• Limpieza de datos
• Construcción de datos
• Integración de datos
• Formateo de datos

Modelado (Aplicar las técnicas de minería de datos a los dataset)

• Selección de la técnica de modelado
• Diseño de la evaluación
• Construcción del modelo
• Evaluación del modelo

Evaluación (De los modelos de la fase anteriores para determinar si son útiles a las necesidades del negocio)

• Evaluación de resultados
• Revisar el proceso
• Establecimiento de los siguientes pasos o acciones

Despliegue (Explotar utilidad de los modelos, integrándolos en las tareas de toma de decisiones de la organización)

• Planificación de despliegue
• Planificación de la monitorización y del mantenimiento
• Generación de informe final
• Revisión del proyecto