El data mining, también conocido como minería de datos, es un concepto relativamente nuevo que hace referencia a la parte de un proceso de descubrimiento del conocimiento. Es decir, es un proceso en sí mismo que consta de varias fases para poder determinar todo este conocimiento en su conjunto, de ahí que entren en juego otros conceptos como el big data o el machine learning.
¿Cuál es el origen del data mining?
Hoy en día nos encontramos en la era de la información, un momento histórico donde los datos se acumulan por segundos, lo que hace que haya grandes volúmenes de información cada poco tiempo.
Así, para poder manejar todos estos datos nos apoyamos en sistemas y medios de almacenamiento masivo que permiten una clasificación más organizada.
No obstante, como el crecimiento es tan grande, algunos sistemas se vieron desbordados, lo que llevó a la creación de sistemas más complejos y estructurados como la Gestión de Bases de Datos, los cuales se han convertido en activos muy eficaces para las empresas. Aquí se incluyen desde transacciones comerciales hasta datos científicos, informes de texto o datos de altos cargos empresariales.
En este sentido, la recuperación de la información no resulta siempre suficiente para tomar las decisiones más acertadas. De este modo, el aumento de la cantidad de datos dio origen a la aparición de la minería de datos, siendo un repositorio integrado que, a su vez, daba soporte a los datos y procesos empleados en la toma de decisiones.
Así, debes saber que el data mining forma parte de un largo proceso de descubrimiento del conocimiento mediante el cual se extrae información de manera no trivial, previamente desconocida y potencialmente útil de bases de datos.
Fases de la minería de datos
Como hemos comentado, este concepto hace referencia a un proceso de rango superior y se caracteriza por tener diferentes fases que comprenden el ciclo de vida de cada proyecto. Estas fases serían las siguientes:
Comprensión del negocio
Esta fase inicia el proceso y está orientada a comprender los objetivos y exigencias del proyecto siempre teniendo en cuenta una perspectiva empresarial.
Comprensión de los datos
En esta etapa se coleccionan los datos iniciales hasta alcanzar una unidad que permita identificar los problemas de calidad de los datos. De este modo, se tienen en cuenta aspectos como la exactitud, la totalidad, la oportunidad, la relevancia, el nivel de detalle o la consistencia de los datos para comprobar si pueden ser útiles para cada proyecto.
Preparación de los datos
En esta fase se pretende cubrir todas las actividades necesarias para la adaptación de los datos según su origen en bruto con el objetivo de aproximarlos al conjunto de datos finales.
Modelado
Se comienza a dar forma a los datos para que puedan ser útiles, aplicándose las relaciones de clases, clusters, asociaciones y patrones secuenciales, lo que permite caracterizar, resumir o contrastar los datos que nos pueden servir para el siguiente proceso.
Evaluación
Se realiza una comprobación de que las anteriores etapas se han realizado correctamente y si se han cubierto todas las expectativas del negocio.
Despliegue o explotación
En la fase final se usan los resultados del proceso para tomar las decisiones correspondientes. Así, el conocimiento obtenido como resultado del proceso suele tenerse en cuenta para mejorar futuros análisis de datos.
Técnicas de la minería de datos
Dentro del data mining puedes encontrar diferentes tareas, las cuales pueden estar orientadas al descubrimiento de propiedades generales de los datos existentes o bien hacia la predicción de nuevas informaciones. En este caso, las técnicas que se usan son las siguientes:
Caracterización o resumen
Se trata de una recapitulación de las características generales de los datos de una clase, llevando a las normas características y permitiendo que el proceso de recuperación de dichos datos sea más sencillo.
Discriminación
También conocido como contraste, establece las normas discriminantes, que es la comparación de las características generales entre dos clases para poder elegir los datos que puedan ser más útiles.
Análisis de asociación
Es la búsqueda de las reglas de asociación, las cuales permiten saber cómo se relacionan los datos y cómo darles una mayor utilidad. Dicha técnica es muy usada en el comercio electrónico para estudiar las cestas de compra de sus clientes e identificar así sus gustos.
Clasificación
Es el análisis organizativo de los datos dentro de sus respectivas clases, lo que permite que haya un mayor orden en general.
Una vez que se han usado estas técnicas, hay que tener en cuenta otros modelos de testeo como la predicción (muy demandada en contextos de negocios), el clustering o detección de agrupamientos (similar a la clasificación), el outlier analysis o detección de anomalías, y la evolución y análisis de desviación dentro de una escala temporal.
Aplicaciones de la minería de datos
Una vez que se ha analizado la parte más técnica de este concepto, toca entrar en una parte más práctica y comprobar cuáles son los ámbitos de aplicación del data mining, los cuales siempre están orientados hacia el entorno digital:
Comercio y marketing
Mediante este proceso podemos determinar patrones de compra o gustos de los clientes, algo que posteriormente puede ser usado para el envío de comunicaciones dirigidas y así fomentar la relación con los clientes.
Banca y seguros
Este sector ha cambiado mucho y se hace necesario determinar rápidamente la capacidad adquisitiva de los clientes, el perfil según los riesgos de su vida o la detección de patrones de uso fraudulento de tarjetas bancarias. Por ejemplo, se usa mucho en seguros para evitar la venta cruzada de acuerdo al perfil de cada cliente.
Salud
Cada día se avanza en este nuevo campo, pero es cierto que la capacidad de actuar rápido gracias a los datos servirá para identificar terapias médicas adecuadas a cada paciente, asociar síntomas con enfermedades e incluso actuar ante una pandemia como el coronavirus.
En resumen, todas estas cuestiones relativas a la minería de datos ponen en evidencia que el uso de los datos cada vez es mayor y que con tales cantidades de información es preciso contar con herramientas que ayuden en la adecuada toma de decisiones. No lo dudes y apuesta por el data mining.
Enlace de interés
