Minería de datos

Las herramientas de minería de datos, constituyen métodos avanzados para explotar y modelizar relaciones en grandes volúmenes de datos y obtener información que se encuentra implícita: patrones de comportamiento de los clientes, asociaciones de productos, relación entre variables como el precio de un producto y su nivel de consumo, etc. La minería de datos también es conocida como descubrimiento de información de base de datos y puede constar de las siguientes etapas:

Muestreo

Selección de una muestra de datos, para reducir tiempo de análisis y aumentar su velocidad.

Exploración

Determinación de tendencias principales, como rangos, frecuencia, correlación de variables.

Modificación

Transformación y filtrado de variables que se pretende analizar.

Modelización de comportamiento

Se pueden emplear redes neuronales, arboles de decisión, técnicas de análisis estadístico, análisis de regresión.

Evaluación

Comprobación de la validez de modelo obtenido.

Presentación gráfica de los resultados.

Una vez que se han capturado y organizado los datos en almacenes de datos y en mercados de datos, están a disposición para análisis mas profundos. Una serie de herramientas permite a los usuarios analizar estos datos para descubrir nuevos patrones, relaciones y conocimientos profundos para organizar la toma de decisiones. La minería de datos está más orientada al descubrimiento de información. Proporciona conocimiento acerca de los datos, al encontrar patrones y relaciones ocultas en las bases de datos e infiriendo reglas a partir de ellos para predecir el comportamiento futuro. La minería de datos incluye:

Asociaciones

Son ocurrencias enlazadas a un solo evento. Por ejemplo, un estudio de patrones de ventas. Cuando se venden unas papas fritas también se vende un refresco. Pero cuando hay alguna promoción de refresco se vende más.

Secuencias

Los eventos se enlazan con el paso del tiempo. Por ejemplo, si se compra un aparato, un 65% asegurará la compra de consumibles del mismo aparato.

Clasificación

Reconoce patrones que describen el grupo al cual pertenece un elemento por medio de análisis de los elementos existentes que se han clasificado y por medio de la inferencia de un conjunto de reglas. Por ejemplo, las empresas pierden clientes y la clasificación ayuda a descubrir las características de los clientes antes de perderlos e idear campañas para retenerlos.

Agrupamiento

Funciona de manera semejante a clasificación, cuando aun no se han definido grupos. Como encontrar agrupamientos de afinidad por características y tipos.

Generación de pronósticos

Emplea una serie de valores existentes para pronosticar que otros valores habrá. Por ejemplo, encontrar en los datos para ayudar a estimar el valor futuro de variables continuas, como cifras futuras. Las grandes cantidades de datos nos obligan a extraer de un modo automatizado la información clave contenida en ellos. Para lograrlo utilizamos las herramientas informáticas que soportan técnicas especializadas, estas técnicas constituyen la minería de datos.

Aspel SAE

Los datos que almacenamos nos permiten segmentar los clientes por clasificaciones y productos por líneas e incluso nos permite generar reportes de esos segmentos, para identificar los públicos y asociar productos con características semejantes. Estas herramientas para consolida, analizar y dar acceso a extensas cantidades de datos para ayudar a los usuarios a tomar mejores decisiones de negocios con frecuencia se denominan BI y Gimex ofrece esta herramienta que se conecta a una base de datos de SAE.