Banca y finanzas

Extraccin de datos: una herramienta competitiva en las industrias bancarias y minoristas.

Industria bancaria en todo el mundo ha sufrido un tremendo cambio en la forma en que se llevan
a cabo los negocios los bancos que estn utilizando el cliente y la rentabilidad, comercializacin,
deteccin de transacciones fraudulentas, entre otras. Este artculo suministra una visin general
del concepto de DM.
La data puede ser de los activos ms valiosos de una empresa, si saben ocupar los datos no procesados. La minera
de datos permite extraer diamantes de conocimiento desde la data histrica y predecir resultados de situaciones
futuras. Adems ayuda a optimizar decisiones empresariales, incrementar el valor de cada cliente y la
comunicacin, y mejorar la satisfaccin del cliente.
La minera de datos es el proceso de extraccin cuando la informacin es desconocida, tpicamente en forma de
patrones y asociaciones, en una gran base de datos. Hoy en da, las organizaciones estn realizando numerosos
avances que vienen con la extraccin de datos. sta es una herramienta muy valiosa, al identificar informacin
potencialmente til de las grandes cantidades de datos recopilados, una organizacin puede obtener una clara
ventaja sobre sus competidores.
La minera de datos puede ayudar a las compaas en el mejor entendimiento de los grandes volmenes de la data
recolectada por los sistemas CRM. En los ltimos aos muchas organizaciones han reconocido la vital
informacin que tienen sobre sus clientes. La minera de datos, puede identificar productos que a menudo se
compran juntos, lo que puede ayudar a crear paquetes de productos que tienen ms probabilidades de tener xito.
Las empresas tambin pueden utilizar la minera de datos para minimizar los costos de compra; puntuar a los
proveedores calificando la calidad de sus bienes y servicios; identificando las promociones ms efectivas; y cubrir
numerosas otras necesidades organizacionales incluyendo deteccin de fraudes, anlisis de fallas, mantenimiento
predictivo, gestin de riesgos y pronstico de demanda. Como es evidente, las soluciones de minera de datos
tienen una amplia variedad de aplicaciones en todas las industrias.
Hoy en da, la minera de datos est siendo utilizada por varias industrias, incluyendo la banca y las finanzas,
minoristas, seguros, telecomunicaciones, etc. Otras aplicaciones posibles para la minera de datos incluyen
marketing de base de datos, previsin de ventas, anlisis de comportamiento de llamadas y gestin de agitacin
en telecomunicacin, previsin de la demanda de servicios pblicos, como energa y agua; simulacin de
reacciones qumicas y de otros procesos; encontrar factores crticos en la fabricacin discreta; uso y pronstico
de la CPU. La minera de datos se refiere a menudo como inteligencia analtica.

Varias tendencias recientes han aumentado el inters en la minera de datos, incluyendo la disminucin del costo
del almacenamiento de datos y la creciente facilidad de recoleccin de datos, el desarrollo de algoritmos robustos
y eficientes para procesar datos y la disminucin del costo de la energa computacional. Con mayores capacidades
de almacenamiento de datos y costos decrecientes, la minera de datos ha ofrecido a las organizaciones una nueva
forma de hacer negocios. La minera de datos puede ayudar a las organizaciones a entender mejor su negocio, ser
capaces de servir mejor a sus clientes y aumentar la efectividad de la organizacin a largo plazo. Para mantenerse
competitivas y mantenerse al tanto de la dinmica de la industria, las empresas estn utilizando las tecnologas de
la informacin para generar, almacenar y analizar datos de produccin masiva no slo para fines operativos, sino
tambin para permitir la toma de decisiones estratgicas.
El sector bancario est compuesto por bancos del sector pblico, del sector privado y extranjeros, adems de
bancos regionales y cooperativos ms pequeos. En el mercado, varios productos, servicios y soluciones bancarias
basados en tecnologas de la informacin estn disponibles. Los ms comunes son la banca telefnica; Instalacin
de cajeros automticos; Tarjetas de crdito, dbito y tarjetas inteligentes; Banca por Internet y banca mvil; Red
rpida y red de INFINET; Conectividad de las sucursales bancarias para facilitar cualquier actividad bancaria.
Adems de lo anterior, el software tambin est disponible para apoyar varios requisitos bancarios. Por ejemplo,
MIS ayuda a los bancos a generar informes RBI como SLR, CRR (Cash Reserve Ratio), etc.; Gestin de NPA,
Gestin de Activos y Pasivos, GAP y Anlisis de Tendencias; Evaluacin de Rentabilidad Branchwise; Balance
Inteligente Analizador de hojas; Sistemas de gestin de bases de datos relacionales para la gestin de la minera
de datos desde el almacn de datos.

El sector bancario est en la cspide de un cambio revolucionario en la forma en que funciona y entrega sus
servicios a los clientes. Las tradicionales sucursales bancarias de "ladrillo y mortero" se conectan y se convierten
en parte integral de una plataforma bancaria corporativa denominada "Centro de soluciones bancarias" (CBS). La
implementacin de la CBS est permitiendo a los bancos introducir varias instalaciones y servicios innovadores
y amigables para el cliente, como en cualquier lugar bancario, cheques multi-ciudades a la vista, banca por
Internet, etc.

Con las transacciones bancarias movindose a una plataforma en lnea que captura los datos transaccionales en el
punto de transaccin en s, los bancos estn acumulando un enorme volumen de datos que tiene inmensos valores
empresariales enterrados en ella y puede proporcionar valiosos conocimientos sobre los hbitos bancarios de los
clientes de diferentes perfiles. Una parte sustancial de la asignacin presupuestaria, de los gastos totales en bancos
y compaas de seguros, se est haciendo para la implementacin de TI. Gestin de relaciones con los clientes
(CRM) se ha convertido en un furor en todas las industrias de servicios, y abarca las actividades de minera de
datos que un proveedor de servicios se compromete a entender a sus clientes.

Qu es la minera de datos?

La minera de datos se refiere al descubrimiento de patrones asistido por computadora de interrelaciones y

recurrencias previamente desconocidas entre atributos aparentemente no relacionados para predecir acciones,
comportamientos y resultados. La minera de datos, de hecho, ayuda a identificar patrones y relaciones en los
datos. Debido a que la minera de datos es un concepto relativamente nuevo, ha sido definido de varias maneras
por varios autores en el pasado reciente. El recuadro 1 proporciona algunas definiciones de la literatura sobre lo
que es la minera de datos y cmo puede ser beneficioso para una organizacin.

Recuadro 1: Definicin de la minera de datos a lo largo de la literatura:

1. La minera de datos se define como el proceso de extraccin de informacin previamente desconocida,
vlida y procesable de bases de datos grandes y luego usar la informacin para tomar decisiones de
negocios cruciales - Cabena et al.
2. La minera de datos se describe como el anlisis automatizado de grandes cantidades de datos para
encontrar patrones y tendencias que de otra manera podran haber quedado sin descubrir - Fabris.
3. El objetivo de la minera de datos es identificar correlaciones y patrones vlidos, nuevos, potencialmente
tiles y comprensibles en los datos existentes - Chung y Gray.

Puede observarse desde el principio que las definiciones de minera de datos que dan estos autores son algo
diferentes, pero todas tienen una idea comn: extraer informacin importante de los datos existentes y permitir
una mejor toma de decisiones en toda la organizacin. La minera de datos no slo puede mejorar la toma de
decisiones mediante la bsqueda de relaciones y patrones a partir de los extensos datos recopilados por las
organizaciones, sino que tambin puede reducir la sobrecarga de informacin. La minera de datos permite a una
organizacin centrarse en la informacin ms importante de la base de datos, lo que permite a los gerentes tomar
decisiones ms informadas al predecir tendencias y comportamientos futuros. Antes de utilizar la minera de
datos, los gerentes no eran tan capaces de tomar decisiones informadas porque la bsqueda a travs de grandes
cantidades de datos era demasiado costosa y requiere mucho tiempo.
La minera de datos, como es evidente a partir de sus elementos clave, suele implicar el uso de modelos de
prediccin, prediccin y tcnicas de modelado descriptivo. Mediante el uso de estas tcnicas, una organizacin
puede gestionar de forma proactiva la retencin de clientes, identificar las oportunidades de venta cruzada y de
venta ascendente, perfilar y segmentar clientes, establecer polticas de precios ptimas y medir y clasificar
objetivamente los proveedores que mejor se adapten a sus necesidades.

Operaciones de minera de datos: Las operaciones de minera de datos se clasifican de diferentes maneras.
Algunas categoras de operaciones de minera de datos son: agrupacin / segmentacin, visualizacin, modelado
predictivo, anlisis de enlaces, deteccin de desviaciones, modelado de dependencias y resumen. Con la mayora
de las herramientas de anlisis, los usuarios saben qu preguntas quieren hacer antes de usar la herramienta. Con
la minera de datos, los usuarios no necesariamente necesitan saber qu preguntas hacer; El software descubre
patrones para los usuarios. Las herramientas de visualizacin de datos permiten a los usuarios ver patrones en los
datos. Estas herramientas permiten a los usuarios construir complejas representaciones tridimensionales de los
datos.

Muchas de las metodologas que comnmente se describen como parte de un kit estndar de herramientas de
minera de datos han sido desarrolladas por la comunidad de aprendizaje de mquinas o por analistas de datos
estadsticos. De hecho, es realmente difcil especificar cualquier tcnica particular como nica en la comunidad
de minera de datos. Por lo tanto, cualquier listado de metodologas de anlisis de datos como tcnicas de minera
de datos parecera "subjetivo" y algo arbitrario. Algunas tcnicas ampliamente utilizadas en la minera de datos
incluyen redes neuronales artificiales, algoritmos genticos, mtodo del vecino ms cercano a K, rboles de
decisin y reduccin de datos.

DM IN THE BANKING INDUSTRY

La industria bancaria en todo el mundo ha sufrido enormes cambios en la forma en que se lleva a cabo la empresa. Con la
implementacin reciente, mayor aceptacin y uso de la banca "electrnica", la captura de datos transaccionales se ha vuelto
ms fcil y, simultneamente, el volumen de estos datos ha crecido considerablemente. Es ms all de la capacidad humana
para analizar esta enorme cantidad de datos sin procesar y transformar efectivamente los datos en conocimientos tiles para
la organizacin. La enorme cantidad de datos que los bancos han ido acumulando a lo largo de los aos puede influir
grandemente en el xito de los esfuerzos de minera de datos. Mediante el uso de minera de datos para analizar patrones y
tendencias, los ejecutivos bancarios pueden predecir, con mayor precisin, cmo reaccionarn los clientes ante los ajustes
en las tasas de inters, que es probable que los clientes acepten ofertas de nuevos productos, cuyos clientes tendrn un mayor
riesgo de incumplimiento de un prstamo, y cmo hacer las relaciones con los clientes ms rentables.
La industria bancaria reconoce ampliamente la importancia de la informacin que tiene sobre sus clientes. Sin duda, tiene
entre el grupo ms rico y ms grande de informacin de los clientes, que abarcan datos demogrficos de los clientes, datos
transaccionales, patrn de uso de tarjetas de crdito, etc. Como la banca est en la industria de servicios, la tarea de mantener
un CRM fuerte y eficaz es un problema crtico. Para ello, los bancos necesitan invertir sus recursos para comprender mejor
a sus clientes existentes y potenciales. Mediante el uso de herramientas adecuadas de minera de datos, los bancos pueden
ofrecer productos y servicios "a medida" a esos clientes. Existen numerosas reas en las que la minera de datos se puede
utilizar en la industria bancaria, que incluyen la segmentacin y la rentabilidad de los clientes, la calificacin y aprobacin
del crdito, la prediccin de los incumplimientos de pago, la comercializacin, la deteccin de transacciones fraudulentas,
la gestin del efectivo y las operaciones de pronstico, la optimizacin de las carteras de valores y la clasificacin de las
inversiones. Adems, los bancos pueden utilizar la minera de datos para identificar a sus clientes de tarjetas de crdito ms
rentables o solicitantes de prstamos de alto riesgo. Por lo tanto, existe la necesidad de construir una capacidad analtica
para abordar los problemas mencionados y los intentos de minera de datos para proporcionar la respuesta. A continuacin
se presentan algunos ejemplos de cmo la industria bancaria ha estado utilizando con eficacia la minera de datos en estas
reas.
Marketing: Una de las reas ms utilizadas de la minera de datos para la industria bancaria es el marketing. El
departamento de marketing del banco puede utilizar la minera de datos para analizar bases de datos de clientes y desarrollar
perfiles estadsticamente slidos de las preferencias individuales de los clientes por productos y servicios. Al ofrecer slo
los productos y servicios que los clientes realmente quieren, los bancos pueden ahorrar dinero considerable en promociones
y ofertas que de otro modo no seran rentables. Los vendedores del banco, por lo tanto, necesitan centrarse en sus clientes
aprendiendo ms sobre ellos. Bank of America, por ejemplo, utiliza la base de datos de marketing para mejorar el servicio
al cliente y aumentar los beneficios. Mediante la consolidacin de cinco aos de registros de historia del cliente, el banco
fue capaz de comercializar y vender servicios especficos a los clientes.
La "venta cruzada" es otra rea de marketing en la que la minera de datos puede ser ampliamente utilizada. Aqu, un
proveedor de servicios hace que sea atractivo para un cliente comprar productos o servicios adicionales con el mismo
negocio. Cuantos ms productos y servicios un banco pueda proporcionar a los clientes, ms probable es que el banco
retenga a esos clientes. Por ejemplo, varios bancos privados y extranjeros lderes en la India (ICICI, HSBC, etc.) utilizan la
minera de datos para encontrar clientes con cuentas de depsito a la vista que pueden estar interesados en un prstamo
hipotecario. Se construye un modelo de los clientes que ya tienen prstamos hipotecarios y este modelo se utiliza para
identificar a otros clientes que tambin pueden estar interesados. Otro ejemplo es Bank of America, que recientemente ha
completado un proyecto con las herramientas de minera de datos de IBM para buscar en su base de datos de clientes
corporativos y tratar de averiguar qu productos los clientes pueden necesitar a continuacin.
Gestin de riesgos: La minera de datos se utiliza ampliamente para la gestin de riesgos en la industria bancaria. Los
ejecutivos de bancos necesitan saber si los clientes con los que estn tratando son confiables o no. Ofrecer nuevas tarjetas
de crdito a los clientes, ampliar las lneas de crdito de los clientes existentes, y la aprobacin de prstamos puede ser
decisiones riesgosas para los bancos si no saben nada acerca de sus clientes. Sin embargo, la minera de datos puede
utilizarse para reducir el riesgo de que los bancos emitan tarjetas de crdito determinando aquellos clientes que
probablemente incumplan sus cuentas. Un ejemplo fue reportado en la prensa de un banco descubriendo que los titulares de
tarjetas que retiraron dinero en los casinos tenan ndices ms altos de delincuencia y bancarrota. Es una prctica comn por
parte de los bancos para analizar los comportamientos de las transacciones de los clientes en sus cuentas de depsito para
determinar su probabilidad de incumplimiento en sus cuentas de prstamos.

La puntuacin de crdito, de hecho, fue una de las herramientas de gestin de riesgo financiero ms tempranas desarrolladas.
La puntuacin de crdito puede ser valiosa para los prestamistas en la industria bancaria al tomar decisiones de prstamo.
Los prestamistas no habran ampliado el nmero de prstamos que otorgan sin tener una herramienta de evaluacin de riesgo
precisa, objetiva y controlable. Los ejemplos de las historias de los solicitantes de prstamos tanto "buenos" como "malos"
pueden usarse para desarrollar un perfil para un buen y mal "nuevo" solicitante de prstamo.
La minera de datos tambin puede derivar el comportamiento crediticio de los prestatarios individuales con prstamos a
plazos, hipotecarios y tarjetas de crdito, utilizando caractersticas tales como historial de crdito, duracin del empleo y
duracin de la residencia. De este modo se obtiene una puntuacin que permite al prestamista evaluar al cliente y decidir si
la persona es un buen candidato para un prstamo o si existe un alto riesgo de incumplimiento. Los clientes que han estado
con el banco por periodos ms largos, se mantuvieron en buen estado y tienen salarios ms altos, tienen ms probabilidades
de recibir un prstamo en comparacin con un nuevo cliente que no tiene antecedentes con el banco o que gana salarios
bajos. Al conocer cules son las posibilidades de incumplimiento para un cliente, el banco est en una mejor posicin para
reducir los riesgos.

Deteccin de fraudes: Otra rea popular donde la minera de datos se puede utilizar en la industria bancaria es
en la deteccin de fraude. Ser capaz de detectar acciones fraudulentas es una preocupacin creciente para muchas
empresas; y con la ayuda de la minera de datos se estn detectando y reportando ms acciones fraudulentas. Las
instituciones financieras han desarrollado dos enfoques diferentes para detectar patrones de fraude. En el primer
enfoque, un banco aprovecha el almacn de datos de un tercero (que potencialmente contiene informacin sobre
transacciones de muchas empresas) y utiliza programas de minera de datos para identificar patrones de fraude.
El banco puede entonces hacer una referencia cruzada de esos patrones con su propia base de datos para detectar
signos de problemas internos. En el segundo enfoque, la identificacin del patrn de fraude se basa estrictamente
en la informacin interna del banco. La mayora de los bancos estn utilizando un enfoque "hbrido".
Un sistema que ha sido exitoso en la deteccin de fraude es el "sistema de evaluacin de fraude" de Falcon. Es
utilizado por nueve de los diez principales bancos emisores de tarjetas de crdito, donde examina las transacciones
del 80 por ciento de las tarjetas en Estados Unidos. Mellon Bank tambin utiliza la minera de datos para la
deteccin de fraude y es capaz de proteger mejor a s mismo y a los fondos de sus clientes de posibles fraudes de
tarjetas de crdito.
Adquisicin y Retencin de Clientes: La minera de datos no slo puede ayudar a la industria bancaria a obtener
nuevos clientes, sino que tambin puede ayudar a retener a los clientes existentes. La adquisicin y retencin de
clientes son preocupaciones muy importantes para cualquier industria, especialmente la industria bancaria. Hoy
en da, los clientes tienen tantas opiniones con respecto a dnde pueden elegir hacer su negocio. Los ejecutivos
de la banca, por lo tanto, deben ser conscientes de que si no estn dando a cada cliente toda su atencin, el cliente
puede simplemente encontrar otro banco que lo har. La minera de datos tambin puede ayudar a orientar a los
clientes "nuevos" para productos y servicios y descubrir los patrones de compra anteriores de un cliente para que
el banco pueda retener a los clientes existentes ofreciendo incentivos individualmente adaptados a las necesidades
de cada cliente.

La minera de datos tambin puede derivar el comportamiento de crdito de los prestatarios individuales
con prstamos a plazos, hipotecarios y tarjetas de crdito, utilizando caractersticas tales como historial
de crdito, duracin del empleo y duracin de la residencia.

Cuando Chase Manhattan Bank en Nueva York empez a perder clientes con sus competidores, comenz a utilizar
la minera de datos para analizar las cuentas de los clientes y realizar cambios en los requisitos de su cuenta,
permitiendo as al banco retener a sus clientes rentables. La minera de datos tambin est siendo utilizada por
Fleet Bank, Boston, para identificar a los mejores candidatos para ofertas de fondos mutuos. El banco analiza
datos demogrficos de clientes y datos de cuentas a lo largo de diferentes lneas de productos para determinar
cules clientes pueden invertir en un fondo mutuo, y esta informacin se utiliza para apuntar a esos clientes. El
centro de atencin al cliente de Costa Oeste del servicio de atencin al cliente de Bank of America tiene a sus
representantes listos con perfiles de clientes reunidos a partir de la minera de datos para lanzar nuevos productos
y servicios que son los ms relevantes para cada persona seleccionada.
Los banqueros hipotecarios tambin se preocupan por retener a los clientes. El programa utiliza tecnologas de
Internet de vanguardia, modelos predictivos y marketing dirigido al cliente para permitir a los prestamistas
identificar nuevos clientes y retener aquellos que ya tienen.
DM EN LA INDUSTRIA MINORISTA.
La industria minorista tambin se da cuenta de que es posible obtener una ventaja competitiva utilizando la
minera de datos. Los minoristas han estado recolectando enormes cantidades de datos a lo largo de los aos, Al
igual que la industria bancaria, y ahora tienen la herramienta necesaria para ordenar estos datos y encontrar tiles
piezas de informacin. Para los minoristas, la minera de datos se puede utilizar para proporcionar informacin
sobre las tendencias de ventas de productos, Los hbitos y preferencias de compra de los clientes, los plazos de
entrega de los proveedores y las prestaciones de entrega, las variaciones estacionales, los periodos de trafico
mximo de los
Clientes, y Datos predictivos similares para tomar decisiones proactivas. Estos son algunos ejemplos de cmo la
industria minorista ha estado utilizando la minera de datos eficazmente.
Marketing: Una de las reas ms utilizadas de la minera de datos para la industria minorista, como en la industria
bancaria, es la comercializacin. El anlisis de cesta de mercado es un mtodo de marketing utilizado por muchos
minoristas para determinar ubicaciones ptimas para promover los productos. En pocas palabras, es el estudio De
los datos de movimientos de acciones al por menor registrados en un punto de venta (PoS) -para apoyar las
decisiones sobre el espacio en estanteras Asignacin, disposicin de la tienda, localizacin del producto y
efectividad de la promocin. De hecho, utiliza informacin sobre los productos ya comprados por los clientes
para predecir qu productos podran comprar si se les ofrecen ofertas especiales o incluso si se les acaba de dar a
conocer los productos. Saber dnde localizar los productos y promoverlos eficazmente puede aumentar las ventas
de la tienda.
Otra tctica de marketing empleada por muchas tiendas minoristas es el uso de tarjetas de "lealtad". Recompensar
a los clientes que son compradores frecuentes les anima a hacer an ms de sus compras en esa tienda, y hacer
que sean menos propensos a comprar en tiendas competidoras. Impresoras de cupones en las cajas de venta de
supermercados proporcionan una forma adicional de dirigirse a los clientes.
Estas impresoras son beneficiosas para los gerentes de marca que pueden no saber qu clientes a orientar para su
marca de productos. La impresora de cupones en el mostrador de salida puede ser programada para imprimir un
cupn para su marca en particular cuando se compran ciertos productos.

Gestin de Riesgos: La gestin de riesgos es otra rea en la que la minera de datos se utiliza en la industria
minorista. Sin embargo, no tanto se ha hecho investigacin en esta rea como en otras reas. Las organizaciones
minoristas utilizan la minera de datos para entender qu productos pueden ser vulnerables a ofertas competitivas
o cambiar los patrones de compra de clientes. Los patrones de compra anteriores de los clientes se analizan para
identificar aquellos clientes con productos bajos o de marca lealtad. La minera de datos permite a los minoristas
mantenerse competitivos y reducir los riesgos al ayudarlos a comprender lo que sus clientes realmente estn
haciendo. Los minoristas pueden entonces dirigirse a los clientes que tienen ms probabilidades de comprar una
determinada marca o producto y tambin ser capaces de promover productos en las tiendas donde y cuando se
necesitan.
La mayora de los bancos de los pases en desarrollo (particularmente en el sector pblico) no suelen explotar su
"activo" de informacin para obtener valor comercial a travs de la minera de datos y obtener ventaja competitiva.
Sin embargo, con la liberalizacin progresiva de las normas de entrada para los bancos multinacionales privados
y extranjeros, en el marco del AGCS de la OMC, la presin competitiva sobre los bancos nacionales est
aumentando.
Deteccin de fraude: Las industrias minoristas tambin deben ser conscientes de que la deteccin de fraudes es
absolutamente necesaria. El fraude que ocurre en los terminales PoS es una preocupacin para los minoristas,
pero esto puede reducirse utilizando la minera de datos. Se estima que el 38% de la reduccin al por menor ocurre
debido a empleados deshonestos. Y con alrededor de 25 pases de cada Rupia encogible rastreable al fraude PoS,
no es de extraar que los minoristas siguen buscando maneras de reducir el nmero de cajeros deshonestos.
Algunos supermercados han comenzado a utilizar sistemas de televisin en circuito cerrado (CCTV)
digitalizados, junto con la minera de datos PoS, para permitir que los gerentes de prevencin de prdidas
minoristas den a conocer el robo de cajeros y el sweet-hearting (es el tipo ms comn de robo de empleados,
entrega no autorizada de la mercanca sin cargo a un cliente "querido" por el escner falso o anillo de mercanca
por el cajero), reunir pruebas convincentes y tratar estas situaciones como cuestin de rutina. Los gerentes deciden
qu constituye un comportamiento sospechoso y envan software para detectarlo. Esto se denomina "informes
basados en excepciones". El sistema seala las transacciones PoS que son las ms susceptibles al fraude -
reembolsos, crditos, descuentos, anillos de resultados y similares - y las compila en un informe que identifica la
fecha, la hora y las cajas de salida donde se llevaron a cabo. Los gerentes pueden mirar la cinta de video para ver
exactamente lo que sucedi; ni siquiera tienen que estar cerca de la tienda.
Adquisicin y Retencin de Clientes: La minera de datos tambin puede ayudar en la adquisicin y retencin
de clientes en la industria minorista. La industria minorista se ocupa de los altos niveles de competencia, y puede
utilizar la minera de datos para comprender mejor las necesidades de los clientes. El minorista puede estudiar las
historias de compra pasadas de los clientes y saber con qu tipo de promociones e incentivos dirigirse a los
clientes. Adems, si una tienda ha visto a un nmero de personas salir e ir hacia los competidores, la minera de
datos se puede utilizar para estudiar sus historias de compras pasadas, y utilizar esta informacin para evitar que
otros clientes hagan lo mismo.

CONCLUSIN
La minera de datos es una herramienta utilizada para extraer informacin importante de los datos existentes y
permitir una mejor toma de decisiones en toda la industria bancaria y minorista. Ellos usan data warehousing para
combinar varios datos de bases de datos en un formato aceptable para que los datos puedan ser extrados. Los
datos se analizan y la informacin que se captura Se utiliza en toda la organizacin para apoyar la toma de
decisiones.
Es universalmente aceptado que muchas industrias (incluyendo la banca, el comercio minorista y las
telecomunicaciones) estn utilizando la minera de datos con eficacia. Indudablemente, la minera de datos tiene
muchos usos en las industrias. Sus aplicaciones prcticas en reas como el anlisis de los resultados mdicos, la
deteccin de fraude de tarjetas de crdito, la prediccin del comportamiento de compra de los clientes, la
prediccin de los intereses personales de los usuarios de la web, la optimizacin de los procesos de fabricacin,
etc. Tambin ha conducido a un conjunto de fascinantes cuestiones cientficas sobre cmo las computadoras
pueden aprender automticamente de la experiencia pasada. La industria minorista tambin est dndose cuenta
de que la minera de datos podra darles una ventaja competitiva.
La mayora de los bancos de los pases en desarrollo (particularmente del sector pblico) no suelen explotar su
"activo" de informacin para obtener el valor del negocio a travs de la minera de datos y obtener ventaja
competitiva. Sin embargo, con la liberalizacin progresiva de las normas de entrada para los bancos
multinacionales privados y extranjeros, en el marco del AGCS de la OMC, la presin competitiva sobre los bancos
nacionales est aumentando. Por lo tanto, la retencin y adquisicin de clientes ser un determinante importante
de las lneas de fondo de los bancos. Aquellos bancos y minoristas que se han dado cuenta de la utilidad de la
minera de datos y estn en el proceso de construir un entorno de minera de datos para su proceso de toma de
decisiones cosecharn un inmenso beneficio y obtendrn una ventaja competitiva considerable para resistir la
competencia en el futuro.
La extraccin de minerales suele implicar el uso de tcnicas predictivas de modelizacin, prediccin y
modelizacin descriptiva. Mediante el uso de estas tcnicas, una organizacin puede gestionar de forma proactiva
la retencin de clientes, identificar las oportunidades de venta cruzada y de venta, perfilar y segmentar clientes,
establecer polticas de precios ptimas y medir y clasificar objetivamente los proveedores que mejor se adapten
a sus necesidades.