UNIVERSIDAD SAN IGNACIO DE LOYOLA

FACULTAD DE INGENIERÍA CIVIL

TEMA: DATA MINING

CURSO: Marketing

BLOQUE: FC-PRECIV10H1T

Docente: CALDERON REGJO, Arturo Edd

Presentado por:

- Ayala Salvador Karen 1420810

- Jimenez Estrada Abad Diodoro 1521171
- Quispe Vasquez, Jakelyn Soledad 1421414
- Pallarco Gonzale Kevin 1421323
- Sinsaya Aukgaphuro, Santiago Eleazar 1321389

Lima – Perú

2018

0
 INDICE
DATA MINING............................................................................................................................................ 3
1. DEFINICION .................................................................................................................................... 3
2. EVOLUCION DEL DATO MINING ............................................................................................. 4
3. CARACTERÍSTICAS DE DATA MINING .................................................................................... 5
4. CASOS DE LA DATA MINING ..................................................................................................... 6
4.1. APLICACIÓN DE DATA MINING EN LAS EMPRESAS. ................................................... 6
4.2. DATA MINING EN LA CAMPAÑA DE OBAMA. ............................................................... 7
4.3. GESTIÓN DE BANCOS DE ADN. ......................................................................................... 7
5. CONCLUSIONES ............................................................................................................................ 9
6. REFERENCIAS BIBLIOGRAFICAS .............................................................................................. 9

1
 INTRODUCCION

El presente trabajo trata de brindar información acerca de un Tecnología denominado “Data

mining” que en español es Minería de datos o exploración de datos, que intenta descubrir patrones
que permitan seleccionar y recopilar información importante de una base de datos.

Actualmente es de mucho interés para grandes compañías privadas que requieren encontrar de
manera inmediata información pertinente teniendo una gran cantidad de datos, archivos,
documentos, etc.

Se la puede aplicar en diferentes campos, cuando se requiere realizar una investigación. El Data
Mining es una de las principales herramientas que se utilizan dentro de los programas de gestión
del conocimiento como soporte a la toma de decisiones. El fin es la extracción
de información oculta o análisis de datos mediante técnicas estadísticas de grandes bases de
datos. Las herramientas de data Mining o minería de datos pueden responder a preguntas
de negocios empresariales a priori no planteadas o que pueden consumir demasiado tiempo para
ser resueltas. Las técnicas de data Mining se centran en analizar el gran volumen de datos. En
definitiva, la minería de datos es una tecnología usada para descubrir información oculta y
desconocida, pero potencialmente útil, a partir de las fuentes de información de la propia empresa.
Obtiene un conocimiento de un negocio, utilizando técnicas de clustering, redes
neuronales, árboles de decisión y reglas de asociación etc.

2
 DATA MINING

1. DEFINICION

Data mining se ha convertido en un tema de amplio interés, para lo cual tomaremos las
definiciones de autores reconocidos y destacados en el tema.

Según Virseda F. (2016) data mining es "un proceso no trivial de identificación válida,
novedosa, potencialmente útil y entendible de patrones comprensibles que se encuentran
ocultos en los datos". Robert Blum (2002) también define al data mining como "la
integración de un conjunto de áreas que tienen como propósito la identificación de un
conocimiento obtenido a partir de las bases de datos que aporten un sesgo hacia la toma
de decisión”. Del mismo modo según Gestiopolis; data mining “es el proceso de analizar
datos desde diferentes perspectivas para convertirlos en información útil que se puede
utilizar para, por ejemplo, aumentar ingresos, recortar costes, etc.” La idea de data mining
no es novedosa. Ya desde el siglo pasado los especialistas tenían términos como data
fishing, data mining o data archaeology con la finalidad de encontrar proporciones sin
una hipótesis previa en base a tema específico. A inicios de los ochenta, Rakesh Agrawal,
Gio Wiederhold y Gregory Piatetsky-Shapiro, empezaron a consolidar los términos de
data mining y KDD. A finales de los años ochenta sólo existían dos empresas
involucradas a esta tecnología; para el 2002 las cifras aumentaron increíblemente; había
más de 100 empresas a nivel mundial que ofrecían cerca de 300 alternativas de solución.
El tema de debate sobre data mining las forman investigadores de más de ochenta países
del mundo. Esta nueva tecnología ha sido un buen punto de encuentro entre personas que
pertenecen al ámbito académico y sobre todo al de los negocios. El data mining es una
tecnología compuesta por etapas que involucra varias áreas y que no se debe verlo como
con un gran software. Durante el desarrollo de un proyecto de este tipo se usan diferentes
aplicaciones software en cada etapa que pueden ser estadísticas, de visualización de datos
o de inteligencia artificial. Hoy en dia existen muchas herramientas comerciales de data
mining muy sofisticadas que ayudan el desarrollo de un proyecto. Sin embargo,
generalmente siempre acaban complementándose con otra herramienta.

3
 2. EVOLUCION DEL DATO MINING

La evolución se dio por el avance del sociedad conjuntamente con la tecnología en la

ámbito empresarial, todo se ha dado de forma natural. Década a década se han dado
avances importantes en cuanto al suministro de información y desarrollo de sistemas de
administración de bases de datos. A continuación un breve resumen de lo que hasta ahora
conocemos como data mining.

 1960: informes en procesos batch

 1970: primeros dss (decisión supoprt system)
 1980: acceso a datos y herramientas de análisis integradas
 1990: almacenes de datos y herramientas olap
 2000: herramientas de minería de datos y simulación.

A fines de los ’90 los computadores se hacen más baratos y comienzan a estar presentes
en todas las empresas, aún las más pequeñas. En este contexto, por primera vez hay
disponibles computadores a precios razonables para procesar los datos existentes, lo que
impulsa con fuerza a una nueva disciplina conocida como minería de datos o data mining,
la que promete ser la solución para extraer el conocimiento útil que está escondido en los
datos. Así, muchas empresas invierten en áreas llamadas de inteligencia de negocios, el
concepto se hace popular y el problema parece resuelto.

No obstante, desde esa época el mundo ha cambiado mucho, los precios de los
computadores siguieron bajando y la tecnología penetró en lo más profundo de nuestra
cotidianidad. En la actualidad, tenemos computadores integrados en teléfonos,
televisores, cámaras fotográficas y hasta en automóviles, todos ellos registrando
información útil.

Asimismo, el uso masivo de computadores conectados a internet significó un cambio

profundo en nuestros hábitos. A diario recurrimos a google para buscar información, a
Facebook para saber de nuestros amigos y nos ponemos nerviosos si no leemos nuestro
correo electrónico varias veces en el día.

Por otro lado, la masificación de los medios electrónicos por sobre los medios ha
cambiado radicalmente el panorama de los medios de comunicación, tanto en el acceso
como en la generación de contenido de libros, música, fotografía y video.

4
Si bien la capacidad de proceso de los computadores sigue creciendo a ritmo habitual, el
cambio cultural global genera nueva información útil a una velocidad mucho mayor que
nuestros avances en la capacidad de procesarla.

Se han realizado grandes avances en disciplinas como máquinas de aprendizaje

automático y procesamiento paralelo de computadores, las que prometen a futuro resolver
el problema. Sin embargo, hoy las empresas cuentan con más información útil fuera de
sus datawarehouses que dentro de ellos, debido a que la conducta de los clientes se
registra mucho más fielmente en videos de tienda, grabaciones telefónicas y comentarios
en Facebook que en las transacciones de caja. De esta manera, quienes sean capaces de
usar esa información antes lograrán una ventaja competitiva importante.

De momento, la única manera efectiva de extraer valor es seleccionar la fracción útil de

los datos y transformarlos a un formato analizable por las herramientas de data mining
disponibles. Hoy en día, esta tarea es realizable únicamente por un ser humano capaz
de comprender en profundidad la problemática que la empresa busca resolver y el
contexto de negocio en el cual se encuentra inmersa. Paradójicamente, el avance
tecnológico parece llevarnos de vuelta a re-valorar las capacidades humanas. (Diario TI
02/01/13, por José Lipari, director consultor de Formulisa.)

3. CARACTERÍSTICAS DE DATA MINING

a) Seleccionar y recopilar información interesante entre grandes cantidades de datos.

b) Exploración de información almacenada durante varios años.
c) Fácil de implementar, rápido y barato.
d) Las herramientas fácilmente combinables, analizables y rápidamente procesables.
e) Suele tener una arquitectura cliente/servidor.
f) Las herramientas de la minería de datos ayudan a extraer el mineral de la
información enterrado en archivos corporativos o en registros públicos, archivados.
g) El minero es, muchas veces un usuario final con poca o ninguna habilidad de
programación, facultado por barrenadoras de datos y otras poderosas herramientas
indagatorias para efectuar preguntas para este propósito y obtener rápidamente
respuestas.

5
h) La minería de datos produce cinco tipos de información:
 Asociaciones.
 Secuencias.
 Clasificaciones.
 Agrupamientos.
 Pronósticos.

4. CASOS DE LA DATA MINING

4.1.APLICACIÓN DE DATA MINING EN LAS EMPRESAS.

Data mining tienes aplicaciones muy valiosas para las empresas. Su utilidad está en
filtración y estudio de datos internos que pueden ayudar a las empresas a replantear sus
estrategias.

Tamaño de las audiencias televisivas.

Las compañías televisas cuentan con un tipo sistema que es capaz de predecir el tamaño
de teleaudiencias, que les permite mostrar la hora optima de emisión para cada
teleaudiencia como es el caso de British Broadcasting Corporation (BBC) del Reino
Unido.

6
Es por eso BBC está en constante actualización de datos ya que conoce que series,
películas, etc. Es más visualizado en un determinado hora, de esta manera puede
determinar que criterios deben aplicarse para la transmisión de cada programa.

4.2. DATA MINING EN LA CAMPAÑA DE OBAMA.

Aunque en la actualidad Barack Obama ya no ejerce el poder sobre EE. UU. Barack
Obama durante su campaña utilizo data mining para lograr su posesión sobre la población.
Puso a trabajar a un grupo de expertos en este tema que se encargaban de investigar las
bases de datos propias del partidos, seguidores y militantes incluso las fuentes públicas e
institucionales y las redes sociales.

En resultado de análisis fue exitoso para invertir en el marketing, luego de esto debían de
definir las horas a las que tendrían mayor efecto de mensajes y los canales más
apropiados. Al final se hiso un sondeo de popularidad a todo el miembro de su partido,
con el fin de descubrir quién sería la persona más adecuada para acompañarlo a cada
sesión.

4.3. GESTIÓN DE BANCOS DE ADN.

La tecnología no solo está en el desarrollo de telecomunicaciones también está presente

en los avances médico. Un proyecto basado en Data Mining se puso en marcha Para
gestionar los datos que se almacenaban en distintos bancos de ADN.

7
La finalidad de este programa es determinar vínculos biológicos, identificar personas a
partir de marcadores genéticos y buscar patrones genéticos comunes a un conjunto de
muestras.

8
 5. CONCLUSIONES

El Data Mining (minería de datos), es el conjunto de técnicas y tecnologías que permiten

explorar grandes bases de datos, de manera automática o semiautomática, con el objetivo
de encontrar patrones repetitivos, tendencias o reglas que expliquen el comportamiento
de los datos en un determinado contexto.

En resumen, el Data Mining se presenta como una tecnología emergente, con varias
ventajas: por un lado, resulta un buen punto de encuentro entre los investigadores y las
personas de negocios; por otro, ahorra grandes cantidades de dinero a una empresa y abre
nuevas oportunidades de negocios. Además, no hay duda de que trabajar con esta
tecnología implica cuidar un sinnúmero de detalles debido a que el producto final
involucra "toma de decisiones".

6. REFERENCIAS BIBLIOGRAFICAS

 José Lipari, director consultor de Formulisa, Diario TI 02/01/13

https://diarioti.com/evolucion-de-data-mining-en-un-mundo-con-cada-vez-mas-
datos/59594.
 blogs, S. (2011). Principales características y objetivos de la Minería de Datos.
Obtenido de http://dataminingsenatics.blogspot.pe/p/principales-caracteristicas-
y-objetivos.html
 web, D. c. (2016). Características de data mining. Obtenido de
http://datosconciencia.com/caracteristicas-data-mining/
 https://culturacrm.com/data-mining/data-mining-casos-exito/

 https://www.esan.edu.pe/apuntes-empresariales/2017/08/cuatro-interesantes-

aplicaciones-empresariales-de-data-mining/