Data Mining
Técnicas de anticipación
Detección de patrones ocultos
Es el proceso de selección, exploración y modelización de grandes cantidades de datos para descubrir y obtener beneficios de patrones de negocio previamente desconocidos, busca los patrones ocultos de la información.
La minería de datos (data mining) es el método bottom-up que se está siendo más popular como mecanismo de análisis de datos para tomar las mejores decisiones.
La técnica utilizada es el modelado, que es el acto de construir un modelo en una situación donde conocemos la respuesta y la aplicamos en otra situación similar de la cual no conocemos la respuesta.
Las organizaciones pueden aplicar técnicas de minería de datos para revelar tendencias, explicar consecuencias conocidas, predecir futuras consecuencias e identificar factores que puedan llevar a resultados deseables (más ingresos, reducir costes, gestionar riesgos o responder proactivamente a las necesidades de un mercado cambiante).
Las tareas de data mining pueden ser principalmente clasificadas en:
1. Descriptivas: describen nuevos patrones en los datos y requieren interacción humana para determinar el significado y la trascendencia de estos patrones. Ejemplos: la agrupación por afinidad (que ítems van juntos), clustering (pequeños grupos basados en similitud) o visualización (representación gráfica de los datos).
2. De Predicción: recaban información que automáticamente será aplicada a los nuevos datos. El término “predicción” no debe ser tomado literalmente, porque el data mining solo puede apuntar a la probabilidad de un resultado, no puede predecir un comportamiento individual. Ejemplos: clasificación (asignar a una categoría específica, definida por el modelo) y estimación (asignar un nuevo registro con un valor de predicción).
3. Combinaciones de técnicas descriptivas y de predicción.
