ASUM-DM(MISO)

Adaptación de la Metodología ASUM-DM

Elaborado por: María del Pilar Villamil y Daniel Galindo Ruiz

¿Qué es ASUM-DM?

ASUM (por sus siglas en inglés) significa Método Unificado para Soluciones de Analítica. Extiende lo propuesto en la metodología CRISP-DM.

Es una metodología para implementar proyectos de Ciencia de Datos.

No depende de ninguna tecnología externa, es solo una forma de llevar organizadas las diversas etapas del proyecto que se propone.

Esta metodología sirve para definir estrategias y actividades a realizar para conseguir el objetivo del proyecto.

Está compuesto por tres grupos de actividades de operación principales: Analizar, diseñar, configurar-ejecutar, desplegar-operar y optimizar.

Tiene actividades de gestión de proyectos: iniciar, planear, ejecutar y cerrar.

Adaptación de etapas operativas de ASUM-DM para incluir analítica descriptiva

1. Entendimiento del negocio

11. Retroalimentación

2. Enfoque analítico

10. Despliegue de solución

3. Requerimientos de datos

9. Evaluación del modelo

4. Recolección de datos

8. Construcción del modelo

5. Entendimiento de datos

7. Preparación de datos

6. Definición producto de SW

Elaboración propia con datos tomados de: https://www.ibm.com/downloads/cas/WKK9DX51

1. Entendimiento del negocio

Esta etapa tiene como propósito entender los objetivos y requerimientos desde la perspectiva del negocio, para luego convertirlos en un problema que se pueda abordar desde la analítica.

3. Definir objetivos de analítica

2. Determinar los objetivos del negocio

5. Generar un reporte de entendimiento del negocio

4. Crear un plan de trabajo

1. Evaluar la situación actual del negocio

Paso 3

Paso 5

Paso 1

Paso 2

Paso 4

2. Enfoque analítico

En esta etapa, es necesario traducir los objetivos del negocio en metas de analítica. Esto significa darle un enfoque estadístico, de minería de datos o aprendizaje automático, entre otros, para lo cual se debe hablar en términos de tareas de analítica como describir, predecir, segmentar, clasificar, encontrar relaciones entre los datos, entre otros. Estas metas están limitadas por el tiempo del proyecto y sus recursos, al igual que por la disponibilidad y calidad de los datos.

5. Entendimiento de datos

Esta etapa es clave ya que revisa detenidamente la información que dispone el negocio, la cual será usada para realizar las tareas de analítica requeridas. En esta etapa se accede a los datos y se exploran antes de prepararlos. Un buen desarrollo de esta etapa ahorra problemas en el futuro.

1. Recolectar datos iniciales

5. Escribir un reporte de entendimiento de datos

2. Describir los datos

3. Explorar los datos

4. Verificar la calidad de datos

Paso 5

Paso 1

Paso 3

Paso 2

Paso 4

6. Definir producto de software

En esta etapa se hace la definición y diseño del componente de software que se usará como producto final para presentar a los usuarios. Estos componentes, típicamente tableros de control se diseñan en función de los objetivos de analítica definidos previamente. En esta etapa, se realiza también el diseño de la arquitectura del software con la que se realizará el proceso ETL y el diseño a nivel del estilo de arquitectura del proceso de ETL.

1. Refinar los requerimientos para la aplicación

3. Construir el reporte

2. Diseñar la arquitectura de software y bocetos

Paso 1

Paso 2

Paso 3

7. Preparación de datos

Esta etapa es por lo general la más larga del proyecto de analítica ya que, en la mayoría de organizaciones, los datos no tienen el nivel de calidad requerida para este objetivo. Adicionalmente, es posible que se hayan pasado algunos problemas por alto en las etapas previas de entendimiento del negocio y entendimiento de datos, lo que puede ocasionar inconvenientes en esta etapa. En esta etapa incluiremos el refinamiento del diseño del proceso ETL y su implementación, al igual que la creación del modelo de datos para definir el esquema de la bodega de datos para aplicaciones de analítica 1.0.

1. Seleccionar datos

6. Escribir reporte sobre preparación de datos

3. Complementar datos

2. Limpiar datos

4. Integrar datos

5. Unificar formato de datos

Paso 1

Paso 2

Paso 3

Paso 5

Paso 4

Paso 6

8. Construcción del modelo

Esta etapa tiene como fin construir componentes analíticos que permitan cumplir las metas analíticas propuestas previamente. Esto se realiza de forma iterativa y puede requerir volver a la etapa de preparación de datos, para mejorar el resultado.

1. Seleccionar técnicas de modelado

3. Construir el modelo y la aplicación

2. Diseñar las pruebas

Paso 3

Paso 1

Paso 2

9. Evaluación del modelo

Esta etapa consiste en evaluar si los componentes analíticos generados y probados en la etapa anterior son apropiados para el negocio, teniendo en cuenta los criterios de éxito definidos por éste previamente.

1. Evaluar los resultados

2. Repasar el proceso

Paso 2

Paso 1

Referencias

• IBM Analytics (Junio de 2015). Metodología Fundamental para la Ciencia de Datos. https://www.ibm.com/downloads/cas/WKK9DX51

• IBM. ASUM-DM Teaser.

http://gforge.icesi.edu.co/ASUM-DM_External/index.htm#cognos.external.asum-DM_Teaser/deliveryprocesses/ASUM-DM_8A5C87D5.html​