R3. Data Mining

Universidad Virtual del Estado de Guanajuato

Irving Josue Hijar Márquez Matricula: 21022623 Modulo: Análisis de datos Reto: 3 Data Mining Fecha: 13/12/2023

Data Mining

«El precio de la luz es menor que el costo de la oscuridad.» – Arthur C. Nielsen

Preguntas

Ejemplo 1

Preguntas

Ejemplo 2

Referencias

Conclusiones

Cuadro comparativo

Preguntas

¿Qué es el data mining? El data mining es un proceso por medio del cual se descubren patrones significativos y útiles a partir de una gran cantidad de conjunto de datos. Utilizamos técnicas de análisis estadístico, además de aprendizaje automático, visualización de datos para identificar tendencias y relaciones las cuales pueden ser utilizadas para la toma de decisiones. ¿Cuáles son los orígenes del data mining? El origen del data mining se remonta a la década del 1960, cuando se comenzaron a desarrollar técnicas para analizar grandes volúmenes de datos, sin embargo, en la década de 1980 experimento un salto significativo ya que se desarrollo la base de datos relacionales, y además se impulso en los años 90s con la consolidación del data warehouse ¿Cuáles son las fuentes que pueden ser integradas en el data mining? Las fuentes que pueden ser integradas en el data mining incluyen datos transaccionales, datos de ventas, datos de inventario, datos de comportamiento del cliente, datos de redes sociales, datos de CRM, datos de ERP, entre otros.

¿Cómo son aplicados los métodos científicos en el data mining? Los métodos científicos en el data mining se aplican a través de técnicas de análisis estadístico, aprendizaje automático, modelado predictivo, clasificación, agrupamiento y visualización de los datos. herramientas para visualizar datos de resultados del data mining según la arquitectura. 1. Tableau: Es una herramienta de visualización de datos que permite crear visualizaciones interactivas y paneles de control. Es ampliamente utilizada en la industria para presentar y analizar datos de data mining de manera efectiva. Ofrece capacidades avanzadas de visualización que facilita la compresión de los patrones y la tendencia de datos 2. Power BI: Herramienta de análisis de datos de Microsoft que proporciona visualizaciones interactivas y capacidades de business intelligence la cual permite a los usuarios crear informes y paneles interactivos para visualizar y compartir los resultados del data mining de manera efectiva. 3. Weka: ofrece capacidades avanzadas de visualización de datos que cuenta con varias herramientas visuales que refuerzan la analítica recogida, lo que la hace ideal para la visualización de resultados del data Minig. También es conocida por su capacidad de procesamiento y visualización de datos de manera efectiva.

Ejemplo 1

Una empresa minorista busca mejorar la precisión de sus pronósticos de demanda para optimizar la gestión de inventario y la planificación de la cadena de suministro.

• Fuentes de datos: Datos transaccionales, datos de ventas, datos de inventario
• Servidor para el deposito de datos: Almacenamiento de datos transaccionales y ventas
• Motor de minería de datos: uso de algoritmos de aprendizaje automático para el análisis predictivo
• Módulo de evaluación de patrones: Medición de la precisión de las predicciones.
• Interfaz grafica de usuario: Acceso a herramientas de visualización de datos
• Bases de conocimiento: Incorporación de conocimientos del dominio minorista.

Ejemplo 2

Una institución financiera busca detectar y prevenir actividades fraudulentas en sus transacciones.

• Fuentes de datos: Datos transaccionales, registros de actividad, perfiles de usuarios.
• Servidor para el depósito de datos: Almacenamiento de datos transaccionales y registros de actividad.
• Motor de minería de datos: Implementación de modelos analíticos avanzados.
• Módulo de evaluación de patrones: Identificación de comportamientos fraudulentos.
• Interfaz gráfica de usuario: Plataforma de monitoreo en tiempo real.
• Base de conocimiento: Integración de reglas de negocio y patrones de comportamiento fraudulentos.

Conclusiones

Tratando de llevar el reto al límite, mi mejor diseño sería una solución de minería de datos la cual integre fuentes de datos de ERP´s, CRM´s, Content Management y redes sociales, para poder ofrecer análisis predictivos avanzados y detección de patrones relevantes, también debo de incluir la capacidad de comprender las reacciones de los clientes en las redes sociales. Al observar el poder económico de los clientes y la presencia de distintos competidores, el enfoque que tendría seria destacar la capacidad de mi solución para proporcionar la informacion detallada además de procesable que impulse la toma de decisiones estratégicas y la ventaja competitiva

Al realizar las actividades en este reto sentí un gran desafío y tuve que motivarme para ofrecer soluciones creativas y efectivas para que los clientes hipotéticos, además de tatar de encontrar un problema para resolver. Descubrí que debemos de considerar las necesidades y capacidades de todos los clientes que podamos tener. Así como que tenemos presencia de competidores la cual nos obliga a ofrecer un servicio más llamativo.

Los estándares de la industria vistos en el data Minig, refleja la importancia de la integración de fuentes de datos variadas, la implementación de monotes de minería de datos avanzados y la utilización de interfaces de usuarios intuitivas para la toma de decisiones informadas, ademas de que estos estándares nos proporcionan un marco solideo para el desarrollo de soluciones de minería de datos efectivas y orientadas a resultados.

Considero que el cuadro comparativo si fue de ayuda ya que me enriqueció mis perspectivas respeto al data mining para adaptar las soluciones a las necesidades especificas de cada cliente además de considerar la influencia de factores como la disponibilidad de datos, evaluación de patrones e interfaz de usuario.

Referencias

Bello, E. (2023, 31 octubre). ¿Qué es el minado de datos o data Mininig? técnicas y pasos a seguir. Thinking for Innovation. https://www.iebschool.com/blog/data-mining-mineria-datos-big-data/Corporativa, I. (s. f.). Descubre cómo el «data mining» predecirá nuestro comportamiento. Iberdrola. https://www.iberdrola.com/innovacion/data-mining-definicion-ejemplos-y-aplicaciones Equipo editorial de IONOS. (2023, 1 marzo). Software de data mining: realiza análisis de datos más efectivos. IONOS Digital Guide. https://www.ionos.mx/digitalguide/online-marketing/analisis-web/software-de-data-mining-las-mejores-herramientas/