MINERIA DE DATOS

La minería de datos puede definirse inicialmente como un proceso de descubrimiento de nuevas y significativas relaciones, patrones y tendencias al examinar grandes cantidades de datos. La disponibilidad de grandes volúmenes de información y el uso generalizado de herramientas informáticas ha transformado el análisis de datos orientándolo hacia determinadas técnicas especializadas englobadas bajo el nombre de minería de datos o Data Mining.

EL PROCESO DE KDD

1. Determinar las fuentes de información que pueden ser útiles y dónde conseguirlas.

2. Diseñar el esquema de un almacén de datos (Data Warehouse) que consiga unificar de manera operativa toda la información recogida.

3. Implantación del almacén de datos que permita la “navegación” y visualización previa de sus datos, para discernir qué aspectos puede interesar que sean estudiados.

4. Selección, limpieza y transformación de los datos que se van a analizar. La selección incluye tanto una criba o fusión horizontal (filas) como vertical (atributos).

5. Seleccionar y aplicar el método de minería de datos apropiado.

6. Evaluación, interpretación, transformación y representación de los patrones extraídos.

7. Difusión y uso del nuevo conocimiento.

RECOGIDA DE DATOS

Las primeras fases del KDD determinan que las fases sucesivas sean capaces de extraer conocimiento válido y útil a partir de la información original. Generalmente, la información que se quiere investigar sobre un cierto dominio de la organización se encuentra: en bases de datos y otras fuentes muy diversas, tanto internas como externas. Muchas de estas fuentes son las que se utilizan para el trabajo transaccional.

El proceso subsiguiente de minería de datos: Depende mucho de la fuente:

OLAP u OLTP.

Datawarehouse o copia con el esquema original. ROLAP o MOLAP.

• Depende también del tipo de usuario:

‘picapedreros’ (o ‘granjeros’): se dedican fundamentalmente a realizar informes periódicos, ver la evolución de determinados parámetros, controlar valores anómalos, etc.

* ‘exploradores’: encargados de encontrar nuevos patrones significativos utilizando técnicas de minería de datos.

Recogida de Información Externa:

• Aparte de información interna de la organización, los almacenes de datos pueden recoger información externa:

...