El "data mining" se extiende a todos los públicos
Nacida en los años noventa, la minería de datos o el data mining está experimentando un fuerte auge en el mercado, especialmente en aquellas organizaciones para las que es vital extraer valor de la información que manejan. De hecho, la minería de datos (como se denomina en español esta tecnología) no persigue otra cosa que descubrir lo que no es evidente, lo que no se ve. Como en una mina, sacar a la luz lo que es valioso pero no está a la vista.
Las bases de esta tecnología se encuentran en la inteligencia artificial y en el análisis estadístico. Mediante los modelos extraídos utilizando técnicas de minería de datos se aborda la solución a problemas de predicción, clasificación y segmentación. Son múltiples las entidades que ya se han lanzado a utilizar este tipo de herramientas en nuestro país. Además de las compañías financieras, otras empresas de gran tamaño y con un enorme número de clientes, como del área de telecomunicaciones, del ámbito de la distribución, del ocio, etc., y un sinfín de organismos públicos son ya habituales usuarios de estas tecnologías. Y es que, gracias a las tecnologías de minería de datos los directivos pueden descubrir información de sus clientes que antes desconocían y que es muy útil de cara a la toma de decisiones importantes de negocio. Además, los sistemas de data mining posibilitan mejorar notablemente la eficacia de las actuaciones comerciales al adaptarlas más a las necesidades reales de los clientes.
Aplicaciones del data mining
Pero, ¿qué permite exactamente la tecnología de minería de datos? Una de las cosas que posibilita es clasificar la información, pero hacerlo en base a un comportamiento esperado, a una predicción. En este sentido, una de las técnicas más versátiles y potentes de data mining es la técnica de árboles de decisión y un algoritmo concreto es el C4.5. Sobre la base de un aprendizaje previo (es un sistema asistido) en el que se entienden las reglas de clasificación actual, es capaz de aplicar, de proyectar al resto del universo de los datos esas reglas aprendidas (modelización) para obtener una posible clasificación futura.
El resultado final es la devolución de un valor previsto discreto futuro. O lo que es lo mismo, para traducir esta teoría en ejemplos prácticos, la minería de datos nos permite saber si un cliente nos abandonará o no; qué productos podemos recomendar a un cliente; en una campaña de marketing nos permite predecir el canal ideal para comunicarnos con cada cliente; predecir si un cliente responderá o no a una campaña; en auditoría interna, podríamos saber qué transacciones pueden ser fraudulentas para investigarlas…
Las herramientas de data mining son las únicas que permiten encontrar rápidamente grupos dentro de un universo grande de datos, conocer qué los diferencia. Hacen posible la segmentación de los datos, la agrupación de los clientes, los pacientes, los delitos, las visitas a la web, etc. Pensemos que agrupar teniendo en cuenta más de una variable no es algo trivial. Intentar obtener grupos de características similares de entre un universo grande de datos no es tarea fácil.
Una correcta ‘clusterización’ o agrupación es lo que nos permitirá gestionar de manera singular cada uno de los grupos y por tanto podremos tomar decisiones más rigurosas, más precisas. Por ejemplo, si queremos analizar el grupo de personas que han fallecido habiendo tomado un medicamento, es posible que al agrupar datos nos encontremos con grupos de características distintas (edad, número de pastillas dispensadas, tiempo del tratamiento, etc.). Las conclusiones sobre niños o ancianos serán distintas si ‘clusterizamos’ que si pretendemos tomar decisiones sin haberlo hecho. Por otro lado, ¿en qué límite de edad un niño se comporta como adulto o se comporta como anciano? El método K-means es el que nos va a determinar el punto preciso en que las edades se agrupan y se asocian a otras variables.
Democratización de las técnicas analíticas
Pero, a pesar del enorme valor de las herramientas de análisis predictivo de cara a la toma de decisiones en las organizaciones, no ha sido hasta hace unos años cuando éstas se han empezado a extender en el mercado. ¿Cuál es el motivo? “Explotar la información que se genera en las plataformas tradicionales de data mining es complicado –asevera Josep Arroyo, CEO de Quiterian–. Requiere que las personas que manejen estas plataformas tengan conocimientos estadísticos avanzados. Por ello, con el objetivo de democratizar el análisis predictivo y permitir a los usuarios de negocio la explotación de los datos en aras de mejorar su toma de decisiones hemos incluido técnicas de data mining en Dynamic Data Web (DDWeb), una plataforma de análisis dinámico 100% web, sencilla para cualquier usuario de negocio. Quiterian es la única empresa que lo ha hecho. Esto nos posiciona en el mercado de software de BI como la única plataforma de análisis dinámico predictivo, con técnicas analíticas avanzadas muy fáciles de utilizar y al instante, sin esperas, al momento”. En este sentido, como explica Arroyo, si una empresa quiere, por ejemplo, llevar a cabo una campaña y hacer ‘n’ grupos target en función de, por ejemplo, nivel de renta, número de hijos y rentabilidad, DDWeb lo permite. Asimismo, si se quiere agrupar las averías de la red de metro en función de la hora de la avería, del tiempo empleado en la reparación y el coste, es posible, como lo es agrupar a pacientes según el tratamiento farmacéutico en función del número de recetas y coste o agrupar pacientes con una patología concreta en virtud de la edad, número de estancias, días de estancia, etc.
| Para qué sirve el análisis predictivo |
| - Análisis de cesta de mercado: permite descubrir qué objetos tienden a ser comprados juntos para crear recomendaciones y definir su posicionamiento. - Detección de patrones de fuga: posibilita anticipar qué clientes pueden estar considerando cancelar su servicio e identificar los beneficios que podrían retenerlos. - Análisis de mercado: para definir los segmentos de mercado, identificando perfiles de clientes automáticamente. Buscar perfiles de clientes rentables. - Proyeccion TE PUEDE INTERESAR...
Sociedad de la información Los ataques por phishing causan perdidas por 5.900 millones de dólares en 2013 
Sociedad de la información DiskStation Manager 5.0 Beta, transforma el alojamiento cloud de Synology 
Sociedad de la información España, destino de un nuevo plan de ingeniería y diseño de procesos de Sogeti y Capgemini 
Sociedad de la información La facturación de EMC alcanza doble dígito en USA, EMEA y Latinoamérica durante 2013 Una familia modelo. La Flaca 20-2-187009 MAY 2023 
Tendencias
Miguel Udaondo, Presidente de la AEC08 MAY 2023 
ACTUALIDAD
Día de la Virtualización de servidores06/05/2021 10:30:00 
Coffee Break
|
