¿Qué es la Mineria de Datos?

Hola, ¿qué tal? Eh, mi nombre es José

Manuel Armas y en el video de hoy, en la

exposición de hoy, eh vamos a tratar el

tema de la minería de datos,

específicamente titulado esta

presentación minería de datos aspectos

básicos, ya que a lo largo de ella vamos

a tratar los conceptos y fundamentos

básicos de la minería de datos, más que

todo la superficie de la minería de

datos, de manera que una persona que no

esté familiarizada con este tema no lo

conozca. Espero que al final de la

presentación tenga una idea básica de

qué es la minería de datos, para qué

sirve la minería de datos y cómo nos

podemos beneficiar de ella en el mundo

actual. Así que

comencemos. Bueno, antes de comenzar

vamos a dar una pequeña

introducción. Este, en el mundo actual

podemos decir que tenemos información

por todas partes. Esta información surge

de muchos datos. Eh, sin embargo, tener

datos y tener a posterior información,

información no implica tener

conocimiento. Eh, podemos tener muchos

datos, pero esto no no nos hace

conocedores de un tema. Entonces, ¿qué

hacer para lograr conocimiento? Bueno,

lo que se hace generalmente es aplicar

varios procesos a los datos con el fin

de obtener algo valioso, en este

caso, eh,

conocimiento. La minería de datos es uno

de estos métodos que se aplican a los

datos para poder obtener ese algo

valioso que es el conocimiento. La

minería de datos lo que hace es generar

conocimiento. Con eso podemos comenzar a

trabajar esta con esa premisa podemos

comenzar a trabajar esta exposición.

Antes de entrar a lo que es la minería

de datos en sí, debemos tocar un tema

muy importante relacionado con la

minería de datos, que es el KDD. KDD son

las siglas en inglés de knowledge,

discovery databases. Eso es la búsqueda

de descubrimiento en bases de datos.

¿Qué es el KDD?

Bueno, el KDD se puede decir que es un

proceso en el cual se identifican

patrones

útiles en los datos para obtener

posteriormente conocimiento útil, válido

y

relevante. Eh, el conocimiento que se

que resulta debe ser presentado de

manera clara y comprensible, ya que de

esta manera se puede decir que el

trabajo fue un éxito, el trabajo de

generar conocimiento. Por eso tenemos

este esquema de datos y de esos datos lo

que hacemos es identificar patrones

útiles. Antes de de adentrarnos a lo que

es el proceso en sí del KDD, es

necesario eh que veamos un tema que

forma parte del proceso del KDD, que son

los almacenes de datos o data warehouse,

como lo dice su nombre en inglés. ¿Qué

es el eh el almacén de datos? es una

colección de datos de varias fuentes que

están almacenados bajo un esquema

unitario. Eh, usualmente este esquema

unitario reside o este almacén de datos,

perdón, reside en un único lugar. Como

podemos apreciar en esta

imagen, eh

los tenemos tres bases de datos en este

ejemplo, por ejemplo, en esta imagen,

las dos rojas y esa amarilla. Lo que

hacemos es de esas tres bases de datos

que pueden estar

ubicadas en distintos puntos

geográficos, lo que hacemos es almacenar

los datos relativos al estudio que yo

voy a realizar o los datos importantes

de esas distintas bases de datos en un

almacén que es representado por la por

el símbolo azul. Ese es el almacén de

los datos. Entonces, ¿de qué me

beneficio yo teniendo un almacén de

datos? Bueno, de que lo que me tomaría

mucho tiempo y recursos a la hora de

trabajar con distintas bases de datos

separadas, inclusivamente

geográficamente, lo voy a lo a ganar,

voy a a ganar tiempo y ahorrarme

recursos si yo trabajo solamente con un

almacén de datos donde se encuentren los

datos relativos o a mi a mi análisis, al

trabajo que estoy realizando, ya que los

voy a encontrar en un único en un único

lugar.

Vamos, ahora sí, una vez visto qué es el

almacén de datos, vamos a ver cómo se

usa este almacén de datos o qué parte en

en qué

parte se es relativo en el proceso del

KDD. En esta imagen podemos ver que el

proceso del KDD en general, el KDD

comienza con eh datos, ¿verdad? Esa es

la fuente del análisis de KDD.

Posteriormente de esos datos se hace una

selección de datos que es almacenada en

el almacén de datos. Ahí donde

donde entra el almacén de datos en el

proceso del KDD. Luego eh los datos que

están en el en el almacén son

procesados, posteriormente transformados

y esas datos transformados son los que

van a hacer a servir de entrada al

proceso de minería de datos y la salida

de la minería de datos va a ser

patrones. Entonces, ¿qué qué es lo

importante de notar aquí? que la minería

de datos forma parte del proceso de KDD

y es una parte sumamente importante en

el proceso de de búsqueda de información

en bases de datos, ya que la la minería

de datos es lo que va a generar el

patrón que va a ser evaluado e

interpretado para generar como paso

final y resultado es

conocimiento. Eh, ¿para qué se usa el

KDD? Bueno, ya se mencionó más o menos

en el en el proceso, como se dijo, el KD

lo que hace es procesar, se usa para

procesar grandes cantidades de datos,

para identificar patrones relevantes en

estos datos y para

generar al final resultados que serán

convertidos en

conocimiento. Eso es de forma básica que

es el KDD o la búsqueda de

descubrimiento, el descubrimiento de

conocimiento en bases de datos. Ahora sí

podemos entrar a qué es la minería de

datos en sí. Podemos decir que la

minería de datos eh como concepto es son

o son distintos procesos y métodos

cualitativos en donde trabajamos con

grandes cantidades de datos haciendo uso

o ayudándonos de herramientas como lo

son las bases de datos, como son

herramientas y procesos estocásticos,

estadísticos y también eh ayudándonos de

sistemas y programas computacionales

para generar información. La información

es lo que se busca generar con un

proceso o al llevar a cabo un proceso de

minería de datos. Eh, usando todas estas

herramientas que mencioné y más entre

estas son algunas de las herramientas

que se pueden utilizar, vamos a sacar

información oculta en los datos y al

obtener esta información oculta en los

datos, entre comillas ocultas, ya que eh

se dice oculta porque está inmersa en

una gran cantidad de datos, vamos a

obtener como como resultado final

información. Esta información al ser

analizada y estudiada me va a generar

conocimiento. Eso es en básicamente lo

que lo que es la minería de

datos. Pero para verlo de una manera tal

vez más gráfica y más mucho más

comprensible, podemos imaginarnos esta

montaña de datos. Esta montaña está

compuesta por muchos datos, ¿verdad?

Podemos tener datos como, por ejemplo,

nombre de una persona, dirección, eh

trabajos, eh muchos muchos aspectos.

cualquier cantidad de aspectos que sean

que sean de interés para un trabajo.

Estos son los datos con los que vamos a

trabajar o los que existen en esta gran

montaña. También podemos tener en esta

montaña conjunta de datos datos del tipo

numérico, eh como por ejemplo la edad,

el peso de una persona, la temperatura

de un lugar,

eh los niveles de inflación, en fin, un

gran cantidad de ¿qué? De datos. Esta

montaña está compuesta de datos, datos,

datos y más datos. Ahora, ¿qué se desea

lograr o producir con estos datos? La

minería de datos lo que busca producir

es información. Como hemos dicho varias

veces, con esa gran cantidad de datos lo

que queremos hacer es tomar, en este

caso, viendo la montaña, es solo la

punta, es solo un trozo de esos datos,

estudiarlos, llevarlos por ciertos

métodos y procesos para generar al

final.

Entonces, espero que de esta manera se

pueda observar mejor o tal vez tendré

una mejor idea de lo que la minería, de

qué es la minería de datos. Y bueno,

ahora lo que vamos a pasar a

continuación es ver los métodos en los

cuales con los cuales nos hacemos uso

para poder generar esa información.

Entre los métodos de la minería de datos

tenemos lo que es la clasificación, el

clustering, la asociación, entre otros,

ya que podemos tener muchos más métodos,

pero bueno, yo voy a mencionar estos

tres que tal vez sean los más utilizados

y específicamente vamos a adentrarnos en

lo que es el método de de clustering.

Clustering o cluster, eh se puede decir

que es una técnica de análisis de datos

donde buscamos resolver un problema de

clasificación.

El objetivo que se tiene con el

clustering es eh ordenar datos en grupos

de forma que el nivel de asociación o

nivel de similitud entre ellos sea

fuerte. Esto lo podemos entender mejor

tal vez viendo este este

gráfico. En este gráfico cada punto

representa un dato por separado.

Entonces, ¿qué hacemos en el proceso de

clustering? Es agruparlos aquellos datos

que tengan un nivel de similitud o de

asociación fuerte entre ellos. En este

caso tenemos a partir de todos los los

datos, de todos los puntos que

representan datos, generamos tres

clusters, el rojo, el azul y el verde.

Eh, de esta. ¿Para qué hacemos esto?

Bueno, porque trabajar con tres grupos

grandes de datos es más sencillo que

trabajar con cada dato individual, cada

punto que se encuentra en este gráfico

que representa un dato individualmente.

Esto nos ahorra trabajo y reduce tal vez

el nivel de error que pueda existir el

momento de trabajar con grandes

cantidades de datos. Vamos a ver ahora

de manera global las clasificaciones del

clustering y los métodos. Tenemos entre

las clasificaciones tenemos la

jerárquica y la no jerárquica. La

clasificación jerárquica de manera

general es aquella clasificación que eh

donde la clasificación resultante tiene

un creciente, un un número creciente de

clases anidadas, mientras que la no

jerárquica, la clasificación que hacemos

no es anidada. Esto se puede investigar

más adelante con más detalle. Aquí

simplemente lo estoy mencionando para

tener una idea de las clasificaciones

del clustering. En cuanto a los métodos

tenemos el los aglomerados y los

divisivos. Los aglomerados eh son

aquellas donde tenemos vamos a tener

tantas clases como objetos se tengan que

clasificar, mientras que los divisivos

es donde se vamos a partir o si partimos

de una clase formada por todos los

objetos que se van dividiendo en las

clases sucesivamente. Esto como dije

anteriormente, simplemente para

mencionar eh una manera de definición

rápida de qué son de cuáles son las

clasificaciones y los métodos, pero si

se quiere investigar esto más a fondo,

pues eh los invito a buscar por su

propia cuenta. Esto es más general.

Bueno, entonces de esta manera vimos eh

los métodos de la minería de datos, pero

como mencioné al comienzo, antes de

entrarnos en el clustering, existen

otros métodos de la minería de datos,

otros métodos que nos logran o nos

permiten generar a partir de los datos

el objetivo final, que es la

información. Eh, vamos ahora a ver las

fases de la minería de datos. En

general, podemos nombrar cinco fases

importantes que se llevan a cabo en un

proceso de minería de datos.

La primera de ellas es la selección. La

selección, como lo dice su nombre, es

seleccionar de los datos, fuentes,

aquellos que son adecuados a nuestro

problema. Eh, si no partimos de una

buena selección de datos, entonces lo

más seguro es que nuestro resultado

final sea malo o tenga algún error.

Siempre es importante hacer una

selección adecuada de los datos para

poder pasar al siguiente paso o fase,

que es el de preprocesamiento. Este paso

es muy importante en lo que es la

minería de datos, ya que el

preprocesamiento es en consiste en

preparar previamente los datos que se

fuer que fueron seleccionados para

evitar para evitar que en un futuro o en

el proceso de trabajar con ellos existan

anomalías, evitar que existan fallas o

inconsistencias o cualquier otro aspecto

que a la larga puedan producir

resultados pobres e incorrectos. Este,

¿por qué es importante hacer esto?

Bueno, porque se eh de esta manera al

preprocesar los datos vamos a eliminar y

corregir anomalías que existan en los

datos y que puedan generar posiblemente

resultados con mala calidad. Entonces,

al yo realizar el el preprocesamiento,

lo que voy a hacer es eh no no voy a

asegurar que mis resultados sean buenos,

pero por lo menos tengo mayor

probabilidad de que los resultados que

yo genere con el proceso de minería de

datos tengan mayor calidad y me permitan

tomar decisiones con mayor calidad. Por

ende, este, ¿cómo se lleva a cabo este

este procedimiento de o este paso de del

preprocesamiento de los datos? Bueno,

podemos nombrar la limpieza de datos,

que consiste en en rutinas donde vamos a

llenar datos vacíos. Yo puedo tener una

gran base de datos con en donde existan

datos vacíos o que o que tengan errores.

Entonces, lo que se busca hacer aquí es

llenarlos, identificar los errores y y

corregir estas

inconsistencias. Luego pasamos a lo que

es la integración de los datos. La

integración de los datos es donde vamos

a combinar datos de múltiples fuentes

para formar datos más coherentes. Luego

pasamos a la

transformación, que es donde vamos a

convertir los datos a formas más

apropiadas para trabajar en la minería

de datos. Y por último, pasamos a lo que

es la reducción. La reducción es donde

voy a obtener una representación más

reducida de los datos de manera que

pueda

minimizar la pérdida del contenido de la

información.

Esto es básicamente que es la el

procesami el preprocesamiento de los

datos y para qué sirve. Luego pasamos al

a la fase tres, que es el de la

selección de las variables. La selección

de las variables consiste en elegir los

mejores atributos del problema y buscar

variables independientes mediante

diversos test de sensibilidad. Esta

selección de variables es lo que me va a

poder lo que me permite generar eh

patrones que son los usados para hacer

modelos que son los usados en el paso

cuatro conocido como la extracción del

conocimiento, que es donde a partir de

los patrones que generé en el paso

anterior con las variables

independientes, eh voy a a poder generar

un modelo que es el que me va a

representar el comportamiento de los

valores del problema. Este modelo es el

que voy a usar en el paso final, que es

la interpretación, para poder sacar

conclusiones válidas. Al yo analizar y

estudiar el modelo generado con a partir

de todos los pasos anteriores, lo que

voy a poder es generar conclusiones

válidas que me van a generar al final

conocimiento, qué es lo que información

y conocimiento, qué es lo que se busca.

Hemos dicho que se busca con la minería

de datos. Entonces, bueno, estas son las

en esto consisten las fases de la

minería de datos. Ahora vamos a pasar

una vez hablado de qué es la minería de

datos, las fases y los métodos que son

ligados a ella, vamos a hablar de las

aplicaciones. ¿En qué podemos usar la

minería de datos en el mundo actual?

Bueno, la tengo que comenzar diciendo

que la minería de datos se aplica a

muchísimas cosas. Eh, en el mundo actual

tenemos estamos rodeados de información

y de datos. Entonces, la minería de

datos va a tener vida y va a tener

oportunidades de

desarrollarse de muchísimas y diversas

formas. Bueno, yo menciono aquí algunas

como es el el marketing, eh la trabajo

de universidades, por ejemplo, eh en los

negocios es muy usada en trabajos de

predicción, en control de calidad, por

ejemplo, y en el web mining, que vamos a

entrar en él un poquito más adelante.

Este vamos a centrarnos en qué en en qué

sirve aplicar la minería de datos al

marketing, por ejemplo. Bueno,

muchísimas compañías tanto de calzados,

de tecnología, de ropa, cualquier

compañía grande o pequeña se ve

beneficiada de la minería de datos, ya

que ellos les interesa saber tres

preguntas básicas. ¿Quién va a comprar?

¿Dónde va a comprar? ¿Y cuándo van a

comprar?

Eh, estos tres preguntas, la respuesta

me las da la minería de datos, ya que

todas estas compañías tienen grandes

bases de datos eh donde se refleja el

comportamiento de sus clientes. Con

estos datos, con estas grandes bases de

datos, al aplicar el proceso de minería

de datos, yo puedo eh indicar quién va a

comprar el producto, cuándo lo va a

comprar, dónde lo va a comprar, dónde es

mejor invertir dinero en publicidad, en

qué producto es mejor invertir dinero, a

qué sector demográfico es mejor invertir

este dinero, que es lo que les importa a

estas grandes compañías, tanto ahorrar

dinero en en el proceso de de llevar a

cabo estos análisis del consumidor como

ganar dinero. Eso es lo lo que más les

importa a estas compañías al final,

ganar

dinero dando buenos productos a a sus

clientes. Bueno, ahora vamos a entrar en

un en una aplicación muy importante,

considero yo, muy importante

actualmente, que es el web mining, ya

que como sabemos el el actualmente la el

boom web es enorme. muchísima cantidad

de personas están entrando a páginas

web. El tráfico web en los últimos años,

el acceso a internet en los últimos años

ha crecido exponencialmente. Entonces,

¿cómo podemos aplicar la minería de

datos en la web? Bueno, como menciono yo

aquí, estas cinco páginas web Amazon,

Facebook, YouTube, Google y Twitter, son

grandes páginas web, grandes redes

sociales también que han tenido o tienen

o acaparan tal vez la mayor cantidad de

tráfico de usuarios web en la

actualidad. Estas páginas, como también

lo hacen las compañías que mencioné

antes, estas páginas tienen bases de

datos donde almacenan el comportamiento

del usuario web en su página desde el

momento en que entra en la página hasta

el momento en que sale. ¿A qué se dirige

apenas entra a la página? ¿Qué le qué

enlaces usa primero? ¿Qué enlaces no

usa? Si la persona es hombre, ¿en qué se

mete? Si la persona es mujer, ¿en qué

parte se mete de la página? Todo eso

ellos lo van almacenando y al llevar a

cabo un proceso de minería de datos

pueden atraer más personas, mantener a

los que ya tienen y generar cosas

nuevas, saber qué cosas nuevas, qué

podrían, qué innovaciones podrían

implementar en sus páginas web para

mantener el tráfico que tienen y generar

mucho más de esta manera ellos

beneficiarse.

Entonces, pues de esta manera podemos

ver que las aplicaciones en la minería

de la minería de datos es muy extensa y

se puede aplicar en muchas otras cosas

que tampoco he mencionado aquí, pero ya

ustedes deberían tener una idea de que

de todo el campo, el gran campo de

trabajo que tiene la la minería de

datos. Con esto, esto nos lleva a

nuestras ya conclusiones. Una vez visto

toda esta exposición de temas y de

aspectos importantes relativos a la

minería de datos, podemos decir o como

dije en varias veces que actualmente en

nuestro día a día tenemos grandes

cantidades de datos que son descargadas

a nuestro alrededor. Nosotros también

descargamos informaciones de y datos

desde el momento en que pasamos una

tarjeta para comprar algo o cuando nos

acercamos a una tienda porque nos gusta

un producto y lo estamos detallando. Eh,

todo esos son datos que las compañías y

que están que están siendo descargados a

nuestro alrededor. Nosotros descargamos

datos y datos son descargados de

nosotros. Entonces, eh donde hay datos

hay información. donde información se

quiere buscar conocimiento. Y y ¿cómo se

busca este conocimiento? Bueno, hemos

dicho que con la minería de datos. Por

lo tanto, donde hay información tenemos

minería de datos y actualmente la

información va creciendo, por lo tanto,

la minería de datos va creciendo de mano

de la mano de la información. También es

allí donde podemos decir que la minería

de datos va a seguir creciendo a lo

largo de estos años, eh va a seguir

avanzando y desarrollándose. Es un campo

de estudio de bastante trabajo y

bastante beneficio para las personas que

se meten en este en este

campo. Bueno, de esta manera espero eh o

de esta manera terminamos esta

exposición, esta presentación. Espero

que que les haya gustado, que hayan

entendido y que hayan comprendido

básicamente en qué consiste la minería

de datos, que tengan una idea de qué es

la minería de datos, de para qué me

sirve y cómo la puedo usar en un futuro.

Así que bueno, muchas gracias y hasta la

próxima. Yeah.