SlideShare uma empresa Scribd logo
1 de 12
Baixar para ler offline
APLICACIONES EXITOSAS DE
          LA MINERÍA DE DATOS
                           Equipo No. 3
                           Agosto - 2011




lunes 29 de agosto de 11
INTRODUCCIÓN

         En la presentación se darán ejemplos de la aplicación de
         la Minería de Datos en diversas áreas. Así también
         ejemplos de aplicaciones exitosas de la Minería de Datos
         de algunas empresas.

         Lo anterior con el objetivo de incentivar al estudiante para
         seguir estudiando la Minería de Datos para tener un
         panorama mas amplio de la materia.


lunes 29 de agosto de 11
APLICACIONES E INDUSTRIA




lunes 29 de agosto de 11
ALGUNAS APLICACIONES 1/2

    1. Optimización de campañas de marketing sobre varios productos y canales.

    2. Identificación de estudiantes en riesgo en colegios.

    3. Detección de Riesgo de fraude en reclamación de seguros de automóviles.

    4. Análisis de delitos y comportamientos violentos, con grabaciones de actividad en
       Internet y teléfono por la Policía para detectar amenazas criminales.

    5. Administración de Categorías en Hipermercados: encontrar la mejor localización
       para productos en los lineales.




lunes 29 de agosto de 11
ALGUNAS APLICACIONES 2/2

    6. Clasificación correcta de tumores cerebrales en niños.

    7. Optimización de contratación de personal en empresas

    8. Predicción e identificación de la conducta y gasto de un consumidor durante un
       período de tiempo tras el cual deja de comprar en una cadena.

    9. Detección de anomalías en el comportamiento online de usuarios para predecir
       futuros delitos electrónicos. Complementado con el análisis de conductas en
       redes sociales.

    10. Predecir con cierta probabilidad un espacio temporal en el que podría
      producirse un paro cardíaco en aquellos sujetos con enfermedad del corazón.



lunes 29 de agosto de 11
FBI


          A principios del 2002 el FBI
         anuncio que unirá todas las
         bases de datos mediante el
         numero de la seguridad social y
         permitirá saber si una persona
         usa si ha sido arrestada y
         cuantas veces, el barrio donde
         vive etc.




lunes 29 de agosto de 11
DETECCION DE FRAUDES EN
         LAS TARJETAS DE CREDITO
        Falcon Fraud Manager es un sistema
        inteligente que examina transacciones,
        propietarios de tarjetas y datos financieros
        para intentar detectar y obtener el numero
        de fraudes.

        Dicho sistema Falcon ha permitido ahorrar
        mas de seiscientos millones de dólares al
        año y proteger aproximadamente mas de
        cuatrocientos cincuenta millones de
        pagos con tarjeta en todo el mundo,
        aproximadamente el 65% de todas las
        transacciones con tarjeta de crédito.

     
    "


lunes 29 de agosto de 11
lunes 29 de agosto de 11
A.C MILAN

        El sistema creado por Computer
        Associates International, es
        alimentado por datos de cada jugador,
        relacionados con su rendimiento,
        alimentación y respuesta a estímulos
        externos que se obtienen y analizan
        cada quince días.

           Todas estas registros alimentan la
         base de datos.
    "
    " El objetivo es encontrar lesiones en
      los jugadores que se pretenden
      comprar.


lunes 29 de agosto de 11
NBA

        Los equipos de NBA también utilizan
        aplicaciones inteligentes para apoyar
        a su cuerpo de entrenadores. El
        advanced Scout es un software
        desarrollado por IBM para detectar
        patrones estadísticas y eventos
        extraños. El software utiliza registros
        guardados de cada evento en cada
        juego. El objetivo es ayudar a los
        entrenadores a aislar eventos que
        no detectan cuando observan el
        juego en vivo o en película.




lunes 29 de agosto de 11
CONCLUSION


         La Minería de Datos se presenta como una tecnología emergente,
         con varias ventajas: por un lado, resulta un buen punto de encuentro
         entre los investigadores y las personas de negocios; por otro, ahorra
         grandes cantidades de dinero a una empresa y abre nuevas
         oportunidades de comercio. Además, no hay duda de que trabajar
         con técnicas de la minería de datos implica cuidar una infinidad de
         detalles debido a que el producto final involucra "toma de decisiones".




lunes 29 de agosto de 11
“Si buscas resultados distintos, no hagas siempre lo mismo”
                                        Albert Einstein




                                          Jorge Loya
                                        Irving Canales
                                       Giovanni Najera
                                         Carlos Ibarra




lunes 29 de agosto de 11

Mais conteúdo relacionado

Mais procurados

Data mining (lecture 1 & 2) conecpts and techniques
Data mining (lecture 1 & 2) conecpts and techniquesData mining (lecture 1 & 2) conecpts and techniques
Data mining (lecture 1 & 2) conecpts and techniquesSaif Ullah
 
Introducción a Ciencia de datos con Microsoft
Introducción a Ciencia de datos con MicrosoftIntroducción a Ciencia de datos con Microsoft
Introducción a Ciencia de datos con MicrosoftJOSE AHIAS LOPEZ PORTILLO
 
Big data para principiantes
Big data para principiantesBig data para principiantes
Big data para principiantesCarlos Toxtli
 
Introduction to Data Mining
Introduction to Data Mining Introduction to Data Mining
Introduction to Data Mining Sushil Kulkarni
 
Inteligencia de Negocios presentacion
Inteligencia de Negocios presentacionInteligencia de Negocios presentacion
Inteligencia de Negocios presentacionClinica Internacional
 
Predictive analytics in action real-world examples and advice
Predictive analytics in action real-world examples and advicePredictive analytics in action real-world examples and advice
Predictive analytics in action real-world examples and adviceThe Marketing Distillery
 
Association rule mining and Apriori algorithm
Association rule mining and Apriori algorithmAssociation rule mining and Apriori algorithm
Association rule mining and Apriori algorithmhina firdaus
 
Presentacion de BI asignacion 5
Presentacion de BI asignacion 5Presentacion de BI asignacion 5
Presentacion de BI asignacion 5siusma
 
Deloitte - Relationship Analysis as Key to Financial Crime Prevention
Deloitte - Relationship Analysis as Key to Financial Crime PreventionDeloitte - Relationship Analysis as Key to Financial Crime Prevention
Deloitte - Relationship Analysis as Key to Financial Crime PreventionNeo4j
 
Big Data Evolution
Big Data EvolutionBig Data Evolution
Big Data Evolutionitnewsafrica
 
Using a Semantic and Graph-based Data Catalog in a Modern Data Fabric
Using a Semantic and Graph-based Data Catalog in a Modern Data FabricUsing a Semantic and Graph-based Data Catalog in a Modern Data Fabric
Using a Semantic and Graph-based Data Catalog in a Modern Data FabricCambridge Semantics
 
Introducción al Business Intelligence y al Big Data
Introducción al Business Intelligence y al Big DataIntroducción al Business Intelligence y al Big Data
Introducción al Business Intelligence y al Big DataDavid Hurtado
 
Modern Data architecture Design
Modern Data architecture DesignModern Data architecture Design
Modern Data architecture DesignKujambu Murugesan
 
Business Intelligence
Business Intelligence Business Intelligence
Business Intelligence Isairi Cab
 

Mais procurados (20)

Data mining (lecture 1 & 2) conecpts and techniques
Data mining (lecture 1 & 2) conecpts and techniquesData mining (lecture 1 & 2) conecpts and techniques
Data mining (lecture 1 & 2) conecpts and techniques
 
BUSINESS INTELLIGENCE
BUSINESS INTELLIGENCEBUSINESS INTELLIGENCE
BUSINESS INTELLIGENCE
 
Modern Data Architecture
Modern Data ArchitectureModern Data Architecture
Modern Data Architecture
 
Inteligencia de negocios
Inteligencia de negociosInteligencia de negocios
Inteligencia de negocios
 
Introducción a Ciencia de datos con Microsoft
Introducción a Ciencia de datos con MicrosoftIntroducción a Ciencia de datos con Microsoft
Introducción a Ciencia de datos con Microsoft
 
Big data para principiantes
Big data para principiantesBig data para principiantes
Big data para principiantes
 
Introduction to Data Mining
Introduction to Data Mining Introduction to Data Mining
Introduction to Data Mining
 
Inteligencia de Negocios presentacion
Inteligencia de Negocios presentacionInteligencia de Negocios presentacion
Inteligencia de Negocios presentacion
 
Data Mining
Data MiningData Mining
Data Mining
 
Predictive analytics in action real-world examples and advice
Predictive analytics in action real-world examples and advicePredictive analytics in action real-world examples and advice
Predictive analytics in action real-world examples and advice
 
Association rule mining and Apriori algorithm
Association rule mining and Apriori algorithmAssociation rule mining and Apriori algorithm
Association rule mining and Apriori algorithm
 
Ciencia de datos en 20'
Ciencia de datos en 20'Ciencia de datos en 20'
Ciencia de datos en 20'
 
Presentacion de BI asignacion 5
Presentacion de BI asignacion 5Presentacion de BI asignacion 5
Presentacion de BI asignacion 5
 
Deloitte - Relationship Analysis as Key to Financial Crime Prevention
Deloitte - Relationship Analysis as Key to Financial Crime PreventionDeloitte - Relationship Analysis as Key to Financial Crime Prevention
Deloitte - Relationship Analysis as Key to Financial Crime Prevention
 
Data Mining
Data MiningData Mining
Data Mining
 
Big Data Evolution
Big Data EvolutionBig Data Evolution
Big Data Evolution
 
Using a Semantic and Graph-based Data Catalog in a Modern Data Fabric
Using a Semantic and Graph-based Data Catalog in a Modern Data FabricUsing a Semantic and Graph-based Data Catalog in a Modern Data Fabric
Using a Semantic and Graph-based Data Catalog in a Modern Data Fabric
 
Introducción al Business Intelligence y al Big Data
Introducción al Business Intelligence y al Big DataIntroducción al Business Intelligence y al Big Data
Introducción al Business Intelligence y al Big Data
 
Modern Data architecture Design
Modern Data architecture DesignModern Data architecture Design
Modern Data architecture Design
 
Business Intelligence
Business Intelligence Business Intelligence
Business Intelligence
 

Semelhante a Aplicaciones de la mineria de datos

Semelhante a Aplicaciones de la mineria de datos (20)

DEBER
DEBERDEBER
DEBER
 
debe465
debe465debe465
debe465
 
deber
deberdeber
deber
 
wlady
wladywlady
wlady
 
trabajo
trabajotrabajo
trabajo
 
Trabajo De Informatica
Trabajo De InformaticaTrabajo De Informatica
Trabajo De Informatica
 
Trabajo De Informatica
Trabajo De InformaticaTrabajo De Informatica
Trabajo De Informatica
 
Trabajo De Informatica
Trabajo De InformaticaTrabajo De Informatica
Trabajo De Informatica
 
fghj
fghjfghj
fghj
 
deber
deberdeber
deber
 
TECNOLOGIA COMERCITO
TECNOLOGIA COMERCITOTECNOLOGIA COMERCITO
TECNOLOGIA COMERCITO
 
trabajo
trabajotrabajo
trabajo
 
Data minning final tp internet inf 13 miercoles de 18 a 21
Data minning final tp internet inf 13 miercoles de 18 a 21Data minning final tp internet inf 13 miercoles de 18 a 21
Data minning final tp internet inf 13 miercoles de 18 a 21
 
DEBER DE INFORMATICA
DEBER DE INFORMATICADEBER DE INFORMATICA
DEBER DE INFORMATICA
 
Abelardo Ibáñez - VP Internacional Weborama
Abelardo Ibáñez - VP Internacional WeboramaAbelardo Ibáñez - VP Internacional Weborama
Abelardo Ibáñez - VP Internacional Weborama
 
EMBD2018 | Small Data y Dark Data: reconstruyendo la información del futuro.
EMBD2018 | Small Data y Dark Data: reconstruyendo la información del futuro.EMBD2018 | Small Data y Dark Data: reconstruyendo la información del futuro.
EMBD2018 | Small Data y Dark Data: reconstruyendo la información del futuro.
 
gygv
gygvgygv
gygv
 
Inteligencia artificial
Inteligencia artificial Inteligencia artificial
Inteligencia artificial
 
Inteligencia artificial
Inteligencia artificial Inteligencia artificial
Inteligencia artificial
 
diapositivas
diapositivas diapositivas
diapositivas
 

Mais de Universidad Autonoma de Chihuahua

Mais de Universidad Autonoma de Chihuahua (20)

Diapc semana dos
Diapc semana dosDiapc semana dos
Diapc semana dos
 
Cd semana dos
Cd semana dosCd semana dos
Cd semana dos
 
Rhii trabajo final
Rhii trabajo finalRhii trabajo final
Rhii trabajo final
 
Rhii rel labindcol_cdrosin
Rhii rel labindcol_cdrosinRhii rel labindcol_cdrosin
Rhii rel labindcol_cdrosin
 
Rhii cuadro sinoptico
Rhii cuadro sinopticoRhii cuadro sinoptico
Rhii cuadro sinoptico
 
Rhii evaluacion desempeño
Rhii evaluacion desempeñoRhii evaluacion desempeño
Rhii evaluacion desempeño
 
Rhii seguridad empresa
Rhii  seguridad empresaRhii  seguridad empresa
Rhii seguridad empresa
 
Rhii cap marcolegal_presentacion
Rhii cap marcolegal_presentacionRhii cap marcolegal_presentacion
Rhii cap marcolegal_presentacion
 
Rhii gestión valorcomp
Rhii gestión valorcompRhii gestión valorcomp
Rhii gestión valorcomp
 
Rhii ensayo diversidadibm
Rhii ensayo diversidadibmRhii ensayo diversidadibm
Rhii ensayo diversidadibm
 
Com intmyv 225690
Com intmyv 225690Com intmyv 225690
Com intmyv 225690
 
Com intmyv 225690_mcdonalds
Com intmyv 225690_mcdonaldsCom intmyv 225690_mcdonalds
Com intmyv 225690_mcdonalds
 
Com intmyv 225690_cuestionariouno
Com intmyv 225690_cuestionariounoCom intmyv 225690_cuestionariouno
Com intmyv 225690_cuestionariouno
 
Com intmyv 225690_cuestionariodos
Com intmyv 225690_cuestionariodosCom intmyv 225690_cuestionariodos
Com intmyv 225690_cuestionariodos
 
Com intmyv 225690_cuestionario
Com intmyv 225690_cuestionarioCom intmyv 225690_cuestionario
Com intmyv 225690_cuestionario
 
Com intmyv 225690_motoresbusqueda
Com intmyv 225690_motoresbusquedaCom intmyv 225690_motoresbusqueda
Com intmyv 225690_motoresbusqueda
 
Com intmyv 225690_redessociales
Com intmyv 225690_redessocialesCom intmyv 225690_redessociales
Com intmyv 225690_redessociales
 
Dch admon talentohumano
Dch admon talentohumanoDch admon talentohumano
Dch admon talentohumano
 
Dch importancia asesor
Dch importancia asesorDch importancia asesor
Dch importancia asesor
 
Dch importancia funcionescoach
Dch importancia funcionescoachDch importancia funcionescoach
Dch importancia funcionescoach
 

Último

Comunidades Virtuales de Aprendizaje Caracteristicas.pptx
Comunidades Virtuales de Aprendizaje Caracteristicas.pptxComunidades Virtuales de Aprendizaje Caracteristicas.pptx
Comunidades Virtuales de Aprendizaje Caracteristicas.pptxJunkotantik
 
Seguridad y virus informáticos 12°B 2024
Seguridad y virus informáticos 12°B 2024Seguridad y virus informáticos 12°B 2024
Seguridad y virus informáticos 12°B 2024sergeycrastz06
 
TEMA EGIPTO.pdf. Presentación civilización
TEMA EGIPTO.pdf. Presentación civilizaciónTEMA EGIPTO.pdf. Presentación civilización
TEMA EGIPTO.pdf. Presentación civilizaciónVasallo1
 
Nikola Tesla - Biografia - Datos interesantes e inventos
Nikola Tesla - Biografia - Datos interesantes e inventosNikola Tesla - Biografia - Datos interesantes e inventos
Nikola Tesla - Biografia - Datos interesantes e inventosLeonellBrayanRICALDI
 
EVALUACION del tercer trimestre 2024 nap.docx
EVALUACION  del tercer trimestre 2024 nap.docxEVALUACION  del tercer trimestre 2024 nap.docx
EVALUACION del tercer trimestre 2024 nap.docxuniversidad Indoamerica
 
Pasos para enviar una tarea en SIANET - sólo estudiantes.pdf
Pasos para enviar una tarea en SIANET - sólo estudiantes.pdfPasos para enviar una tarea en SIANET - sólo estudiantes.pdf
Pasos para enviar una tarea en SIANET - sólo estudiantes.pdfNELLYKATTY
 
Época colonial: vestimenta, costumbres y juegos de la época
Época colonial: vestimenta, costumbres y juegos de la épocaÉpoca colonial: vestimenta, costumbres y juegos de la época
Época colonial: vestimenta, costumbres y juegos de la épocacecifranco1981
 
El liderazgo en la empresa sostenible, introducción, definición y ejemplo.
El liderazgo en la empresa sostenible, introducción, definición y ejemplo.El liderazgo en la empresa sostenible, introducción, definición y ejemplo.
El liderazgo en la empresa sostenible, introducción, definición y ejemplo.JonathanCovena1
 
PATRONES DE REFERENCIA, CRITERIOS Y DIAGNOSTICO Angeles.pptx
PATRONES DE REFERENCIA, CRITERIOS Y DIAGNOSTICO Angeles.pptxPATRONES DE REFERENCIA, CRITERIOS Y DIAGNOSTICO Angeles.pptx
PATRONES DE REFERENCIA, CRITERIOS Y DIAGNOSTICO Angeles.pptxSusanaAlejandraMende
 
LA ORALIDAD, DEFINICIÓN Y CARACTERÍSTICAS.pptx
LA ORALIDAD, DEFINICIÓN Y CARACTERÍSTICAS.pptxLA ORALIDAD, DEFINICIÓN Y CARACTERÍSTICAS.pptx
LA ORALIDAD, DEFINICIÓN Y CARACTERÍSTICAS.pptxJhordanBenitesSanche2
 
ciclos biogeoquimicas y flujo de materia ecosistemas
ciclos biogeoquimicas y flujo de materia ecosistemasciclos biogeoquimicas y flujo de materia ecosistemas
ciclos biogeoquimicas y flujo de materia ecosistemasFlor Idalia Espinoza Ortega
 
Gran Final Campeonato Nacional Escolar Liga Las Torres 2017.pdf
Gran Final Campeonato Nacional Escolar Liga Las Torres 2017.pdfGran Final Campeonato Nacional Escolar Liga Las Torres 2017.pdf
Gran Final Campeonato Nacional Escolar Liga Las Torres 2017.pdfEdgar R Gimenez
 
2.15. Calendario Civico Escolar 2024.docx
2.15. Calendario Civico Escolar 2024.docx2.15. Calendario Civico Escolar 2024.docx
2.15. Calendario Civico Escolar 2024.docxCarlosEnriqueArgoteC
 
2. Entornos Virtuales de Aprendizaje.pptx
2. Entornos Virtuales de Aprendizaje.pptx2. Entornos Virtuales de Aprendizaje.pptx
2. Entornos Virtuales de Aprendizaje.pptxJunkotantik
 

Último (20)

Comunidades Virtuales de Aprendizaje Caracteristicas.pptx
Comunidades Virtuales de Aprendizaje Caracteristicas.pptxComunidades Virtuales de Aprendizaje Caracteristicas.pptx
Comunidades Virtuales de Aprendizaje Caracteristicas.pptx
 
Seguridad y virus informáticos 12°B 2024
Seguridad y virus informáticos 12°B 2024Seguridad y virus informáticos 12°B 2024
Seguridad y virus informáticos 12°B 2024
 
Motivados por la esperanza. Esperanza en Jesús
Motivados por la esperanza. Esperanza en JesúsMotivados por la esperanza. Esperanza en Jesús
Motivados por la esperanza. Esperanza en Jesús
 
TEMA EGIPTO.pdf. Presentación civilización
TEMA EGIPTO.pdf. Presentación civilizaciónTEMA EGIPTO.pdf. Presentación civilización
TEMA EGIPTO.pdf. Presentación civilización
 
Power Point : Motivados por la esperanza
Power Point : Motivados por la esperanzaPower Point : Motivados por la esperanza
Power Point : Motivados por la esperanza
 
¿Que es Fuerza? online 2024 Repaso CRECE.pptx
¿Que es Fuerza? online 2024 Repaso CRECE.pptx¿Que es Fuerza? online 2024 Repaso CRECE.pptx
¿Que es Fuerza? online 2024 Repaso CRECE.pptx
 
TÉCNICAS OBSERVACIONALES Y TEXTUALES.pdf
TÉCNICAS OBSERVACIONALES Y TEXTUALES.pdfTÉCNICAS OBSERVACIONALES Y TEXTUALES.pdf
TÉCNICAS OBSERVACIONALES Y TEXTUALES.pdf
 
Nikola Tesla - Biografia - Datos interesantes e inventos
Nikola Tesla - Biografia - Datos interesantes e inventosNikola Tesla - Biografia - Datos interesantes e inventos
Nikola Tesla - Biografia - Datos interesantes e inventos
 
EVALUACION del tercer trimestre 2024 nap.docx
EVALUACION  del tercer trimestre 2024 nap.docxEVALUACION  del tercer trimestre 2024 nap.docx
EVALUACION del tercer trimestre 2024 nap.docx
 
Sesión de clase Motivados por la esperanza.pdf
Sesión de clase Motivados por la esperanza.pdfSesión de clase Motivados por la esperanza.pdf
Sesión de clase Motivados por la esperanza.pdf
 
Pasos para enviar una tarea en SIANET - sólo estudiantes.pdf
Pasos para enviar una tarea en SIANET - sólo estudiantes.pdfPasos para enviar una tarea en SIANET - sólo estudiantes.pdf
Pasos para enviar una tarea en SIANET - sólo estudiantes.pdf
 
Época colonial: vestimenta, costumbres y juegos de la época
Época colonial: vestimenta, costumbres y juegos de la épocaÉpoca colonial: vestimenta, costumbres y juegos de la época
Época colonial: vestimenta, costumbres y juegos de la época
 
El liderazgo en la empresa sostenible, introducción, definición y ejemplo.
El liderazgo en la empresa sostenible, introducción, definición y ejemplo.El liderazgo en la empresa sostenible, introducción, definición y ejemplo.
El liderazgo en la empresa sostenible, introducción, definición y ejemplo.
 
PATRONES DE REFERENCIA, CRITERIOS Y DIAGNOSTICO Angeles.pptx
PATRONES DE REFERENCIA, CRITERIOS Y DIAGNOSTICO Angeles.pptxPATRONES DE REFERENCIA, CRITERIOS Y DIAGNOSTICO Angeles.pptx
PATRONES DE REFERENCIA, CRITERIOS Y DIAGNOSTICO Angeles.pptx
 
LA ORALIDAD, DEFINICIÓN Y CARACTERÍSTICAS.pptx
LA ORALIDAD, DEFINICIÓN Y CARACTERÍSTICAS.pptxLA ORALIDAD, DEFINICIÓN Y CARACTERÍSTICAS.pptx
LA ORALIDAD, DEFINICIÓN Y CARACTERÍSTICAS.pptx
 
ciclos biogeoquimicas y flujo de materia ecosistemas
ciclos biogeoquimicas y flujo de materia ecosistemasciclos biogeoquimicas y flujo de materia ecosistemas
ciclos biogeoquimicas y flujo de materia ecosistemas
 
Gran Final Campeonato Nacional Escolar Liga Las Torres 2017.pdf
Gran Final Campeonato Nacional Escolar Liga Las Torres 2017.pdfGran Final Campeonato Nacional Escolar Liga Las Torres 2017.pdf
Gran Final Campeonato Nacional Escolar Liga Las Torres 2017.pdf
 
2.15. Calendario Civico Escolar 2024.docx
2.15. Calendario Civico Escolar 2024.docx2.15. Calendario Civico Escolar 2024.docx
2.15. Calendario Civico Escolar 2024.docx
 
2. Entornos Virtuales de Aprendizaje.pptx
2. Entornos Virtuales de Aprendizaje.pptx2. Entornos Virtuales de Aprendizaje.pptx
2. Entornos Virtuales de Aprendizaje.pptx
 
La historia de la vida estudiantil a 102 años de la fundación de las Normales...
La historia de la vida estudiantil a 102 años de la fundación de las Normales...La historia de la vida estudiantil a 102 años de la fundación de las Normales...
La historia de la vida estudiantil a 102 años de la fundación de las Normales...
 

Aplicaciones de la mineria de datos

  • 1. APLICACIONES EXITOSAS DE LA MINERÍA DE DATOS Equipo No. 3 Agosto - 2011 lunes 29 de agosto de 11
  • 2. INTRODUCCIÓN En la presentación se darán ejemplos de la aplicación de la Minería de Datos en diversas áreas. Así también ejemplos de aplicaciones exitosas de la Minería de Datos de algunas empresas. Lo anterior con el objetivo de incentivar al estudiante para seguir estudiando la Minería de Datos para tener un panorama mas amplio de la materia. lunes 29 de agosto de 11
  • 3. APLICACIONES E INDUSTRIA lunes 29 de agosto de 11
  • 4. ALGUNAS APLICACIONES 1/2 1. Optimización de campañas de marketing sobre varios productos y canales. 2. Identificación de estudiantes en riesgo en colegios. 3. Detección de Riesgo de fraude en reclamación de seguros de automóviles. 4. Análisis de delitos y comportamientos violentos, con grabaciones de actividad en Internet y teléfono por la Policía para detectar amenazas criminales. 5. Administración de Categorías en Hipermercados: encontrar la mejor localización para productos en los lineales. lunes 29 de agosto de 11
  • 5. ALGUNAS APLICACIONES 2/2 6. Clasificación correcta de tumores cerebrales en niños. 7. Optimización de contratación de personal en empresas 8. Predicción e identificación de la conducta y gasto de un consumidor durante un período de tiempo tras el cual deja de comprar en una cadena. 9. Detección de anomalías en el comportamiento online de usuarios para predecir futuros delitos electrónicos. Complementado con el análisis de conductas en redes sociales. 10. Predecir con cierta probabilidad un espacio temporal en el que podría producirse un paro cardíaco en aquellos sujetos con enfermedad del corazón. lunes 29 de agosto de 11
  • 6. FBI A principios del 2002 el FBI anuncio que unirá todas las bases de datos mediante el numero de la seguridad social y permitirá saber si una persona usa si ha sido arrestada y cuantas veces, el barrio donde vive etc. lunes 29 de agosto de 11
  • 7. DETECCION DE FRAUDES EN LAS TARJETAS DE CREDITO Falcon Fraud Manager es un sistema inteligente que examina transacciones, propietarios de tarjetas y datos financieros para intentar detectar y obtener el numero de fraudes. Dicho sistema Falcon ha permitido ahorrar mas de seiscientos millones de dólares al año y proteger aproximadamente mas de cuatrocientos cincuenta millones de pagos con tarjeta en todo el mundo, aproximadamente el 65% de todas las transacciones con tarjeta de crédito.   " lunes 29 de agosto de 11
  • 8. lunes 29 de agosto de 11
  • 9. A.C MILAN El sistema creado por Computer Associates International, es alimentado por datos de cada jugador, relacionados con su rendimiento, alimentación y respuesta a estímulos externos que se obtienen y analizan cada quince días. Todas estas registros alimentan la base de datos. " " El objetivo es encontrar lesiones en los jugadores que se pretenden comprar. lunes 29 de agosto de 11
  • 10. NBA Los equipos de NBA también utilizan aplicaciones inteligentes para apoyar a su cuerpo de entrenadores. El advanced Scout es un software desarrollado por IBM para detectar patrones estadísticas y eventos extraños. El software utiliza registros guardados de cada evento en cada juego. El objetivo es ayudar a los entrenadores a aislar eventos que no detectan cuando observan el juego en vivo o en película. lunes 29 de agosto de 11
  • 11. CONCLUSION La Minería de Datos se presenta como una tecnología emergente, con varias ventajas: por un lado, resulta un buen punto de encuentro entre los investigadores y las personas de negocios; por otro, ahorra grandes cantidades de dinero a una empresa y abre nuevas oportunidades de comercio. Además, no hay duda de que trabajar con técnicas de la minería de datos implica cuidar una infinidad de detalles debido a que el producto final involucra "toma de decisiones". lunes 29 de agosto de 11
  • 12. “Si buscas resultados distintos, no hagas siempre lo mismo” Albert Einstein Jorge Loya Irving Canales Giovanni Najera Carlos Ibarra lunes 29 de agosto de 11