Seminario que dí en Forman, Málaga, sobre Data Mining.

1. Data Mining
La Importancia del Dato
en la Toma de Decisiones
DIVISIÓN SISTEMAS
DANIEL PERERA PAVO
Tecnologías de la información
Gerente de Cuentas y las comunicaciones

2. Data Mining
La Importancia del Dato
en la Toma de Decisiones
1-. MP
2-. Definición
3-. Procesos
DANIEL PERERA PAVO
Gerente de Cuentas

3. ESTRUCTURA CORPORACIÓN INDUSTRIAL
ELEVACIÓN
ELEVACIÓN
Diseño, Fabricación, Venta, Instalación y Mantenimiento de Ascensores, ÁREA INDUSTRIAL
Escaleras Mecánicas y Pasillos Móviles ÁREA SERVICIOS
INGENIERÍA MULTIDISCIPLINAR
ÁREA MEDIOAMBIENTE
INGENIERÍA, SERVICIOS Y MEDIO AMBIENTE
Tecnología Medioambiental, Edificación Industrial, Construcciones Singulares, ÁREA CONSTRUCCIÓN
Infraestructuras Deportivas, Servicios a la Industria y a Entidades Urbanísticas
de Conservación, Energías Renovables
ÁREA SERVICIOS
ÁREA ENERGÍAS RENOVABLES
TRANSMISIONES E INDUSTRIA AUXILIAR
Diseño, Fabricación y Venta de Transmisiones y Otros Componentes Mecánicos. ÁREA TRANÁREA INGENIERÍA
Ingeniería Aplicada. Servicios Industriales. Sectores Agrícola, Ascensores,
Automoción, Marino, Aeronáutico, Ferrocarril y Energías Renovables ÁREA SERVICIOS TÉCNICOS
SISTEMAS DE INFORMACIÓN
Soluciones Integrales en Tecnologías de la Información y Comunicaciones. ÁREA EMPRESA
Desarrollo e Implantación de Software de Gestión
ÁREA ADMINISTRACIONES PÚBLICAS

4. DATOS BÁSICOS
PLAN ESTRATÉGICO MP: GENERACIÓN DE VALOR
Innovación, Excelencia, Gestión e Internacionalización
(En M€) 2006 2007 2008
 Cifra de Negocio…… 160,4 190,0 220,0
 Fondos Propios…….. 51,6 57,3
 BAI(*)..………………. 3,3 4,8
Plan Estratégico 2007-2011:
 EBITDA(**)…………. 12,4 16,3 Llegar a un VV de 400M€
y 3000 empleados
 Inversiones…………. 16,8 16,6
 Nº de Empleados….. 1.753 1.887 2.000

5. DISTRIBUCIÓN GEOGRÁFICA
Oficina Central
Centros TIC
Centros de Producción de
Infraestructuras Llave en Mano
Centros de Producción de Elevación
Delegaciones Técnico-Comerciales
Centros de Producción de
Ingeniería y Servicios Industriales
Centros Regionales de Distribución
SEDE CENTRAL
SEVILLA: Pabellón MP, Leonardo Da Vinci, 15, Isla de la Cartuja - 41092 Sevilla – SPAIN
FÁBRICAS
SEVILLA ZARAGOZA
MP EN ESPAÑA
ALMERÍA CÓRDOBA LA CORUÑA MÁLAGA VALENCIA
BARCELONA GIJÓN LAS PALMAS MALLORCA VALLADOLID
BILBAO GRANADA LEÓN MÉRIDA VIGO
CÁDIZ HUELVA LUGO MURCIA ZARAGOZA
CIUDAD REAL JAÉN MADRID PONTEVEDRA

6. DELEGACIONES INTERNACIONALES
MP EN EUROPA
MP EN ÁFRICA
-Austria -Argelia
-Bélgica -Marruecos
-Chipre
-Chequia
-Francia
-Grecia
-Holanda
-Italia
-Polonia
-Portugal
-Rusia MP EN AMÉRICA
-Suecia
-Turquía -Chile
-Rumanía -México
MP EN ASIA Y OCEANÍA
-Australia
-China
-Oriente Medio

7. DIVISIÓN SISTEMAS
MP Sistemas es
Forma Parte de un Grupo Integrador TIC
Consolidado y Solvente
Fabricante de
Software Estándar
Empresa
Consolidada Fabricante de
Software a Medida
Tiene una amplia y
diversificada Cartera de Implantador /
Clientes Consultor de Procesos

8. DIVISIÓN SISTEMAS
 Suministros
 Software
MP Sistemas ofrece  Infraestructuras
 Consultoria
Mantenimiento de
Puesta en marcha de sus
Infraestructuras TIC
Productos y Servicios
- Software - Centro de Servicios
- Infraestructuras - Servicio Integral de Gestión de las
Comunicaciones
-Consultoría de Procesos
- Outsourcing de Soporte in-situ
- Suministros a Clientes Referentes
 COMERCIO Y DISTRIBUCIÓN
 ADMINISTRACIONES PÚBLICAS
 PRODUCCIÓN Y FABRICACIÓN INDUSTRIAL
 INSTALACIÓN Y MANTENIMIENTO

9. Data Mining
La Importancia del Dato
en la Toma de Decisiones
1-. MP
2-. Definición
3-. Procesos
DANIEL PERERA PAVO
Gerente de Cuentas

10. MINERÍA
La Minería es una de las actividades más antiguas del hombre.
Desde hace miles de años el hombre ha utilizado los recursos
existentes para extraer materiales que luego son
transformados en herramientas.
La minería en sí misma ha evolucionado
tecnológicamente en paralelo a la propia
evolución del hombre.
En Andalucía llevamos realizando
actividades mineras desde hace más de
8.000 años.

11. MINA DE COBRE
“LAS CRUCES”
En Sevilla, en los términos municipales de Gerena, Guillena y
Salteras se acaba de inaugurar la mayor mina a cielo abierto
de Europa.
Los tartessos, los fenicios, los
romanos, los visigodos y los árabes
han realizado extracciones de
cobre en estos mismos lugares.
Las técnicas empleadas para la
extracción del mineral han
evolucionado pero el objetivo es el
mismo
OBTENER COBRE PARA REALIZAR HERRAMIENTAS

12. MINERÍA Y DATA MINING
MINERÍA DATA MINING
Extracción de Metales Extracción de Datos
Preciosos
El minero tiene que bajar a Para extraer información es
la mina a conseguir el necesario “bucear” en los
metal datos
La extracción de metales es La extracción de
necesario que se realice en información se necesita
un lugar adecuado realizar sobre unos datos
adecuados
El metal extraído por sí El dato extraído por sí
mismo no sirve mismo no vale

13. DATA MINING
DEFINICIÓN
La minería de datos es un conjunto de Metodologías,
Técnicas y Herramientas que Ayudan a Transformar una
gran cantidad de Información, almacenadas en Bases de
Datos, en CONOCIMIENTO para la TOMA DE
DECISIONES

14. DATA MINING
OBJETIVOS
DESCRIPCIÓN
Descubrimiento de Reglas y Pautas de Comportamiento.
Ayuda a la Planificación
Diseño de Cambios para mejorar el desempeño
PREDICCIÓN
Estimación de Variables de Salida
Creación de Secuencias Temporales
Campos de Aplicación: Meteorología o Medicina

15. HISTORIA
La minería de datos, al igual que la minería metalúrgica,
también es una de las actividades más antiguas del hombre.
Desde tiempos remotos, los gobernantes o los comerciantes
querían obtener información para poder tomar decisiones.
Ejemplos concretos a lo largo de la Historia:
➢ Recuentos de Cosechas por los Persas
➢ Censos Romanos o Chinos
➢ Los Quipucamayoc de la Civilización Inca
➢ Libros Contables Árabes o Sefardíes

16. HISTORIA
Ya en el siglo XX las actividades orientadas a la extracción de información
a partir de múltiples datos o fuentes ha ido evolucionando.
En los años 50 se comenzaron a realizar procesos batch extrayendo datos
de distintas fuentes de información.
En los 60/70 con la aparición de los mainframes los sistemas permitían,
además de registrar transacciones, obtener informes predefinidos.
En los 80 con la aparición de los Pcs y las redes locales comenzaron a
funcionar aplicaciones que permitían la personalización y la extracción de
los datos.
En los 90 comenzaron a desarrollarse las Herramientas comúnmente
denominadas de Business Intelligence orientadas a la Visualización de
Indicadores, partiendo de cubos OLAP.

17. ACTUALIDAD
Hoy por hoy se registran millones de datos diarios.
750.000.000.000 Gb en un año
Entrada de la Sociedad de la Información en nuestras vidas.
Abaratamiento del Hardware
Crecimiento de la velocidad de proceso de los ordenadores
A computer lets you make more mistakes
faster than any invention in human history
-- with the possible exceptions of hand
guns and tequila.
Mitch Ratliff

18. ACTUALIDAD
SOMOS RICOS EN DATOS
PERO POBRES EN
CONOCIMIENTO
X

19. CADENA DE VALOR
CONOCER LA CADENA DE
VALOR
¿CÓMO GANA DINERO?

20. CONCEPTOS
BUSINESS INTELLIGENCE
Conjunto de capacidades, técnicas, herramientas y prácticas orientadas a
ayudar a los directivos a la toma de decisiones. Abarca conceptos como
reporting, OLAP, Data Mining, Data Warehouse, etc.
EIS (Executive Information System)
Sistema de información que contiene indicadores y modelos que ayudan
a los directivos a la toma de decisiones, tomando datos tanto del interior
de la propia organización como de fuentes externas. Estas herramientas
se caracterizan por su fácil uso y por utilizar múltiples herramientas
visuales
DSS (Decision Support System)
Sistema informático que permite automatizar el proceso de toma de
decisiones, incluyendo la estimación, evaluación y comparación de las
alternativas.

21. CONCEPTOS
ETL (Extract, Transform, Load)
Proceso por el cual se extrae información de múltiples fuentes, se procesan o
agrupan en función de los indicadores que queremos obtener y se cargan en una
herramienta que nos permitirá obtener indicadores.
CUBOS OLAP (Online Analytical Processing)
Creación de bases de datos multidimensionales que resuman la información y
agilicen el proceso de consulta de datos
DATA WAREHOUSE (Almacén de Datos)
Base de Datos en la que se almacena las transacciones de la empresa que luego,
posteriormente será transformado para obtener información para la toma de
decisiones
DATA MART (Mercado de Datos)
Subconjunto de datos del DataWarehouse que proporcionan información para un
área específica de la organización. Realmente se recolecta la información que me
interesa

22. EVOLUCIONES
WEB MINING
Descubrimiento de la Información en la Web
Registro de visitas, procedencia, tiempo, enlaces, etc.
TEXT MINING
Indexación de las palabras, conceptos y contenidos en
espacios web o en fondos documentales.
Utilización de palabras clave, temas, etc.

23. Data Mining
La Importancia del Dato
en la Toma de Decisiones
1-. MP
2-. Definición
3-. Procesos
DANIEL PERERA PAVO
Gerente de Cuentas

24. El proceso KDD
“Knowledge Discovery Databases (KDD)” o “Proceso de
Descubrimiento del Conocimiento en Bases de Datos”.

25. MINERÍA Y DATA MINING
Sistemas de
Información
Ejecutiva (EIS)
Extracción, Datawarehouse
Sistemas de Gestión Transformación y / DataMart /
ERP Carga de Datos Cubos OLAP
CRM
Reports
Datos
Externos
Reglas de Negocio
Otras
Fuentes

26. FASES DE UN
PROYECTO DE DATA
MINING
1-. Determinación de 4-. Interpretación y
Indicadores Evaluación
Y Objetivos 10%
20%
3-. Extracción del
2-. Procesos ETL Conocimiento
60% 10%

27. BASES DE PARTIDA
INFORMACIÓN NORMALIZADA
SIN UN ERP HOY POR HOY
NO HAY DATA MINING

28. SOLUCIONES: B3

29. SOLUCIONES
Reports
Business Intelligence

30. RECOMENDACIONES
Recomendaciones para la creación de un proyecto Data Mining.
➢
➢
• Sin un ERP que sustente la información no es posible
➢
➢
• No tenga complejos técnicos por no ser un experto en la
tecnología.
➢
➢
• Pida asesoramiento externo.
➢
➢
• No mate moscas a cañonazos.
➢
➢
• Contraste opiniones.
➢
➢
• El éxito del proyecto no depende sólo de la Herramienta
➢
➢
• Utilice las herramientas y los recursos de los que ya dispone.
➢

31. ÉTICA
¿Quién tiene acceso a los datos?
➢
¿Cómo se recolectaron dichos datos?
➢
¿Es ético discriminar por sexo, edad,...?
➢
Ley de Protección de Datos
➢
Publicidad Abusiva
➢