1. “Torturando a los datos para que nos
digan la verdad”
Mini Curso:
Introducción a la Minería de Datos

2. www.dataminingperu.com
Agenda
Introducción
Que es Minería de
Datos
Metodología CRISP
Casos Aplicativos
Preguntas

3. www.dataminingperu.com
Introducción
 Día a día se almacenan gigantescas
cantidades de datos.
 La información que se almacena no
representa mayores costos y se
almacenan con la esperanza de
analizarlos mas adelante.
“Se estima que la cantidad de
información en el mundo se duplica
cada 20 meses.”

4. www.dataminingperu.com
Niveles de conocimiento

5. www.dataminingperu.com
Que es la Minería de Datos
Extracción no trivial de información implícita,
previamente desconocida y potencialmente útil, a partir
de los datos.
La Minería de Datos es un conjunto de técnicas de
análisis de datos que permiten:
- Extraer patrones, tendencias y regularidades para
describir y comprender mejor los datos.
- Extraer patrones y tendencias para predecir
comportamientos futuros.

6. www.dataminingperu.com
Que es la Minería de Datos

7. www.dataminingperu.com
Evolución
60’s: Informes batch:
• la información es difícil de encontrar y analizar, poco flexible, se necesita reprogramar cada petición.
70’s: Primeros DSS (Decision Support Systems) y EIS (Executive Information Systems):
•basados en terminal, no integrados con el resto de herramientas.
80’s: Acceso a datos y herramientas de análisis integradas (conocidas como intelligent
business tools):
•Herramientas de consultas e informes, hojas de cálculo, interfaces gráficos e integrados, fáciles de
usar.
•Acceden a las bases de datos operacionales (“killer queries”).
90’s: Almacenes de Datos y herramientas OLAP.
00’s: Herramientas de Minería de Datos y Simulación.

8. www.dataminingperu.com
Herramientas para la toma de Decisiones
Herramientas de Toma de Decisiones
Base de Datos
Transaccional
Fuentes
Internas
Fuentes
Externas
Fuente de
Datos
Fuente de
Datos 3
HTML
Fuente de
Datos 1
texto
Almacén
de Datos
ETL Interfazy
Operadores
Herramientas
de consultas e
informes
Herramientas
EIS
Herramientas
OLAP
Herramientas de
Minería de
Datos

9. www.dataminingperu.com
Clasificación de Algoritmos de Minería de Datos

10. www.dataminingperu.com
Aplicaciones de la Minería de Datos
Banca
• Determinación de Fraude con el uso de Tarjetas de Crédito
• Generación de Score de Riesgos para clientes morosos.
Retail
• Analisis de Canasta
• Propensión a la compra de Productos Estrella
Marketing
• Targeting de acciones de Marketing
• Fidelización de Clientes
Web
• Web Mining
• Optimización de Portales Web

11. www.dataminingperu.com
Ejemplos de Minería de Datos
Objetivo. Identificar a todos los posibles clientes que están
haciendo uso indebido del servicio de telefonía móvil
revendiendo ilegalmente la misma.
Telefonía Móvil: Propensión para la detección de Chalequeros
Arboles de Decisión

12. www.dataminingperu.com
Aplicación en Web Mining
Google Wikipedia
El Comercio

13. www.dataminingperu.com
Herramientas
Comerciales
Open Source

14. www.dataminingperu.com
Fases del Modelo
Comprensión
del Negocio
Comprensión
de los Datos
Preparación
de los Datos
Modelado Evaluación Desarrollo
Fases del Proyecto de Minería de datos

15. www.dataminingperu.com
Comprensión del Negocio
Comprensión
del Negocio
Comprensión
de los Datos
Preparación
de los Datos
Modelado Evaluación Desarrollo
Determinar los
Objetivos del
Negocio
Evaluar la
situación
Determinación
de los Objetivos
de Minería de
Datos
Elaborar el Plan
del Proyecto

16. www.dataminingperu.com
Comprensión del Negocio
Comprensión
del Negocio
Comprensión
de los Datos
Preparación
de los Datos
Modelado Evaluación Desarrollo
Recolectar Datos
Iniciales
Describir los
Datos
Explorar los
Datos
Calidad de los
Datos

17. www.dataminingperu.com
Comprensión del Negocio
Comprensión
del Negocio
Comprensión
de los Datos
Preparación
de los Datos
Modelado Evaluación Desarrollo
Seleccionar
Conjunto de Datos
Data Cleaning Integrar los Datos

18. www.dataminingperu.com
Data Cleaning
• Generación de datos de calidad.
• Datos primarios pueden llevar a conclusiones erroneas en el análisis.
• Mejora Considerable en el proceso de Análisis de Datos.
Data
Collecting
Data
Cleaning
Data
Transformation
Data Reduction
•Se obtiene datos de
diferentes fuentes.
•Resuelve conflictos
entre datos.
•Elimina Outliers
•Transformación y
consolidación de los
datos
•Selección de
caracteristicas.
•Muestra del total.
Comprensión
del Negocio
Comprensión
de los Datos
Preparación
de los Datos
Modelado Evaluación Desarrollo
Data Cleaning

19. www.dataminingperu.com
Comprensión del Negocio
Comprensión
del Negocio
Comprensión
de los Datos
Preparación
de los Datos
Modelado Evaluación Desarrollo
Escoger la
Técnica de
Modelado
Generar la
prueba de
control
Construir
el modelo
Evaluación
de
Modelos

20. www.dataminingperu.com
Comprensión del Negocio
Comprensión
del Negocio
Comprensión
de los Datos
Preparación
de los Datos
Modelado Evaluación Desarrollo
Evaluar los
Resultados
Revisar el
Proceso
Determinar
los Próximos
pasos

21. www.dataminingperu.com
Comprensión del Negocio
Comprensión
del Negocio
Comprensión
de los Datos
Preparación
de los Datos
Modelado Evaluación Desarrollo
Desarrollo del
Plan
Supervisión y
Mantenimiento
Informe Final
Revisar el
Proyecto

22. www.dataminingperu.com
Consultas
Consultas