MINERÍA DE DATOS 

La minería de datos ya es la parte que se conecta con la toma de desiciones, pues es donde ya se hace un análisis predictivo, con el fin de buscar patrones y relaciones que le ayuden a proyectar a la empresa cómo será el comportamiento a futuro. K. Laudon en Sistemas de Información general ed 12, establece que
existen cinco tipos de información que se pueden obtener de la minería de datos, los cuales son: asociaciones, secuencias, clasificaciones, agrupamientos y pronósticos. Veámoslos más en detalle.

Las asociaciones son ocurrencias vinculadas a un solo evento. Por ejemplo, un estudio de los patrones de compra en supermercados podría revelar que, cuando se compran frituras de maíz, el 65 por ciento del tiempo se compra un refresco de cola, pero cuando hay una promoción, el 85 por ciento se compra un refresco de cola. Esta información ayuda a los gerentes a tomar mejores decisiones debido a que descubren la rentabilidad de una promoción.
• En las secuencias, los eventos se vinculan en el transcurso del tiempo. Por ejemplo, podríamos descubrir que si se compra una casa, el 65 por ciento del tiempo se compra un nuevo refrigerador dentro de las siguientes dos semanas, y el 45 por ciento se compra un horno dentro del mes posterior a la compra de la
casa.
• La clasificación reconoce los patrones que describen el grupo al que pertenece un elemento, para lo cual se examinan los elementos existentes que hayan sido clasificados y se infiere un conjunto de reglas. Por ejemplo, las empresas como las compañías de tarjetas de crédito o las telefónicas se preocupan por la pérdida de clientes estables. La clasificación ayuda a descubrir las características de los clientes con probabilidades de dejar de serlo y puede proveer un modelo para ayudar a los gerentes a predecir quiénes son esos clientes, de modo que puedan idear campañas especiales para retenerlos.
• El agrupamiento funciona de una manera similar a la clasificación cuando aún no se han definido grupos. Una herramienta de minería de datos puede descubrir distintas agrupaciones dentro de los datos, como el hecho de encontrar grupos de afinidad para tarjetas bancarias o particionar una base de datos en grupos de clientes con base en la demografía y los tipos de inversiones personales.
• Aunque estas aplicaciones implican predicciones, el pronóstico utiliza las predicciones de una manera distinta. Se basa en una serie de valores existentes para pronosticar cuáles serán los otros valores. Por ejemplo, el pronóstico podría encontrar patrones en los datos para ayudar a los gerentes a estimar el futuro valor de variables continuas, como las cifras de ventas.
Es muy común hoy día el uso de la minería de datos, hay tantísimas situaciones en las que las compañías usan esta herramienta para identificar por ejemplo, los clientes con mayor probabilidad a adquirir un producto y así, hacer que la
correspondencia fuese más eficiente.

Casos reales

Uno de los casos más famosos es el de la cadena de tiendas Walmart, que encontraron un patrón muy particular entre dos productos que a simple vista no tienen mucho que ver, la cerveza y los pañales, pero resultó que la mayoría de varones que compraban cerveza, tenían una alta probabilidad de comprar pañales, por lo que Walmart decidió colocar el estante de cervezas cerca al de pañales y así mejoraron sus ganancias significativamente. Un ejemplo de un software que haga uso de la minería de datos es SAS Institute, uno de los principales fabricantes de BI y que cuentan hasta con su propio lenguaje de programación ‘SAS’.

Una compañía que hace utiliza el software Enterprise Miner de SAS Institute es FedEx, haciendo uso de las herramientas de análisis predictivo pronostican cuál es la posible respuesta de los clientes frente a cambios en los precios, cuáles de
esos clientes están en riesgo de cambiar de compañía y cuánto será el ingreso por un cambio de sucursal. El índice de precisión del software varía entre el 65 y 90 por ciento. Con esto FedEx hace uso del análisis predictivo en sus Call center, ayudando a los representantes de servicio al cliente a identificar los clientes insatisfechos y tomar acciones para resguardarlos.

Para concluir, la minería de datos es el proceso de localizar la información procesable de los grupos grandes de datos. El data mining utiliza el análisis matemático para deducir los patrones y tendencias que existen en los datos. Normalmente, estos patrones no se pueden detectar mediante la indagación tradicional de los datos ya que las relaciones son demasiado complejas o hay mayor cantidad de datos de los que se pueden administrar.