2.5.1.1 Fases de un Proyecto de Minería de Datos

De acuerdo a Inflexa [20], los pasos a seguir para la realización de un proyecto de minería de datos son siempre los mismos, independientemente de la técnica específica de extracción de conocimiento usada:

 Filtrado de datos

 Selección de Variables

 Extracción de Conocimiento

 Interpretación y Evaluación

Las prácticas de minería de datos se realizan con base a procedimientos como:

Clasificación. Consiste en examinar las características de una entidad nueva y asignarle una clase predefinida. Por ejemplo: Clasificar a un nuevo cliente según su riesgo de crédito (alto, medio, bajo).

Estimación. Similar a lo anterior, pero aplicado a variables continuas. Por ejemplo: ingresos, balance de tarjetas de crédito, etc..

Predicción. Predicción de fidelidad de clientes "Churn Modeling". Por ejemplo: predecir qué clientes nos abandonarán en los próximos 6 meses

Grupos Afines o Reglas de Asociación. El objetivo de los grupos afines es determinar que cosas van juntas. También puede ser usado para identificar oportunidades de “cross-selling” (venta cruzada de productos complementarios). Por ejemplo: que productos debieran ir juntos en un supermercado, recomendaciones de productos.

Clustering. Clustering tiene como objetivo el segmentar a un grupo diverso en un conjunto de subgrupos o “cluster”. A diferencia de clasificación, clustering no depende de clases predefinidas. Y es el primer paso en segmentación de mercado. Por ejemplo: un cluster particular de síntomas puede indicar una enfermedad particular

Descripción y Visualización. Algunas veces el objetivo es simplemente describir qué esta ocurriendo en una base de datos compleja, para así aumentar nuestro entendimiento de las personas, productos o procesos que generaron los datos inicialmente.

2.5.1.2 Aplicaciones

Las prácticas de minería de datos se utilizan en diversas industrias y funciones de negocios.

Empresas de telecomunicaciones, tarjetas de crédito y compañías de seguros utilizan minería de datos para la detección de fraudes, optimización de campañas de marketing, descripción y segmentación de clientes, predicción de fidelidad de clientes (churn modeling).

La industria del comercio utiliza la minería de datos para diseñar y evaluar campañas de marketing, definir ofertas más apropiadas o recomendaciones de productos (cross y up selling) a clientes, y predecir riesgo en asignación de créditos a clientes.

La industria de la medicina utiliza la minería de datos para predecir la efectividad de procedimientos quirúrgicos, exámenes médicos y medicamentos

Bancos e Instituciones Financieras para monitorear las transacciones de sus cuentahabientes y reducir usos indebidos de las tarjetas.