1. Ingeniero: EDWARD FIGUEROA MALDONADO

2. Que es el conocimiento

3. Datos Información Conocimiento

4. Cuanto vale para una empresa
tomar una buena decisión.

5. Que pasa cuando una empresa
toma una mala decisión.

6. Pirámide Organizacional

7. Como las empresas toman
decisiones.

8. Nicho de mercado de sistemas de
información gerencial.

9. Cultura organizacional

10. Que es minería de datos
Se define la minería de datos como el proceso de extraer
conocimiento útil y comprensible, previamente
desconocido, desde grandes cantidades de datos
almacenados en distintos formatos. Es decir la tarea
fundamental de la minería de datos es encontrar
modelos inteligibles a partir de los datos. Para que este
proceso sea efectivo debería ser automático o semi-
automático (asistido) y el uso de los patrones
descubiertos debería ayudar a tomar decisiones más
seguras que reporten, por tanto, algún beneficio a la
organización.

16. Proceso de Minería de Datos

17. Ejemplo real de minería de datos
(ONLY)
5%
25%
30% Grupo I
Grupo II
12% Grupo III
Grupo IV
12% 16% Grupo V
Grupo VI

18. Weka

19. Weka

20. Weka

21. Weka

22. Weka

23. Desarrollo de un Ejemplo Real de
Minería de Datos

24. Aplicaciones
 Pronostico de la oferta y la demanda de la empresa
en el tiempo
 Segmentación de clientes y proveedores
 Análisis de deserción de clientes
 Evaluación de la performance de los trabajadores
 Relación y asociación de productos comprados

25. APLICACIONES
Aplicaciones financieras y banca
 Obtención de patrones de uso fraudulento de tarjetas de
crédito
 Determinación del gasto en tarjeta de crédito por grupos
 Calculo de correlaciones entre indicadores financieros
 Identificación de reglas de mercado de valores a partir de
históricos
 Análisis de riesgos en créditos

26. APLICACIONES
Análisis de mercado, distribución y, en
general, comercio
 Análisis de la cesta de compra
 Evaluación de campañas publicitarias
 Segmentación de Clientes

27. APLICACIONES
Seguros y salud privada
 Determinación de los clientes que podrían ser
potencialmente caros
 Identificación de patrones de comportamiento para
clientes con riesgo
 Identificación de comportamiento fraudulento

28. APLICACIONES
Educación
 Selección o captación de estudiantes
 Detección de abandonos y de fracaso

29. APLICACIONES
Procesos industriales
 Detección de piezas con trabas
 Predicción de fallos y accidentes

30. APLICACIONES
Medicina
 Identificación de patologías. Diagnostico de
enfermedades
 Detección de pacientes con riesgo de sufrir una patología
concreta

31. APLICACIONES
Biología, bioingeniería y otras ciencias
 Predecir si un compuesto químico causa cáncer
 Clasificación de cuerpos celestes

32. APLICACIONES
Telecomunicaciones
 Establecimiento de patrones de llamadas
 Modelos de cargas de redes
 Detección de fraude

33. APLICACIONES
Otras Aéreas
 Correo electrónico y agendas personales: clasificación y
distribución automática de correo, detección de correo
spam, gestión de avisos, análisis del empleo del tiempo
 Recursos Humanos: selección de empleados
 Hacienda: detección de evasión fiscal
 Policiales: identificación de posibles terroristas en un
aeropuerto