El documento presenta una introducción a la minería de datos. Explica el proceso KDD/DM, que incluye 7 etapas para extraer conocimiento de los datos. También describe los tipos de bases de datos utilizadas en minería de datos, como almacenes de datos, módulos de datos y data webs. Además, explica los tipos de modelos construidos en el proceso, como modelos predictivos y descriptivos.

1. Introducción a laMinería de DatosLUIS PAULO VIEIRA BRAGALUIS IVÁN ORTIZ VALENCIA

2. IndiceIntroducción a la Minería de Datos

3. Introducciónhttp://introduccionmineriadedatos.blogspot.com/http://www.r-project.org/index.htmlLibro textoIntroducción a la Minería de Datos

4. IntroducciónIntroducción a la Minería de Datos

5. IntroducciónIntroducción a la Minería de Datos

6. IntroducciónIntroducción a la Minería de Datos

7. IntroducciónIntroducción a la Minería de Datos

8. IntroducciónIntroducción a la Minería de Datos

9. IntroducciónIntroducción a la Minería de Datos

10. IntroducciónIntroducción a la Minería de Datos

11. IntroducciónIntroducción a la Minería de Datos

12. La construcción de modelos enelproceso KDD/DMIntroducción a la Minería de Datos

13. La construcción de modelos enelproceso KDD/DMPrevisiónClassesDatosDatos DadosObjetos Process./Transf.Introducción a la Minería de Datos

14. La construcción de modelos enelproceso KDD/DMIntroducción a la Minería de Datos

15. La construcción de modelos enelproceso KDD/DMEjemplo de las siete etapas en una aplicación destinada a unacampaña de ventas deCertificados de Depósitos Bancarios (CDB)de un banco que tiene 1,400,000 clientes (personas físicas):Introducción a la Minería de Datos

16. Base de datos para minería de datos: Data Warehouse, Data Mart y Data WebhouseIntroducción a la Minería de Datos

17. Base de datos para minería de datos: Data Warehouse, Data Mart y Data WebhouseIntroducción a la Minería de Datos

18. Base de datos para minería de datos: Data Warehouse, Data Mart y Data WebhouseyIntroducción a la Minería de Datos

19. Base de datos para minería de datos: Data Warehouse, Data Mart y Data WebhouseIntroducción a la Minería de Datos

20. Base de datos para minería de datos: Data Warehouse, Data Mart y Data Webhousey Data ebhouseIntroducción a la Minería de Datos

21. www.jeunesse.com.brBase de datos para minería de datos: Data Warehouse, Data Mart y Data WebhouseyIntroducción a la Minería de Datos

22. Base de datos para minería de datos: Data Warehouse, Data Mart y Data WebhouseyBanco Relational versus MultidimensionalIntroducción a la Minería de Datos

23. La construcción de modelos en el proceso KDD/DMLa sigla KDD – Knowledge Discovery in Databases fuecreado em 1995 para designar el conjunto de procesos, técnicas y abordajes que propician el contexto en el cual la minería de datos tendrá lugar. En suma, es la aplicación del método científico moderno a los problemas del mundo de los negocios.Introducción a la Minería de Datos

24. La construcción de modelos en el proceso KDD/DMCuando usamos las técnicas de minería de datos para analizar problemas del mundo de los negocios, es necesario estar atento al cambio de paradigma que está ocurriendo. En el antiguo paradigma, un negocio estaba organizado en áreas funcionales – marketing, finanzas, ingeniería – y un comando dedicado para la producción.Introducción a la Minería de Datos

25. La construcción de modelos en el proceso KDD/DMEste paradigma está cambiando para algo dirigido al clientealrededor de quien se establece una red de procesos controlables retroactivamente. Los modelos de minería de datos deben evidenciar este nuevo paradigma bajo pena de incrementar nada.Introducción a la Minería de Datos

26. La construcción de modelos en el proceso KDD/DMLa primera ola de este cambio de paradigma fue sustentado en el concepto de lealtad/asiduidad medidas por la métrica RFM (recencia – tiempo transcurrido desde la última compra; frecuencia valor monetario), un ejemplo es el programa de millas presente en muchascompañías aéreas.Introducción a la Minería de Datos

27. La construcción de modelos en el proceso KDD/DMLa segunda ola se sustentó en la optimización del valor del cliente, buscando la oferta de productos y servicios en nichos definidos por segmentos de clientes.Introducción a la Minería de Datos

28. La construcción de modelos en el proceso KDD/DMLa tercera ola va más allá – busca la personalización en masa, proceso radical en el cual el consumidor puede alterar estructuralmente el producto/servicio de acuerdo con su pedido. Es el caso de la Toyota en el Japón, Domino en los EUA, y otras.Introducción a la Minería de Datos

29. La construcción de modelos en el proceso KDD/DMUn modelo predictivo calcula algún valor que representa un nivel de actividad futura, un modelo descriptivo descubre reglas que son usadas para agrupar ítems en categorías. Dentro de las aplicaciones de los modelos predictivos tenemos: los modelos de respuesta, riesgo, cross-sell, upsell, competencia, valor presente líquido y ciclo de vida. En relación a los modelos descriptivos las aplicaciones más comunes son: análisis de perfil de cliente y carro de compras. Introducción a la Minería de Datos

30. La construcción de modelos en el proceso KDD/DMComo un ejercicio formule un problema en su organización que pueda ser tratado usando minería de datos. Recuerde, el trabajo o el producto disponible es personalizado. O sea, usted sabe quien es el cliente o el usuario. No es necesario limitarse a negocios lucrativos, por ejemplo, en una industria a partir de datos de accidentes construir un modelo predictivo a partir del cual se pueda evaluar la propensión de un funcionario a accidentarse.Introducción a la Minería de Datos