La minería de datos generalmente se refiere a un método utilizado para analizar datos de una fuente de destino y componer esa retroalimentación en información útil. Esta información generalmente se usa para ayudar a una organización a reducir costos en un área en particular, aumentar los ingresos o ambos. A menudo facilitado por una aplicación de minería de datos, su objetivo principal es identificar y extraer patrones contenidos en un conjunto de datos dado.
Lo más importante es que las técnicas de minería de datos tienen como objetivo proporcionar información que permita una mejor comprensión de los datos y sus características esenciales. Las empresas y organizaciones pueden emplear muchos tipos diferentes de métodos de minería de datos. Si bien pueden adoptar un enfoque similar, todos generalmente se esfuerzan por alcanzar objetivos diferentes.
El propósito de las técnicas de minería de datos predictivos casi siempre es identificar modelos o patrones estadísticos que se pueden utilizar para predecir una respuesta de interés. Por ejemplo, una institución financiera podría usarlo para identificar qué transacciones tienen la mayor probabilidad de fraude. Este es el método más común de minería de datos y se ha convertido en una herramienta eficiente para la toma de decisiones para empresas medianas y grandes. También ha demostrado ser eficaz para predecir el comportamiento de los clientes, categorizar segmentos de clientes y pronosticar varios eventos.
Los modelos de resumen se basan en técnicas de extracción de datos que responden en consecuencia a los datos resumidos. Por ejemplo, una organización puede asignar pasajeros de líneas aéreas o transacciones con tarjetas de crédito en diferentes grupos en función de sus características extraídas del proceso analítico. Este modelo también puede ayudar a las empresas a comprender mejor su base de clientes.
Los modelos de asociación tienen en cuenta que ciertos eventos pueden ocurrir juntos de forma regular. Esto podría ser la compra simultánea de elementos como un mouse y un teclado o una secuencia de eventos que llevaron a la falla de un dispositivo de hardware en particular. Los modelos de asociación representan técnicas de minería de datos utilizadas para identificar y caracterizar estas ocurrencias asociadas.
Los modelos de red utilizan la minería de datos para revelar estructuras de datos en forma de nodos y enlaces. Por ejemplo, una red de fraude organizada podría compilar una lista de números de tarjetas de crédito robados y luego dar la vuelta y usarlos para comprar artículos en línea. En esta ilustración, las tarjetas de crédito y los comerciantes en línea representan los nodos, mientras que las transacciones reales actúan como enlaces.
La minería de datos tiene muchos propósitos y se puede utilizar para obtener beneficios tanto positivos como maliciosos. Más organizaciones están llegando a descubrir los beneficios de fusionar técnicas de minería de datos para formar modelos híbridos. Estas poderosas combinaciones a menudo dan como resultado aplicaciones con un rendimiento superior. Al integrar las características clave de diferentes métodos en soluciones híbridas únicas, las organizaciones generalmente pueden superar las limitaciones de los sistemas estratégicos individuales.