Data Mining o Knowledge Discovery in Databases (KDD) consiste en extraer información de un conjunto de datos y transformarla en una estructura comprensible, esto es, en información útil y accesible para que pueda ser usada posteriormente.
Data Mining es un término que está de moda y que se utiliza, en muchas ocasiones, de manera incorrecta. Algunas de las referencias erróneas que se le atribuyen son que se trata de cualquier forma de datos a gran escala, o de procesamiento de la información.
Según Arturo Licona, especialista de Deloitte Consulting Group, Data Mining es “un conjunto de técnicas de extracción de datos para detectar patrones de comportamiento a través de algoritmos matemáticos”.
La tendencia a acumular grandes cantidades de datos en las organizaciones continúa hoy en día a un ritmo creciente. A ello han contribuido, entre otros, las nuevas técnicas de captura de datos y el avance de la tecnología de almacenamiento de datos y su reducción de costes. La disponibilidad posterior de esos datos es también sumamente importante y es donde entra en juego el concepto de Data Mining.
La enorme cantidad de datos que se generan y procesan a diario en las organizaciones lleva de la mano la necesidad de analizarlos en tiempo real, el problema es que los métodos tradicionales de análisis de datos no son suficientes. De ahí surgen los conceptos de Data Mining y Big Data. Ambos se refieren al hecho de saber aprovechar convenientemente las gigantescas masas de información de que disponen las organizaciones en su día a día, para extraer información útil que les ayude en la toma de decisiones.
Big Data nace para almacenar toda esa cantidad de información que se genera. Y es que el volumen de información que ha ido apareciendo ha obligado a que se empiece a medir la información en Exbyte (EB) e, incluso, en Zettabyte (ZB).
La clave de todo es cómo sacar partido, es decir, cómo transformar la información en conocimiento válido para la toma de decisiones. El uso de técnicas analíticas ha evolucionado y es en este ámbito en el que surge el concepto de Data Mining. La aplicación de los modelos de Data Mining a los negocios permite las siguientes ventajas: extraer conocimiento de los datos; exprimir todo el valor que encierra ese conocimiento y perfeccionar la estrategia empresarial.
En este sentido, un buen ejemplo de un modelo de Data Mining aplicado al sector empresarial sería un modelo que defina a un grupo específico de clientes, entre los que se incluyan por ejemplo los que más consumen o los que lo hacen con más frecuencia.
Así, la diferencia entre Data Mining y Big Data es que el primero se refiere a la actividad de análisis que se lleva a cabo para extraer información relevante y oportuna de esa ingente cantidad de información que es el Big Data. Las empresas recopilan de forma automática conjuntos masivos de datos e información, o Big Data. Pero los responsables de tomar las decisiones necesitan una información concreta o precisa que les ayude en el proceso.
Este proceso puede implicar el uso de varios tipos de software. Por ejemplo, una herramienta de Data Mining puede consistir en encontrar listados específicos de los clientes que más consumen o que lo hacen con mayor frecuencia. De manera general, el objetivo principal del Data Mining es la clasificación o predicción de datos.
Leave a Comment