APLICACIÓN DE LAS NUEVAS TECNOLOGÍAS EN LOS
NEGOCIOS: DATA MINING
Asignatura:
Innovación y nuevas tecnologías
ACOSTA SOLORZANO EMMANUEL
CENTENO BALLADARES KIMBERLY SARAI
EUAN LAGOS MARÍA RENEE
PRADO VALDEZ FERMIN ANTONIO
YESICA GÓMEZ GONZÁLEZ
PROGRAMA EDUCATIVO: Negocios Internacionales
Presentado a:
Wendy Sebastiana Hernández del Puerto
1- Descripción de la tecnología.
El data mining es un proceso técnico, automático o semiautomático, que analiza
grandes cantidades de información dispersa para darle sentido y convertirla en
conocimiento. Busca anomalías, patrones o correlaciones entre millones de
registros para predecir resultados. Esta práctica es considerada importante para las
organizaciones que aplican la inteligencia empresarial.
Surgió con la intención o el objetivo de ayudar a comprender una enorme cantidad
de datos y que estos pudieran ser utilizados para extraer conclusiones para
contribuir en la mejora y el crecimiento de las empresas.
Su principal finalidad es explorar, mediante la utilización de distintas técnicas y
tecnologías, bases de datos enormes de manera automática.
El objetivo es encontrar patrones repetitivos, tendencias o reglas que expliquen el
comportamiento de los datos que se han ido recopilando con el tiempo. Estos
patrones pueden encontrarse utilizando estadísticas o algoritmos de búsqueda
próximos a la Inteligencia Artificial.
Ventajas:
• Permite descubrir información
• Los resultados son muy fáciles de interpretar
• La empresa puede mejorar la atención al cliente
• Da a las empresas la posibilidad de ofrecer a los clientes los productos o
servicios que necesitan.
• Ahorra costes
Desventajas:
Dependiendo del tipo de datos que se quiera recopilar, nos puede llevar mucho
trabajo, o a veces la inversión inicial para obtener las tecnologías necesarias para
la recopilación de datos puede tener un coste elevado.
2- Áreas, negocios donde se aplican las tecnologías
Amazon: Amazon utiliza Text Mining para encontrar el precio más bajo del
producto.
Netflix: descubre cómo hacer que una película o una serie sea popular entre los
clientes utilizando su información de minería de datos.
Los bancos: son los primeros usuarios de la tecnología de minería de datos, ya
que les ayuda con la evaluación crediticia. Los bancos utilizan la minería de datos
para comprender mejor los riesgos del mercado. Se aplica habitualmente a los
sistemas inteligentes de lucha contra el fraude para analizar las transacciones, las
operaciones con tarjeta, los patrones de compra y los datos financieros de los
clientes.
Sector minorista: La minería de datos ayuda a los propietarios de supermercados
y del sector minorista a conocer las opciones de los clientes. Mirando el historial de
compras de los clientes, las herramientas de minería de datos muestran las
preferencias de compra de los clientes.
Domino 's: ayuda a los clientes a crear la pizza perfecta. La mayor empresa de
pizzas del mundo recopila 85.000 fuentes de datos estructurados y no
estructurados, incluidos los sistemas de puntos de venta y 26 centros de la cadena
de suministro. Este nivel de conocimiento ha mejorado el rendimiento del negocio
al tiempo que permite experiencias de compra personalizadas en todos los puntos
de contacto.
Air France KLM: atiende las preferencias de viaje de sus clientes. La aerolínea
utiliza técnicas de minería de datos para crear una visión de 360 grados del cliente
integrando los datos de las búsquedas de viajes, las reservas y las operaciones de
vuelo con la web
3- Ejemplos de aplicación de las diferentes industrias y sus características
La importancia de la extracción y el análisis de datos crece día a día en nuestra vida
real. Hoy en día la mayoría de las organizaciones utilizan la minería de datos para
el análisis de Big Data.
La minería de datos es ampliamente utilizada por las organizaciones para
construir una estrategia de marketing, por los hospitales para herramientas de
diagnóstico, por el comercio electrónico para la venta cruzada de productos a través
de sitios web y muchas otras formas.
#1) Proveedores de servicios móviles
Los proveedores de servicios móviles utilizan la minería de datos para diseñar sus
campañas de marketing y evitar que los clientes opten por otros proveedores.
A partir de una gran cantidad de datos, como información de facturación, correo
electrónico, mensajes de texto, transmisiones de datos web y servicio al cliente, las
herramientas de minería de datos pueden predecir la "deserción" que indica a los
clientes que buscan cambiar de proveedor.
Con estos resultados se da una puntuación de probabilidad. Los proveedores de
servicios móviles pueden entonces ofrecer incentivos y ofertas a los clientes que
corren un mayor riesgo de abandono. Este tipo de minería suele ser utilizado por
los principales proveedores de servicios, como proveedores de banda ancha,
telefonía, gas, etc.
#2) Inteligencia artificial
Un sistema se vuelve artificialmente inteligente alimentándose con patrones
relevantes. Estos patrones provienen de resultados de minería de datos. También
se analiza la relevancia de los resultados de los sistemas de inteligencia artificial
utilizando técnicas de minería de datos.
Los sistemas de recomendación utilizan técnicas de minería de datos para hacer
recomendaciones personalizadas cuando el cliente interactúa con las máquinas. La
inteligencia artificial se utiliza en datos extraídos, como dar recomendaciones de
productos basadas en el historial de compras del cliente en Amazon.
#3) Comercio electrónico
Muchos sitios de comercio electrónico utilizan la minería de datos para ofrecer
ventas cruzadas y ventas adicionales de sus productos. La mayor parte de los sitios
de compras como Amazon, Flipkart e incluso Shein muestran "La gente también
vio" y "Compraron juntos con frecuencia" a los clientes que interactúan con el sitio.
Estas recomendaciones se proporcionan mediante extracción de datos sobre el
historial de compras de los clientes del sitio web.
# 4) Ciencia e ingeniería
Con la llegada de la minería de datos, las aplicaciones científicas están pasando de
técnicas estadísticas al uso de técnicas de “recopilación y almacenamiento de
datos”, para luego realizar minería de nuevos datos, generar nuevos resultados y
experimentar con el proceso. Se recopila una gran cantidad de datos de ámbitos
científicos como la astronomía, la geología, los sensores satelitales, el sistema de
posicionamiento global, etc.
La minería de datos en informática ayuda a monitorear el estado del sistema,
mejorar su rendimiento, descubrir errores de software, descubrir plagio y descubrir
fallas. La minería de datos también ayuda a analizar los comentarios de los usuarios
sobre productos y artículos para deducir opiniones y sentimientos de las vistas.
#5) Prevención del delito
La minería de datos detecta valores atípicos en una gran cantidad de datos. Los
datos penales incluyen todos los detalles del delito ocurrido. La minería de datos
estudia los patrones y tendencias y de esta manera puede predecir eventos futuros
con mayor precisión.
Las agencias pueden averiguar qué zona es más propensa a la delincuencia, cuánto
personal policial debe desplegarse, a qué grupo de edad debe dirigirse, el número
de vehículos que deben controlarse, etc.
#6) Investigación
Los investigadores utilizan herramientas de minería de datos para explorar las
asociaciones entre los parámetros bajo investigación, como las condiciones
ambientales como la contaminación del aire y la propagación de enfermedades
como el asma entre las personas en regiones específicas.
#7) Agricultura
La minería de datos en agricultura es un campo de investigación relativamente
novedoso. Ayuda a desarrollar y adaptar técnicas eficaces para resolver problemas
agrarios como conocer el rendimiento de las hortalizas con la cantidad de agua que
necesitan, estudiar las características del suelo, previsiones de las condiciones
meteorológicas y de la contaminación atmosférica, analizar qué hortalizas son aptas
para la venta e incluso para controlar la fermentación del vino.
#8) Automatización
Mediante el uso de la minería de datos, los sistemas informáticos aprenden a
reconocer patrones entre los parámetros que se comparan. El sistema almacenará
los patrones que serán útiles en el futuro para lograr los objetivos comerciales. Este
aprendizaje es automatización, ya que ayuda a alcanzar los objetivos a través del
aprendizaje automático.
#9) Precios dinámicos
La minería de datos ayuda a los proveedores de servicios, como los servicios de
taxi, a cobrar dinámicamente a los clientes en función de la oferta y la demanda. Es
uno de los factores clave para el éxito de las empresas.
#10) Transporte
La minería de datos ayuda a programar el traslado de vehículos desde los
almacenes a los puntos de venta y a analizar los patrones de carga de productos.
#11) Seguro
Los métodos de minería de datos ayudan a pronosticar los clientes que compran las
pólizas, analizar las reclamaciones médicas que se utilizan en conjunto, descubrir
comportamientos fraudulentos y clientes riesgosos.
#12) CRM: Customer Relationship Management
Ayuda a identificar las preferencias de los distintos grupos de clientes, productos y
servicios adaptados a su gusto para aumentar la cohesión entre los clientes de
tarjetas de crédito y el banco. La aplicación sistémica de técnicas de refuerza el
proceso de gestión del conocimiento y permite al personal de marketing conocer
bien a sus clientes para
ofrecer mejores servicios
La minería de datos describe un método para detectar cambios en el
comportamiento de los clientes en diferentes instantáneas temporales a partir de
perfiles de clientes y datos de ventas. El enfoque común consiste en descubrir los
cambios a partir de dos conjuntos de datos y generar reglas a partir de cada conjunto
de datos para llevar a cabo la comparación de reglas.
#13) Ámbito financiero y empresarial
Es de gran importancia para las empresas, dos aspectos a destacar son la ayuda
en los mercados bursátiles y en el marketing. Esto gracias a que proporciona
predicciones automáticas de comportamientos, usa los resultados de campañas de
marketing realizadas anteriormente para identificar el perfil de los clientes que son
más propensos a comprar el producto, el Data Mining también crea modelos para
predecir las tendencias. Como ejemplos podemos citar la predicción de ventas en
el futuro o la predicción en mercados de capitales.
#14) Aplicaciones en la medicina
La minería de datos predictiva en medicina clínica se ocupa de aprender modelos
para predecir la salud de los pacientes. Los modelos pueden dedicarse a apoyar a
los clínicos en tareas diagnósticas, terapéuticas o de seguimiento. Los métodos de
minería de datos suelen aplicarse en contextos clínicos para analizar datos
retrospectivos, lo que brinda a los profesionales sanitarios la oportunidad de explotar
grandes cantidades de datos recogidos de forma rutinaria durante su actividad
diaria.
4 -Resultados de la implementación
Impacto antes
Fue hasta los años ochenta cuando empezó su consolidación.
La minería de datos surgió con la intención o el objetivo de ayudar a comprender
una enorme cantidad de datos y que estos pudieran ser utilizados para extraer
conclusiones para contribuir en la mejora y el crecimiento de las empresas. Sobre
todo, por lo que hace a las ventas o fidelización de clientes.
Impacto ahora
Su principal finalidad es explorar, mediante la utilización de distintas técnicas y
tecnologías, bases de datos enormes de manera automática. El objetivo es
encontrar patrones repetitivos, tendencias o reglas que expliquen el
comportamiento de los datos que se han ido recopilando con el tiempo. Estos
patrones pueden encontrarse utilizando estadísticas o algoritmos de búsqueda
próximos a la Inteligencia Artificial y a las redes neuronales.
5 - Áreas de oportunidad
Aunque el data mining ya es aprovechado en una variedad de áreas y campos, aún
queda un gran camino por recorrer. El data mining puede ser el camino que nos
lleve a crear algoritmos que se aprovechen de estos análisis sin el factor humano,
creando así nuevas tecnologías que nos permitan reconocer patrones como:
• En la educación, los casos de riesgo o deserción que pueden existir y cómo
podemos ayudar a que esto no suceda.
• En la salud, las enfermedades incurables como el cáncer antes de que se
produzcan en el cuerpo, por estudios de genética y otros factores de riesgo.
• En el marketing, clientes que actualmente no están interesados en el
producto que ofrecemos, pero que podrían estarlo en un futuro basándonos
en sus tendencias de compra y comparándolo con el historial de otros
consumidores.
Por supuesto, para todo esto hay que considerar que la oportunidad viene ligada a
un factor de falta de privacidad al tener que acceder a más datos de cada individuo
para poder predecir de forma correcta el comportamiento por medio de algoritmos,
pero, a pesar de ser algo que parece muy lejano, ya estamos bastante cerca de un
mundo donde la digitalización no entiende la privacidad.
En este sentido, podemos decir que la única área donde el data mining no está
aprovechado al cien por ciento es donde los límites de la privacidad de la
información aún prevalecen. Si queremos que el aprovechamiento del data mining
sea en todos los aspectos de nuestra vida, tenemos que comprometer la privacidad
de nuestra información personal, historial y todo lo demás que hacemos para que la
inteligencia artificial pueda aprender de ellos y predecir tendencias futuras.
Fuentes de referencias
/
Bellazzi, R., Ferrazzi, F., & Sacchi, L. (2011). Predictive data mining in clinical medicine: a focus
on selected methods and applications. WIREs Data Mining & Knowledge Discovery, 1(5),
416–430. [Link]
Bello, E. (2021). ¿Qué es el minado de Datos o Data Mining? Técnicas y pasos a seguir. Thinking
for Innovation. [Link]
Data mining examples: Most common applications of data mining 2023. (2023, 21 junio).
Software Testing Help. [Link]
Garrido, L., & Latorre, J. I. (2001). Aplicaciones empresariales de Data Mining. Universidad De
Barcelona, 25, 499–508.
Hassani, H., Huang, X., Silva, E. S., & Ghodsi, M. (2016). A Review of Data Mining Applications
in Crime. In Statistical Analysis and Data Mining (Vol. 9, pp. 139–154).
[Link]
Mucherino, A., Papajorgji, P., & Pardalos, P. M. (2009). A survey of data mining techniques
applied to agriculture. Oper Res Int J. [Link]
Novoseltseva, E. (2021, 28 abril). Minería de datos: casos de uso y beneficios | Apiumhub.
Apiumhub. [Link]
beneficios/#:~:text=Minoristas%2C%20bancos%2C%20fabricantes%2C%20empresas,com
petencia%20y%20la%20presencia%20en
Ruey-Chyi Wu, Ruey-Shun Chen and C. . -C. C. J. Y. Chen (2005). Data mining application in
customer relationship management of credit card business. 29th Annual International
Computer Software and Applications Conference (COMPSAC'05).
[Link]
Yu, Z. J., Haghighat, F., & Fung, B. C. M. (2016). Advances and challenges in building
engineering and data mining applications for energy-efficient communities. Sustainable
Cities and Society, 25, 33–38. [Link]
