Bancos, Retail, Medicina: Quién usa Data Mining y para qué

Bancos, Retail, Medicina: Quién usa Data Mining y para qué

¿Qué es la minería de datos? La minería de datos (producción de datos, análisis de datos intelectuales, análisis de datos profundos o simplemente minería de datos) es un proceso utilizado por las empresas para convertir grandes datos sin procesar en información útil.

Además, esta tecnología utiliza el término menos popular “descubrimiento de conocimiento en datos” o KDD (Knowledge Discovery in Databases).

Si el término Big Data significa más y más datos, tanto procesados como no procesados, entonces Data Mining es un proceso de inmersión profunda en estos datos para extraer conocimiento clave.

Economía de la innovación Qué es Big Data y por qué se les llama “nuevo petróleo” El autor del término Minería de datos Grigory Pyatetskiy-Shapiro lo definió como un proceso de detección de conocimiento previamente desconocido, no trivial, útil en la práctica y asequible del conocimiento necesario para toma de decisiones en diversos campos de la actividad humana.

Mediante el uso de software para buscar leyes en grandes paquetes de datos, las empresas pueden crear estrategias de marketing, gestionar riesgos crediticios, detectar fraudes, filtrar spam o incluso identificar el estado de ánimo de los usuarios.

El análisis intelectual de los datos depende de la recopilación, el almacenamiento y el procesamiento informático efectivos de los datos.

La minería de datos se considera una disciplina separada en el campo de la ciencia de datos.

El término “análisis intelectual de datos” apareció en revistas académicas allá por 1970, pero se volvió realmente popular solo en la década de 1990 después de la aparición de Internet.

Luego, las empresas necesitaban analizar grandes volúmenes de datos heterogéneos para encontrar patrones no triviales y aprender a predecir el comportamiento del cliente.

Los modelos estadísticos ordinarios no pudieron hacer frente a esta tarea.

Los primeros sistemas de Minería de Datos estaban destinados a procesar datos de ventas en supermercados en varios parámetros, incluido su volumen por región y tipo de producto.

Tareas de minería de datos Los modelos de análisis de datos intelectuales se utilizan para varios tipos de tareas: pronóstico: evaluación de ventas, predicción de la carga del servidor o su tiempo de inactividad; riesgo y probabilidad: la elección de clientes adecuados para el envío de destino, determinando el punto de equilibrio para escenarios de riesgo, el propósito de probabilidades por diagnósticos u otros resultados; Recomendaciones: Determinación de productos que se venderán juntos, creación de mensajes de recomendación; Búsqueda de secuencias: análisis de la elección de los clientes durante las compras, pronosticando su comportamiento; Agrupación: división de clientes o eventos en clústeres, análisis y previsión de características comunes de estos clústeres.

Dónde se utiliza la minería de datos El análisis intelectual de los datos se utiliza principalmente en los sectores que prestan servicios a los consumidores, incluso en el ámbito del comercio minorista, las finanzas y el marketing.

Por ejemplo, Sberbank tiene un servicio de "Recopilación de análisis", que proporciona datos sobre la industria del mercado o los territorios en función del análisis de flujos de efectivo, ventas de bienes y servicios y otros parámetros.

Puede ser utilizado tanto por empresas como por organismos estatales para evaluar el potencial de desarrollo de la región.

Las cadenas minoristas de minería de datos comerciales le permiten analizar las canastas de los clientes para mejorar la publicidad, crear existencias de productos en los almacenes y planificar cómo descomponerlos en las ventanas, abrir nuevos historias e identificar las necesidades de las diferentes categorías de clientes.

La red rusa “Lenta” analizó los datos de las tarjetas de fidelización de más de 90% de sus clientes y dividió la audiencia en ciertos segmentos para el comportamiento del cliente.

En particular, el minorista identificó el segmento de compradores solo productos básicos y hombres, que con mayor frecuencia compraron solo bebidas y bocadillos.

Esto permitió optimizar el surtido y gestionar el cálculo y los precios.

Y Amazon, en octubre de 2021, anunció una herramienta que brindaría a los vendedores acceso a información sobre lo que los compradores están buscando actualmente y, por lo tanto, ayudará a simplificar la elección de productos para la venta.

Bancos y telecomunicaciones Las organizaciones de crédito de minería de datos le permiten identificar el fraude con tarjetas de crédito mediante el análisis de dichas transacciones, así como ofrecer varios tipos de servicios a diferentes grupos de clientes.

Telecom utiliza el análisis de datos para lidiar con el spam y desarrollar nuevas tarifas para varios grupos de suscriptores.

Los operadores celulares rusos utilizan la minería de datos para fines internos y también ofrecen análisis de datos como producto.

Así, Beeline en 2020 lanzó un nuevo servicio, que permite a las empresas recibir datos demográficos de sus clientes a través de una base de datos de fechas, que recopila Vimpelcom.

Seguros Las compañías de seguros analizan grandes cantidades de datos para identificar riesgos y reducir sus pérdidas por obligaciones, así como ofrecer a los clientes servicios relevantes.

Así, la compañía de seguros privada australiana HCF Analysis of Big Data hizo posible reducir los costos de los boletines publicitarios en 25%en cuatro meses.

Los analistas determinaron con precisión a los clientes que probablemente estén dispuestos a comprar un servicio más caro y crearon un boletín separado para ellos.

El análisis de Big Data de Production Enterprises le permite coordinar planes de suministro con pronósticos de demanda, así como detectar problemas de producción en las primeras etapas e invertir con éxito en la marca.

Además, los fabricantes pueden predecir el desgaste de los activos de producción y planificar el mantenimiento y la reparación para no detener la línea de producción.

Un ejemplo del uso de la Minería de Datos en la industria es predecir la calidad del producto, en función de los parámetros del proceso tecnológico.

El "Infosystems Jet" ruso ofrece un sistema intelectual para apoyar las decisiones Jet Galatea.

Analiza las instrucciones tecnológicas y los datos recibidos de los sensores en el equipo, y luego forma y emite recomendaciones para los tecnólogos sobre la conducción óptima del proceso de producción.

Jet Galatea se utiliza en metalurgia, carpintería, industria agrícola y extracción de minerales para reducir el consumo de materias primas y aumentar el volumen de productos.

Sociología El análisis de los estados de ánimo a partir de estas redes sociales nos permite comprender cómo un determinado grupo de personas se relaciona con un tema específico.

Desde 2016, la policía rusa ha estado utilizando el sistema Zeus en algunas regiones del país.

Le permite rastrear el comportamiento del usuario en la red social y construye el horario del entorno, estableciendo una posible conexión entre los usuarios sobre la base del análisis de amigos, familiares, amigos mediados, lugares de residencia, grupos comunes, me gusta y reenvíos.

Los sistemas de minería de datos de medicina también se utilizan para realizar diagnósticos médicos.

Se construyen sobre la base de reglas que describen las combinaciones de síntomas de diversas enfermedades.

Las reglas ayudan a elegir los productos de tratamiento.

Por ejemplo, la startup británica Babylon Heath recopila toda la información sobre la salud de los clientes, su estilo de vida y hábitos, y luego el algoritmo construye hipótesis y ofrece opciones de examen, tratamiento e incluso recomienda médicos y clínicas específicas.

Un ejemplo de comunicación de Babylon Heath con un cliente (foto: Babylonhealth.

com) Sistemas de reconocimiento Los sistemas similares están diseñados para ofrecer bienes o servicios, que probablemente sean interesantes para las personas, y también se utilizan para ayudar a los clientes.

Funcionan gracias a una fecha-mayor, que se realiza en tiempo real.

En pocas palabras, el modelo se actualiza constantemente.

Entonces, los asistentes de voz ALEXA de Amazon, Siri de Apple y Alice de Yandex están funcionando.

Como ejemplo, también podemos dar el servicio de soporte de taxi VIDI, donde el algoritmo resuelve hasta 60% de solicitudes de usuarios, ya que la mayoría de las veces son similares.

Tecnología y métodos de minería de datos Hay varias etapas en la producción de datos.

Formulación del problema.

Este paso incluye un análisis de los requisitos comerciales, la determinación del área del problema, las métricas por las cuales se evaluará el modelo, así como la determinación de las tareas para el proyecto de análisis.

Preparación de datos: Asociación y limpieza.

Este trabajo incluye no solo la eliminación de datos innecesarios, sino también la búsqueda de dependencias ocultas, determinando las fuentes de los datos más precisos y creando una tabla para el análisis.

Estudio de datos.

Construir modelos.

Investigación y verificación de modelos.

La precisión de sus pronósticos se puede verificar con herramientas especiales.

Despliegue y actualización de modelos.

Cuando el modelo se ha ganado, debe actualizarse a medida que llegan nuevos datos y luego volver a procesarlo.

Etapas de la minería de datos (foto: Predictivesolutions.

ru) Lo que debe saber y poder Fecha Mainer Un especialista en procesamiento intelectual de datos debe tener un conocimiento profundo en el campo de las estadísticas matemáticas, hablar idiomas extranjeros, así como lenguajes de programación.

Procesa grandes volúmenes de información y se dedica a la búsqueda de conexiones en ella.

El especialista utiliza métodos de aprendizaje automático, crea algoritmos, trabaja con análisis estadístico.

Luego, el Date Mainer representa los resultados de la organización de su trabajo en un formato comprensible.

Con base en estas presentaciones, la empresa toma decisiones.

Los empleadores prefieren especialistas en minería de datos con educación técnica, matemática o de ciencias naturales.

Las universidades ofrecen áreas de formación apropiadas: “Matemáticas e Informática”, “Matemáticas Aplicadas e Informática”, “Informática Aplicada” y “Análisis y Gestión de Sistemas”.

Además, la minería de datos se puede estudiar en cursos, por ejemplo, Coursera.

Según el portal HeadHunter, en octubre de 2021, los salarios de los dátiles en Rusia eran de ₽28 mil a ₽250 mil.

Programas de minería de datos Hay muchos programas que pueden realizar tareas de minería de datos.

Aquí hay unos ejemplos.

SAS Enterprise miner es un conjunto de métodos de análisis de datos intelectuales que se utiliza para resolver problemas tales como detectar casos de fraude, minimizar los riesgos financieros, evaluar y predecir las necesidades de recursos, aumentar las campañas de marketing y reducir la salida de clientes.

Tiene una interfaz conveniente y comprensible que permite a los usuarios crear de forma independiente modelos de análisis y pronóstico.

Muestra un alto rendimiento incluso cuando trabaja con una gran variedad de datos dispares.

Microsoft Analysis Services está diseñado para análisis de negocios, análisis de datos e informes.

Los servicios están disponibles en diferentes plataformas, incluso en la nube de Azure.

Se proporciona un mecanismo para crear sus propios algoritmos y agregarlos como una nueva función de análisis de datos intelectuales.

SAS Customer Intelligence 360 es una plataforma que permite a las empresas planificar e implementar campañas de marketing, analizar sus resultados y realizar un seguimiento de los flujos de clientes.

Ella en tiempo real recopila información detallada sobre las acciones de los clientes en las páginas web, incluidos los usuarios anónimos, teniendo en cuenta el contexto.

Luego, la plataforma brinda recomendaciones sobre la hora y el lugar de ubicación del contenido en las páginas y en las aplicaciones móviles para un cliente en particular.

Entrega de contenido multicanal a SAS Customer Intelligence 360 (foto: Blogs.

sas.

com) SAS Credit Scoring: un sistema para evaluar los riesgos crediticios y la solvencia del cliente.

Especialmente útil para bancos, empresas del sector financiero y telecomunicaciones.

SAS Credit Scoring analiza los datos de un prestatario potencial y presenta recomendaciones preparadas para emitir un préstamo o prestar servicios teniendo en cuenta los posibles riesgos.

Junta: combina las funciones de análisis empresarial y gestión de la eficacia corporativa.

Permite a las empresas desarrollar y mantener aplicaciones analíticas y planificadas complejas.

Además, la herramienta es conveniente para elaborar informes si se tiene acceso a varias fuentes de datos.

Sas Revenue Optimization es un conjunto de soluciones para la optimización de precios minoristas, que le permite determinar el precio óptimo en un lugar determinado y en un momento determinado para formar ventas competitivas, promociones de lanzamiento y ventas masivas.

Se utiliza en el comercio minorista.

Rapidminer es una plataforma abierta de extracción de datos con posibilidad de entrenamiento profundo en algoritmos, análisis de textos y aprendizaje automático.

Rapidminer se puede utilizar tanto en servidores locales de la empresa como en la nube.

La plataforma es popular en energía e industria, ingeniería mecánica y otras industrias.

Minería de datos del futuro El mercado de los sistemas de minería de datos está creciendo.

Esto se ve facilitado por las actividades de las grandes corporaciones: SAS, IBM, Microsoft, Oracle y otras.

Se espera que para 2027 el volumen del mercado global de análisis expandido aumente en 23.

1% y llegará a $ 56.

2 billones.

Las últimas tendencias en Minería de Datos incluyen el desarrollo de métodos de análisis con elementos de realidad virtual y aumentada, su integración con sistemas de bases de datos, datos biológicos para la innovación en medicina, material web (análisis de datos en Internet), análisis de datos en tiempo real, así como como medidas para proteger la confidencialidad en la extracción de datos.

Los líderes de la industria creen que en el futuro, la minería de datos se utilizará en aplicaciones intelectuales que se integrarán en las instalaciones de almacenamiento de datos corporativos.

El principal problema de detectar patrones en los datos es el tiempo que se requiere para volver a dibujar las matrices de información.

Los métodos famosos limitan artificialmente tal exceso o crean decisiones completas que reducen la efectividad de la búsqueda.

La solución a este problema sigue siendo el objetivo principal de los productos para Minería de Datos.

ENLACES ÚTILES:

  • Tendencia Verde de este artículo: Bancos, Retail, Medicina: Quién usa Data Mining y para qué;
  • DEEPLAInstagram: https://www.instagram.com/deeplaeu/;
  • DEEPLA Facebook: https://www.facebook.com/DEEEPLAEU/;
  • Gorjeo: https://twitter.com/DeeplaEu;
  • Pinterest: https://www.pinterest.it/deeplaeu;
  • Email para: info@deepla.eu.
  • El Staff de DEEPLA les agradece mucho por leernos. Sobre nuestro proyecto…

    En DEEPLA hablamos de las Tendencias Verdes que nos están cambiando la vida.
    
    
    El proyecto de Economía Verde se basa en la necesidad de proteger los intereses nacionales mientras se fortalecen las tendencias tecnológicas globales. ¿Por qué hablamos de GreenEconomy? Porque la actividad humana provoca daños irreparables al medio ambiente. Hasta hace poco, la gente vivía según el principio "después de nosotros, incluso una inundación". Afortunadamente, hoy en día la tendencia está cambiando. El desarrollo de una economía verde es una prueba directa de ello. Y en DEEPLA estamos comprometidos.
    
    
    

Deja un comentario

es_ESEspañol