martes, 20 de agosto de 2013
La minería de datos es muy distinta de la estadística ya que, lejos de verificar patrones hipotéticos, usa los mismos datos para descubrir los patrones existentes. Por ejemplo, supongamos que el analista que quería descubrir los factores de riesgo en el caso de la aseguradora de autos utiliza herramientas de minería de datos.
El resultado sería que los hombres bajo los 24 años son de alto riesgo pero además le daría patrones que al analista no se le había ocurrido pensar; como por ejemplo que el tipo de auto, en combinación con la edad y el sexo también es un factor que debe determinar el coeficiente buscado.
Aproximadamente un 5% de las relaciones totales podrán ser conocidas mediante los métodos analíticos tradicionales (como se ve en la figura anterior).
La minería de datos, en cambio, descubre el otro 95 % de las relaciones existentes que no habían sido descifradas.
En otras palabras, se podría decir que los métodos tradicionales “hablan” a las bases de datos, mientras que la minería de datos “escucha” a la base datos. En los métodos tradicionales, si no se hace la pregunta adecuada, nunca se escucharan respuestas satisfactorias; en cambio la minería de datos, explora al interior de las bases de datos desde cientos de puntos de vista diferente; logrando obtener las relaciones buscadas de los clientes.
Así, en el ejemplo anterior, en vez de preguntar a la base de datos ¿los hombres jóvenes que manejan autos deportivos, constituyen un alto riesgo?; el usuario pregunta: ¿Cuáles son los clientes que presentan mayor riesgo?.
Es la misma tecnología de minería de datos la que se preocupa de formular las hipótesis como: “los conductores jóvenes en autos deportivos han incrementado el riesgo en accidentes” u otras por el estilo.
Supongamos que la organización descubre por medio de la minería de datos que los conductores hombres de Santiago, con un ingreso mayor a los $800.000 son de bajo riesgo. Como la competencia no tiene esta información, la empresa puede realizar campañas de marketing orientadas a atraer a este tipo de clientes con interesantes beneficios para la organización y el cliente.
La minería de datos no reemplaza a la estadística tradicional; es más bien una extensión de la misma, que forma parte de un resultado que ha sido formado por la comunidad estadística cambiando de manera radical ciertos aspectos.
El incremento en el poder de las computadoras y los bajos costos, unidos a la necesidad de analizar enormes bases de datos que contienen millones de filas, han permitido el desarrollo de nuevas técnicas basadas en la exploración a “fuerza bruta” de las posibles soluciones.
El punto clave es que la minería de datos es la aplicación de éstas y otras técnicas estadísticas de inteligencia artificial a problemas de negocios en una manera tal, que son alcanzables tanto a usuarios de negocios como para expertos estadistas.
