Por Cristián J. Figueroa Sepúlveda

Ingeniero Consultor del Departamento de Business Intelligence

SONDA S.A.

 

El proceso de Data Mining (Minería de Datos), una de las familias de soluciones del área del conocimiento llamada Business Intelligence (BI), puede ayudar a extraer conocimiento novedoso de manera automática a partir de datos de diversa índole que las compañías han generado producto de su negocio y que almacenan en sus bases de datos.

Este conocimiento implícito puede generar aplicaciones de alto valor agregado si es que el proceso de Data Mining es entendido apropiadamente, no sólo desde un punto de vista técnico sino también desde una perspectiva de negocios.

Aplicaciones tales como detección y prevención de fraudes y abusos, segmentación de clientes, análisis de fidelización, predicción de fugas, cross-selling, up-selling, market basket, o conceptos tales como clasificadores y regresiones basados en redes neuronales han emergido profusamente durante los últimos años en el vocabulario de muchas compañías como una forma de reflejar el enorme potencial que ellas podrían alcanzar con esta tecnología aplicada a sus datos.

De hecho, varias compañías han adoptado la idea de crear departamentos internos de Inteligencia de Mercado los cuales en última instancia son los responsables de llevar a cabo éstas y otras iniciativas de Business Intelligence al interior de las mismas. En esta línea, seminarios de corte académico son dictados cada año como una forma de “evangelizar” a la audiencia en cómo el proceso de Data Mining debe realizarse, comparando distintas técnicas y mostrando tasas de rendimiento superiores utilizando determinados tipos de algoritmo. Es típica la conclusión, por ejemplo, que una clasificación hecha con redes Perceptrón Multicapa (MLP) obtuvo un 85,5% de aciertos mientras que una red Bayesiana obtuvo un 85,8% de aciertos, lo cual hace que la red Bayesiana sea mejor para resolver el problema en cuestión.

Muchas veces el modelo mental que se tiene sobre el proceso de Data Mining es un conjunto de pasos centrados en los algoritmos que si se siguen ordenadamente inevitablemente nos conducirán al éxito. En concordancia con esto, la mayoría de las plataformas tecnológicas de BI vienen en sus últimas versiones con módulos previamente diseñados para que incluso un usuario final pueda ejecutar el proceso de Data Mining.

Sin embargo, lo cierto es que si los argumentos para defender el aporte de una aplicación basada en Data Mining no son lo suficientemente objetivos desde una perspectiva de negocios es muy probable que esas aplicaciones centradas en el modelado sean abortadas en el camino o en su defecto sean realizadas pero no lleguen a puerto con un resultado objetivamente superior a lo que ya se estaba haciendo antes de implementarla. La verdad es que desde el punto de vista de negocios importa más cuantificar el Retorno Económico de la Inversión (ROI) de una aplicación de Data Mining que obtener mejoras marginales en los rendimientos de uno u otro algoritmo para resolver un problema dado.

Continúe leyendo este artículo>>

Volver>>