Modelos de Mercadotecnia. SESIÓN # 2. Bases de datos.

Transcripción

1 Modelos de Mercadotecnia SESIÓN # 2. Bases de datos.

2 Contextualización La definición de una base de datos se puede simplificar en una sola palabra: colección. Este concepto se define como la recopilación de elementos de datos relacionados. Los tres elementos básicos que conforman una base de datos son los siguientes: 1) Tablas 2) Columnas 3) Filas

3 Introducción Este crecimiento explosivo de recopilación de datos almacenados que ha inundado casi todos los aspectos de nuestras vidas, ha generado una necesidad urgente de nuevas técnicas y herramientas automatizadas e inteligentes que nos puedan ayudar en la transformación de la gran cantidad de datos en información en conocimiento útil y aplicable a nuestra vida y los negocios.

4 Introducción La minería de datos, también conocido como KDD (descubrimiento de conocimiento a partir de datos), el cual consta de la extracción automatizada o conveniente de los patrones que representan implícitamente conocimiento almacenado o capturado en grandes bases de datos, almacenes de datos, la web, otros repositorios de información masivos, o flujos de datos.

5 Explicación La información debe de preparase primeramente antes de iniciar el análisis de la misma. Esto implica observar los atributos y valores de los datos. La información del mundo real suele ser ruidosa, confusa, de alto volumen y puede proceder de una combinación de fuentes heterogéneas. El conocimiento de estas características es útil para preprocesamiento de datos.

6 . Explicación La minería de datos es el proceso de descubrir patrones y conocimientos interesantes de gran cantidad de datos. Éste concepto forma parte del proceso de descubrimiento del conocimiento, el cual se compone de los siguientes pasos: 1) Limpieza de datos. Sirve para eliminar el ruido y datos inconsistentes. 2) La integración de datos. Donde múltiples fuentes de datos pueden ser combinados. 3) La selección de datos. Donde los datos relevantes a la tarea de análisis se recuperan de la base de datos.

7 Explicación 4) Transformación de datos. Donde los datos se transforman y consolidan en formas apropiadas para la minería mediante la realización de operaciones de resumen o agregación. 5) La minería de datos. Proceso esencial donde se aplican métodos inteligentes para extraer patrones de datos. 6) Evaluaciones del patrón. Sirve para identificar los patrones realmente interesantes. 7) Presentación del conocimiento. Donde se utilizan las técnicas de representación de visualización y el conocimiento con los conocimientos extraídos de los usuarios.

8 Explicación La minería de datos es un campo dinámico y de rápida expansión con grandes fortalezas. Los principales problemas en la investigación de minería de datos se clasifican en cinco grupos: l 1. La metodología. 2. La interacción con el usuario. 3. La eficiencia y la escalabilidad. 4. La diversidad de tipos de datos. 5. La minería de datos y de la sociedad.

9 Explicación Hay un número de funcionalidades de minería de datos, las cuales incluyen: La caracterización y discriminación. La explotación de los patrones frecuentes. Asociaciones y correlaciones. Clasificación y regresión. Análisis de agrupación. Análisis de valores atípicos.

10 Conclusión Día a día las personas debemos de tomar decisiones que indicarán si nuestra vida o negocio será un éxito o un fracaso. La información permite tanto a las personas como a las empresas tomar decisiones más certeras. Para poder llegar a una resolución correcta, la idea es contar con datos de calidad.

11 Conclusión Existen dos distintos tipos de información que se puede accesar. La primera es la externa, en la cual no tenemos influencia alguna (ejemplo: nuevos productos que lanza la competencia al mercado, tipo de cambio, etcétera). La segunda es la interna, la cual se genera dentro de la organización y a la cual sí tenemos acceso.

12 Para aprender más Base de datos y marketing directo. (2012). Consultado el 21 de mayo de 2013: Proyecto final de sistemas de información y bases de datos de mercadotecnia. (2011). Consultado el 21 de mayo de 2013:

13 Bibliografía Han, J., Kamber, M. y Pei, J. (2012). Data mining concepts and techniques. USA: Morgan Kaufmann.

14