bases de datos para la toma de decisiones
TRANSCRIPT
BASES DE DATOS PARA LA TOMA DE DECISIONES
BASES DE DATOS AVANZADAS
Juan Camilo Giraldo Mejia MEDELLIN
2013
PROFESOR
Juan Camilo Giraldo MejiaFormación. Ing. de Sistemas, Especialista en Informática,
Magister en Ingeniería de Sistemas, Estudiante de Doctorado en Ingeniería de Sistemas
Ocupación. Profesor Investigador, Universidad de San Buenaventura, profesor de catedra, Tecnológico de
Antiquia. Email personal. [email protected]
Email del curso.Usuario: [email protected]
Clave: datos2013
ESTUDIANTES
GRUPO. 005PERIODO ACADEMICO. 2013
LISTADO. ver
EVALUACION
PARCIAL. 20% - Septiembre 2 SEGUIMIENTO. 60%
Evaluación de conceptos. 15% - Agosto 12 Trabajo en clase(taller 1). 10% - por definirTrabajo en clase(taller 2). 10% - por definir
Entregable 1 (Propuesta, Modelo Estrella, BD). 10% - Agosto 5Entregable 2 (Análisis multidimensional,cubo OLAP). 15% - Septiembre 9
FINAL. 20% - Noviembre 11Entregable 3 (Técnicas de Minería de Datos. Reglas de Asociación y
Clustering)
TEMAS
INTELIGENCIA DE NEGOCIOSTECNICAS DE INTELIGENCIA DE NEGOCIOS
BASES DE DATOS PARA TOMA DE DECISIONESBODEGA DE DATOS
MIGRACION DE DATOS (ETL)PROCESAMIENTO ANALITICO EN LINEA OLAP
MINERIA DE DATOSMETODOLOGIAS PARA PROYECTOS DE MINERIA DE DATOS
TECNICAS O ALGORITMOS DE MINERIA (Técnica de Asociación, Técnica de Clustering)
Denominada Inteligencia Empresarial, o BI (Business Intelligence)
Es un conjunto de estrategias y herramientas para la obtención y administración de conocimiento mediante el análisis de datos existentes en una organización o empresa.
INTELIGENCIA DE NEGOCIOS (AYALA, 2006)
BENEFICIOS (LUZAR et al, 2011), (AYALA, 2006)
Toma Decisiones
Estrategias
Tecnologías
Aplicaciones
ProcesosCompetitividad y calidad del negocio
Mejor toma de decisiones del negocio
Mejorar el desempeño del negocio
OLAP
TECNICAS DE BI
MINERIA DE DATOS
PROCESAMIENTO ANALITICO EN LINEA
BODEGA DE DATOS
PROCESAMIENTO ANALITICO(CUBOS)
PROCESAMIENTO DE DATOS
EXPLOTACION DE LOS DATOS
OBTENCION DE MODELOS
Datos
Información
Conocimiento (KDD)
• Es el proceso no trivial de identificar patrones válidos, novedosos, potencialmente útiles y comprensibles a partir de los datos (Molina, 2000).
• El Descubrimiento de Conocimiento se encarga de la preparación de los datos y la interpretación de los resultados obtenidos, los cuales dan un significado a estos patrones encontrados.
• El descubrimiento de estos patrones se da a través de la Minería de Datos (Data Mining), la cual a través de técnicas aplica la Inteligencia Artificial, con el fin de encontrar patrones y relaciones dentro de los datos permitiendo la creación de modelos, es decir, representaciones abstractas de la realidad(Varcarcel, 2004).
• El proceso de KDD usa algoritmos de Minería de Datos para extraer (identificar) lo que se considera como conocimiento de acuerdo a la especificación de ciertos parámetros usando una base de datos junto con procesamientos específicos. (Lezcano, 2002)
KDDDescubrir
conocimiento
ETAPAS PARA LA OBTENCION DE CONOCIMIENTO
Fuentes
Seleccion y Limpieza
Transformacion de Datos
Mineria de DatosExplotacion de
Informacion
Visualizacion e interpretacion
CONOCIMIENTO
Fuentes: Comerstar Corp., All Rights Reserved ©2011, http://www.comerstar.com/preguntas/
BIBLIOGRAFIA • LUZAR, Vesna, JAREC, Iva, ZORAN Bekic. (2011). Information Technology
Interfaces (ITI), Proceedings of the ITI. International Conference, IEEE.• AYALA, Alejandro. (2006). Inteligencia de Negocios. Una propuesta para
su desarrollo en sus organizaciones. Instituto politécnico nacional. Ed1 , México, d.f., ISBN: 970-94797-1-7
• MOLINA, Luis. (2000). Torturando los Datos Hasta que Confiesen”. Departamento de Lenguajes y Sistemas Informáticos, Universidad Politécnica de Cataluña. Barcelona, España. 2000.
• VALCÁRCEL ASENCIOS, V. (2004). Data Mining y el descubrimiento de conocimiento”. Revista de la Facultad de Ingeniería Industrial. Vol. (7) 2: pp. 83-86 UNMSM ISSN: 1560-9146.
• LEZCANO, RAMÓN. (2002). Minería de Datos. Trabajo de Investigación. Universidad Nacional del Nordeste. 2002.