SlideShare une entreprise Scribd logo
1  sur  8
*INTEGRANTES*
DIAZ SALGADO PAOLA
MONTOYA CORDERO
MONICA
RUIZ VERGARA LINEY
MINERIA DE
DATOS
Es un sistemas de bases de datos con el objetivo de
extraer información de un conjunto de datos y
transformarla en una estructura comprensible para
su uso posterior, ya sea en la segmentación de
clientes, perfilación, pos-ventas , entre otras. Todo y
cada unos de los datos suministrados en los
sistemas de información forman parte o contribuyen
a la creación de la minería de datos.
¿CÓMO HACER LA
MINERÍA DE DATOS?
1. Objetivos
2. Fuentes de datos
3. Escoger la técnica
4. Aplicación
5. Presentación
OBJETIVO
O Estará definido según el propósito de la
empresa en la utilización de la base de datos,
ya sea con fines de actualizaciones, ventas o
creaciones de nuevos productos o servicios.
FUENTE DE DATOS
O Existen diferentes formas de obtener
información necesaria utilizando
diferentes fuentes, como pueden ser:
encuestas, preferencias de navegación,
compra de base de datos a empresas
recaudadoras de información, extracción
de información de la base de datos de la
competencia, estudios de mercados, etc.
ESCOGER LA TÉCNICA
O se construye el modelo predictivo, de
clasificación o segmentación, teniendo
en cuenta el objetivo estipulado.
APLICACIÓN
O La aplicación de la minería de datos es llevar a
cabo la técnica establecida partiendo desde el
objetivo que se desea alcanzar con el fin de
establecer un control, patrón o proyecto por el
cual se utiliza la base de datos.
O Ejemplos
- Identificar perfiles de clientes
- Identificar preferencia de gustos para la creación
de productos o servicios
- Generación de estadísticas
PRESENTACIÓN
O Los datos se pueden presentar de
diferentes formas, en gráficos,
documentos, tablas, archivos, etc.

Contenu connexe

Tendances

Mineria de Datos Parte I
Mineria de Datos Parte I Mineria de Datos Parte I
Mineria de Datos Parte I
ufrj
 
Presentación Minería de Datos
Presentación Minería de DatosPresentación Minería de Datos
Presentación Minería de Datos
dataminingperu
 
Minería de datos Presentación
Minería de datos PresentaciónMinería de datos Presentación
Minería de datos Presentación
edmaga
 

Tendances (19)

MIneria de datos
MIneria de datosMIneria de datos
MIneria de datos
 
Mineria de datos
Mineria de datosMineria de datos
Mineria de datos
 
Mineria de Datos
Mineria de DatosMineria de Datos
Mineria de Datos
 
Dataminning
DataminningDataminning
Dataminning
 
Mineria de datos
Mineria de datosMineria de datos
Mineria de datos
 
Minería de datos
Minería de datosMinería de datos
Minería de datos
 
Minería de Datos Covid19 en Latinoamérica
Minería de Datos Covid19 en LatinoaméricaMinería de Datos Covid19 en Latinoamérica
Minería de Datos Covid19 en Latinoamérica
 
Data mining
Data miningData mining
Data mining
 
Mineria de datos
Mineria de datosMineria de datos
Mineria de datos
 
Minería de datos y kdd
Minería de datos y kddMinería de datos y kdd
Minería de datos y kdd
 
mineria de datos
mineria de datosmineria de datos
mineria de datos
 
Mineria de Datos Parte I
Mineria de Datos Parte I Mineria de Datos Parte I
Mineria de Datos Parte I
 
Mineria de datos
Mineria de datosMineria de datos
Mineria de datos
 
Almacenes, mineria y análisis de datos
Almacenes, mineria y análisis de datosAlmacenes, mineria y análisis de datos
Almacenes, mineria y análisis de datos
 
Presentación Minería de Datos
Presentación Minería de DatosPresentación Minería de Datos
Presentación Minería de Datos
 
Minería de datos Presentación
Minería de datos PresentaciónMinería de datos Presentación
Minería de datos Presentación
 
¿Qué es un modelo predictivo y para qué vale?
¿Qué es un modelo predictivo y para qué vale?¿Qué es un modelo predictivo y para qué vale?
¿Qué es un modelo predictivo y para qué vale?
 
Mineria de Datos
Mineria de DatosMineria de Datos
Mineria de Datos
 
Mineria de datos
Mineria de datosMineria de datos
Mineria de datos
 

En vedette

Minería de datos en redes sociales
Minería de datos en redes socialesMinería de datos en redes sociales
Minería de datos en redes sociales
María Muñoz Parra
 
Make Growth Happen for all Employees
Make Growth Happen for all EmployeesMake Growth Happen for all Employees
Make Growth Happen for all Employees
Talent Innovations
 

En vedette (10)

Minería de datos en redes sociales
Minería de datos en redes socialesMinería de datos en redes sociales
Minería de datos en redes sociales
 
Mapa conceptual mineria de datos 1
Mapa conceptual mineria de datos 1Mapa conceptual mineria de datos 1
Mapa conceptual mineria de datos 1
 
Minería de datos
Minería de datosMinería de datos
Minería de datos
 
Make Growth Happen for all Employees
Make Growth Happen for all EmployeesMake Growth Happen for all Employees
Make Growth Happen for all Employees
 
Minería de datos
Minería de datosMinería de datos
Minería de datos
 
Presentacion data mining (mineria de datos)- base de datos
Presentacion data mining (mineria de datos)- base de datosPresentacion data mining (mineria de datos)- base de datos
Presentacion data mining (mineria de datos)- base de datos
 
Diapositivas
DiapositivasDiapositivas
Diapositivas
 
Minería de datos
Minería de datosMinería de datos
Minería de datos
 
mineria de datos
mineria de datosmineria de datos
mineria de datos
 
Mineria De Datos
Mineria De DatosMineria De Datos
Mineria De Datos
 

Similaire à Mineria de datos

Bussines inteligent
Bussines inteligentBussines inteligent
Bussines inteligent
martin130493
 
Presentación Sistemas
Presentación SistemasPresentación Sistemas
Presentación Sistemas
vickyderas17
 
Taller de tics 2 parte
Taller de tics 2 parteTaller de tics 2 parte
Taller de tics 2 parte
ycardenas1995
 

Similaire à Mineria de datos (20)

Unidad 1. componentes del sistema
Unidad 1. componentes del sistemaUnidad 1. componentes del sistema
Unidad 1. componentes del sistema
 
Sesión del 11 de junio MKT
Sesión del 11 de junio MKTSesión del 11 de junio MKT
Sesión del 11 de junio MKT
 
Bussiness intelligent
Bussiness intelligentBussiness intelligent
Bussiness intelligent
 
Introducción a la Minería de Datos (1).pdf
Introducción a la Minería de Datos (1).pdfIntroducción a la Minería de Datos (1).pdf
Introducción a la Minería de Datos (1).pdf
 
Inteligencia de negocios - Business Intelligence
Inteligencia de negocios - Business IntelligenceInteligencia de negocios - Business Intelligence
Inteligencia de negocios - Business Intelligence
 
Inteligencia de negocios
Inteligencia de negociosInteligencia de negocios
Inteligencia de negocios
 
INTELIGENCIA EMPRESARIAL
INTELIGENCIA EMPRESARIALINTELIGENCIA EMPRESARIAL
INTELIGENCIA EMPRESARIAL
 
Inteligencia empresarial bi
Inteligencia empresarial   biInteligencia empresarial   bi
Inteligencia empresarial bi
 
Diapositivas BI
Diapositivas BIDiapositivas BI
Diapositivas BI
 
BI - Inteligencia Artificial
BI - Inteligencia ArtificialBI - Inteligencia Artificial
BI - Inteligencia Artificial
 
1ra unidad sim
1ra unidad sim1ra unidad sim
1ra unidad sim
 
Sistema de información de mercadotecnia
Sistema de información de mercadotecniaSistema de información de mercadotecnia
Sistema de información de mercadotecnia
 
Investigación
InvestigaciónInvestigación
Investigación
 
UNIDAD II_CONTENIDO_MARKETING II.pdf
UNIDAD II_CONTENIDO_MARKETING II.pdfUNIDAD II_CONTENIDO_MARKETING II.pdf
UNIDAD II_CONTENIDO_MARKETING II.pdf
 
Actividad 1
Actividad 1Actividad 1
Actividad 1
 
Business Inteligence
Business InteligenceBusiness Inteligence
Business Inteligence
 
Marketing sesión n° 6
Marketing sesión n° 6Marketing sesión n° 6
Marketing sesión n° 6
 
Bussines inteligent
Bussines inteligentBussines inteligent
Bussines inteligent
 
Presentación Sistemas
Presentación SistemasPresentación Sistemas
Presentación Sistemas
 
Taller de tics 2 parte
Taller de tics 2 parteTaller de tics 2 parte
Taller de tics 2 parte
 

Dernier (6)

LAS TETAS DE MARIA GUEVARA REVISTA DIGITAL INF.pdf
LAS TETAS DE MARIA GUEVARA REVISTA DIGITAL INF.pdfLAS TETAS DE MARIA GUEVARA REVISTA DIGITAL INF.pdf
LAS TETAS DE MARIA GUEVARA REVISTA DIGITAL INF.pdf
 
Vision de asignatura ESTRUCTURA DE DATOS.pptx
Vision de asignatura ESTRUCTURA DE DATOS.pptxVision de asignatura ESTRUCTURA DE DATOS.pptx
Vision de asignatura ESTRUCTURA DE DATOS.pptx
 
Mapa conceptual de el hardware y software
Mapa conceptual de el hardware y softwareMapa conceptual de el hardware y software
Mapa conceptual de el hardware y software
 
PRESENTACION SISTEMAS OPERATIVOS MOVILES_20240424_235225_0000.pdf
PRESENTACION SISTEMAS OPERATIVOS MOVILES_20240424_235225_0000.pdfPRESENTACION SISTEMAS OPERATIVOS MOVILES_20240424_235225_0000.pdf
PRESENTACION SISTEMAS OPERATIVOS MOVILES_20240424_235225_0000.pdf
 
477407774-EMBRIOLOGIA-DEL-SISTEMA-NERVIOSO.pptx
477407774-EMBRIOLOGIA-DEL-SISTEMA-NERVIOSO.pptx477407774-EMBRIOLOGIA-DEL-SISTEMA-NERVIOSO.pptx
477407774-EMBRIOLOGIA-DEL-SISTEMA-NERVIOSO.pptx
 
La busqueda de la relevancia en la economia (Harberger).pptx
La busqueda de la relevancia en la economia (Harberger).pptxLa busqueda de la relevancia en la economia (Harberger).pptx
La busqueda de la relevancia en la economia (Harberger).pptx
 

Mineria de datos

  • 1. *INTEGRANTES* DIAZ SALGADO PAOLA MONTOYA CORDERO MONICA RUIZ VERGARA LINEY
  • 2. MINERIA DE DATOS Es un sistemas de bases de datos con el objetivo de extraer información de un conjunto de datos y transformarla en una estructura comprensible para su uso posterior, ya sea en la segmentación de clientes, perfilación, pos-ventas , entre otras. Todo y cada unos de los datos suministrados en los sistemas de información forman parte o contribuyen a la creación de la minería de datos.
  • 3. ¿CÓMO HACER LA MINERÍA DE DATOS? 1. Objetivos 2. Fuentes de datos 3. Escoger la técnica 4. Aplicación 5. Presentación
  • 4. OBJETIVO O Estará definido según el propósito de la empresa en la utilización de la base de datos, ya sea con fines de actualizaciones, ventas o creaciones de nuevos productos o servicios.
  • 5. FUENTE DE DATOS O Existen diferentes formas de obtener información necesaria utilizando diferentes fuentes, como pueden ser: encuestas, preferencias de navegación, compra de base de datos a empresas recaudadoras de información, extracción de información de la base de datos de la competencia, estudios de mercados, etc.
  • 6. ESCOGER LA TÉCNICA O se construye el modelo predictivo, de clasificación o segmentación, teniendo en cuenta el objetivo estipulado.
  • 7. APLICACIÓN O La aplicación de la minería de datos es llevar a cabo la técnica establecida partiendo desde el objetivo que se desea alcanzar con el fin de establecer un control, patrón o proyecto por el cual se utiliza la base de datos. O Ejemplos - Identificar perfiles de clientes - Identificar preferencia de gustos para la creación de productos o servicios - Generación de estadísticas
  • 8. PRESENTACIÓN O Los datos se pueden presentar de diferentes formas, en gráficos, documentos, tablas, archivos, etc.