Influencia de la minera de datos en la forma de hacer negocios Jorge Luis Mayta Guillermo Knowledge has become the key

economic resource and the dominant, if not the only, source of competitive advantage. Peter F. Drucker Lee & Siau (2001) afirman que las tecnologas para la generacin y recoleccin de datos han avanzado rpidamente y dado el escenario actual, la falta de datos no es ya un problema; la incapacidad para generar informacin til si lo es. El gran crecimiento de la cantidad de datos acumulados por las organizaciones resulta en la necesidad de desarrollar nuevas tecnologas y herramientas que permitan procesar los datos y convertirlos en informacin til para las organizaciones. Por lo tanto en el mbito de los negocios, la minera de datos (DM, por sus siglas en ingls) se ha convertido en el procedimiento clave para la mejora de los resultados (Bescos, 2006). Las organizaciones en la bsqueda de informacin relevante que permita un mejor proceso de tomas de decisiones, parten de una serie de premisas con el objetivo de alcanzar ciertas conclusiones. Este esquema de trabajo encaja dentro de lo que se entiende por proceso inductivo. El proceso inductivo requiere de ciertas asunciones que reflejan como se leen las condiciones de la situacin a considerar, estas asunciones introducidas en cualquier problema particular permiten facilitar el razonamiento inductivo (Lee & Siau, 2001). La inferencia estadstica es un medio para llevar a cabo el proceso inductivo, sin embargo requiere que la evidencia sea definida de antemano y sobre todo que la incertidumbre sea cuantificable mediante distribuciones de probabilidad, esto dificulta que las organizaciones puedan hacer un uso adecuado de la informacin extrada de las distintas fuentes (internas o externas); el empleo de tcnicas de minera de datos surge como alternativa a la estadstica clsica. Qu es la minera de datos? Segn Gargano & Raggad (1999) la minera de datos busca relaciones ocultas, patrones, correlaciones, e interdependencias en grandes bases de datos que los mtodos tradicionales de recoleccin de datos podran pasar por alto. Daylan, Badur & Darcan (2011) sealan que la minera de datos es el proceso de analizar datos provenientes de diferentes perspectivas y resumirlos en informacin til principalmente utilizada con el fin de aumentar los ingresos o disminuir costos. Laudon & Laudon (2012) afirman:
La minera de datos est ms orientada al descubrimiento, ya que provee perspectivas hacia los datos corporativos que no se pueden obtener mediante OLAP, al encontrar patrones y Pgina 1 de 5

relaciones ocultas en las bases de datos grandes e inferir reglas a partir de esos patrones y relaciones, para predecir el comportamiento futuro. Los patrones y reglas se utilizan para guiar la toma de decisiones y pronosticar el efecto de esas decisiones. (p. 234)

Estas definiciones de la minera de datos permiten dilucidar su concepto en trminos generales, sin embargo en el mbito de los negocios se debe considerar a la minera de negocios como un proceso de negocio crtico que ayuda a aprender de la experiencia. Este concepto no es nuevo, pero el gran aumento de los datos recopilados hace esencial el uso de sistemas informticos. El uso de herramientas de minera de datos requiere de una serie de pasos previos antes de su implementacin y uso, es por ello que se han establecido diversos modelos de minera de datos que permitan facilitar el proceso de implementar este tipo de herramientas. De entre estos modelos destaca el modelo CRISP-DM (Cross Industry Standard Process for Data Mining) por su amplia aceptacin y reconocimiento por parte de diversas organizaciones a nivel mundial. Entre las caractersticas principales de este modelo destaca: Su neutralidad con respecto a la industria, lo cual permite su adaptabilidad a cualquier tipo de negocio. Su enfoque principalmente en cuestiones de negocio y analticas.

Entre los objetivos y beneficios del modelo CRISP-DM Reduccin de habilidades requeridas para le descubrimiento de conocimiento. Reduccin de costos y tiempo. Uso general. Experiencia reutilizada a futuro.

Cul es el escenario actual? Muchas organizaciones han fracaso en el uso que le dan las herramientas de minera de datos y otros tipo de tecnologas, principalmente por no comprender el funcionamiento del negocio y sobre todo la naturaleza de los datos. Las organizaciones primero deben, definir ms all de la tecnologa a emplear, cuales son los objetivos que se buscan al utilizar herramientas de minera de datos. Por ejemplo, el rea de marketing tendr como objetivo saber los hbitos de los clientes y a partir de ello definir estrategias de lanzamiento de productos, de manera similar el rea de atencin al cliente, concentrar sus metas en determinar cuales son los principales motivos de insatisfaccin de los clientes y en base a ello podr restructurar o mejorar ciertos procesos que permitan mejorar las relaciones con los clientes.

Pgina 2 de 5

Por lo tanto es vital que las empresas definan un objetivo claro de tal manera que puedan hacer un mejor uso tanto de las tecnologas como a los recursos asociados a la implementacin de herramientas de minera de datos. Entre los usos ms frecuentes que se le ha dado a la minera de datos se encuentra la gestin de relaciones con los clientes (CRM, por sus siglas en ingls). Entre los tipos de informacin que se pueden obtener de la minera de datos y que se relacin con la gestin de la relacin con los clientes son: La prediccin a travs del uso de datos histricos ha permitido determinar comportamientos futuros. Por ejemplo, Amazon lista una serie de productos recomendados en base a compras realizadas por clientes de preferencias similares. La asociacin detecta grupos de ocurrencias vinculadas a un evento. Por ejemplo, en los supermercados se ha podido establecer que las personas que comprar un determinado producto tienden a realizar la compra un producto complementario.

En aos pasados estas ventajas no podan ser tomadas por las organizaciones dado las limitaciones de las herramientas de tecnologa de la informacin y en muchas ocasiones esto se traduca en un elevado costo de produccin lo cual resultaba en una baja rentabilidad para la empresa. La manera en como la minera de datos ha transformado la manera de hacer negocios se trasluce cada da, desde el momento en que una persona se despierta se observa publicidad en los medios de comunicacin que corresponde a un estudio de investigacin que ha determinado los hbitos de consumo de un grupo determinado de personas en base al descubrimiento de informacin a partir del uso de herramientas de minera de datos. El xito de las herramientas de minera de datos depender en gran medida de la correlacin entre las premisas iniciales y los objetivos alcanzados. Nuevos escenarios Actualmente existen diversas formas de minera de datos que se han derivado a partir de ella, tal es el caso de la minera de texto y de la minera Web. Gran parte de la informacin con la que las organizaciones cuentan se encuentra en repositorios documentales o textos, es decir datos no estructurados. El objetivo de la minera textual es extraer nuevo conocimiento a partir de corpus textuales, pero no de deducirlo (Brun & Senso, 2004, p.12). A diferencia de los datos estructurados, que se generan a partir de las transacciones realizadas y registradas mediante los sistemas tradicionales, los datos no estructurados no cuenta con una forma definida. Sin embargo, las organizaciones consideran que dichos datos pueden contener informacin valiosa con respecto al comportamiento y las actitudes de los clientes que aos atrs eran ms difciles de determinar (Laudon & Laudon, 2012). Las herramientas de minera de texto pueden proveer las siguientes funciones:
Pgina 3 de 5

Identificar datos puntuales a partir del texto de los documentos. Agrupar documentos similares. Determinar el tema o temas tratados en los documentos. Facilitar el acceso a la informacin repartida entre los documentos de la coleccin, mediante la elaboracin automtica de los resmenes.

Si bien las herramientas de minera de texto son relativamente nuevas, su utilidad radica principalmente en la ayuda que brindan en acceder e interpretar la informacin que se encuentran en documentos, esto debido al gran nmero de formas con que las personas generan datos no estructurados y los usos que las empresas dan a dichos datos. Segn Kundu (2012) la minera Web se refiere al proceso global de descubrimiento de informacin potencialmente til y previamente desconocida proveniente de documentos Web, es as que la minera Web puede ser vista como una extensin de la minera de datos orientada a los datos de la Web. Dado el crecimiento explosivo la Web, los sitios web estn desempeando un papel importante en la proporcin de informacin y conocimiento. Los patrones de uso de la Web son un aspecto importante para descubrir informacin oculta y significativa. El analizar la gran cantidad de datos que encuentran dentro de la Web representa el desafo principal de la minera Web, considerando tambin el uso masivo que se da a las redes sociales, la cuales cuentan con informacin muy valiosa acerca de los clientes potenciales de cualquier tipo de organizacin. Conclusiones Dados los nuevos escenarios a consecuencia de la globalizacin de los mercados es indiscutible que la manera en que las organizaciones realizan sus procesos de negocios se ve afectada. La gran cantidad de datos que se registran a diario a travs de los sistemas tradicionales, el gran volumen de datos que se transfieren a travs del correo electrnico en las organizaciones y el crecimiento explosivo de los datos en la Web (como es el caso de las redes sociales) obliga a que las empresas utilicen nuevas tecnologas de la informacin a fin de mantener su ventaja competitiva. Una correcta implementacin y uso de este tipo de herramientas conlleva a que las empresas mejoren sus procesos iniciales, dado que es necesario que previamente se definan los objetivos a seguir esto origina un cambio en la manera de trabajar. Es necesario que a fin de garantizar la confiabilidad de la informacin, las organizaciones establezcan polticas que permitan la integridad de los datos. Finalmente, al da de hoy es difcil encontrar alguna empresa exitosa que no haya hecho uso de las herramientas de minera de datos en sus negocios. Teniendo en cuenta que el conocimiento es el nico recurso que permite mantener una ventaja competitiva sostenible en el tiempo.
Pgina 4 de 5

Referencias Bescos, J. (mayo, 2006) Data mining: estadstica e induccin. E-Deusto, (50), pp. 54-56. Brun, R., & Senso, J. A. (2004). Minera textual. El Profesional De La Informacin, 13(1), 11-27. Daylan, A., Badur, B. Y., & Darcan, O. N. (2011). An Experimental Study for Extending Data Mining Standards. International Review On Computers & Software, 6(3), 336346. Gargano, M. L &. Raggad, B. G. (1999). Data mining - a powerful information creating tool. OCLC Systems & Services, 15(2), 81-90 Kundu, S. (2012). AN INTELLIGENT APPROACH OF WEB DATA MINING. International Journal On Computer Science & Engineering, 4(5), 919-928. Laudon, K. & Laudon, J. (2012). Sistemas de informacin gerencial. Naucalpan de Jurez: Pearson Educacin. Lee, S. J & Siau, K. (2001). A review of data mining technique. Industrial Management & Data Systems, 101(1), 41-46.

Pgina 5 de 5