Tesis doctorales de Economía


TRATAMIENTO AUTOMÁTICO DE NOTICIAS EMPRESARIALES EN LA WEB, MEDIANTE MINERÍA TEXTUAL. CASO DE ESTUDIO: UNIVERSIDADES PRIVADAS DE MÉXICO

Ismael Esquivel Gámez



Esta página muestra parte del texto pero sin formato.
Puede bajarse la tesis completa en PDF comprimido ZIP (227 páginas, 1.49 Mb) pulsando aquí

 

 

 

2.5.1.1 Fases de un Proyecto de Minería de Datos

De acuerdo a Inflexa [20], los pasos a seguir para la realización de un proyecto de minería de datos son siempre los mismos, independientemente de la técnica específica de extracción de conocimiento usada:

 Filtrado de datos

 Selección de Variables

 Extracción de Conocimiento

 Interpretación y Evaluación

Las prácticas de minería de datos se realizan con base a procedimientos como:

Clasificación. Consiste en examinar las características de una entidad nueva y asignarle una clase predefinida. Por ejemplo: Clasificar a un nuevo cliente según su riesgo de crédito (alto, medio, bajo).

Estimación. Similar a lo anterior, pero aplicado a variables continuas. Por ejemplo: ingresos, balance de tarjetas de crédito, etc..

Predicción. Predicción de fidelidad de clientes "Churn Modeling". Por ejemplo: predecir qué clientes nos abandonarán en los próximos 6 meses

Grupos Afines o Reglas de Asociación. El objetivo de los grupos afines es determinar que cosas van juntas. También puede ser usado para identificar oportunidades de “cross-selling” (venta cruzada de productos complementarios). Por ejemplo: que productos debieran ir juntos en un supermercado, recomendaciones de productos.

Clustering. Clustering tiene como objetivo el segmentar a un grupo diverso en un conjunto de subgrupos o “cluster”. A diferencia de clasificación, clustering no depende de clases predefinidas. Y es el primer paso en segmentación de mercado. Por ejemplo: un cluster particular de síntomas puede indicar una enfermedad particular

Descripción y Visualización. Algunas veces el objetivo es simplemente describir qué esta ocurriendo en una base de datos compleja, para así aumentar nuestro entendimiento de las personas, productos o procesos que generaron los datos inicialmente.

2.5.1.2 Aplicaciones

Las prácticas de minería de datos se utilizan en diversas industrias y funciones de negocios.

Empresas de telecomunicaciones, tarjetas de crédito y compañías de seguros utilizan minería de datos para la detección de fraudes, optimización de campañas de marketing, descripción y segmentación de clientes, predicción de fidelidad de clientes (churn modeling).

La industria del comercio utiliza la minería de datos para diseñar y evaluar campañas de marketing, definir ofertas más apropiadas o recomendaciones de productos (cross y up selling) a clientes, y predecir riesgo en asignación de créditos a clientes.

La industria de la medicina utiliza la minería de datos para predecir la efectividad de procedimientos quirúrgicos, exámenes médicos y medicamentos

Bancos e Instituciones Financieras para monitorear las transacciones de sus cuentahabientes y reducir usos indebidos de las tarjetas.


Grupo EUMEDNET de la Universidad de Málaga Mensajes cristianos

Venta, Reparación y Liberación de Teléfonos Móviles
Enciclopedia Virtual
Biblioteca Virtual
Servicios
 
Todo en eumed.net:

Congresos Internacionales


¿Qué son?
 ¿Cómo funcionan?

 

15 al 29 de
julio
X Congreso EUMEDNET sobre
Turismo y Desarrollo




Aún está a tiempo de inscribirse en el congreso como participante-espectador.


Próximos congresos

 

06 al 20 de
octubre
I Congreso EUMEDNET sobre
Políticas públicas ante la crisis de las commodities

10 al 25 de
noviembre
I Congreso EUMEDNET sobre
Migración y Desarrollo

12 al 30 de
diciembre
I Congreso EUMEDNET sobre
Economía y Cambio Climático

 

 

 

 

Encuentros de economia internacionales a traves de internet


Este sitio web está mantenido por el grupo de investigación eumednet con el apoyo de Servicios Académicos Internacionales S.C.

Volver a la página principal de eumednet