¿Por qué usar Data Mining? Proporciona un punto de encuentro entre los investigadores y las...

10
¿Por qué usar Data Mining? Proporciona un punto de encuentro entre los investigadores y las personas de negocios. Ahorra grandes cantidades de dinero a una empresa y abre nuevas oportunidades de negocios. Contribuye a la toma de decisiones tácticas y estratégicas. Permite a los usuarios dar prioridad a decisiones y acciones. Proporciona poderes de decisión a los usuarios del negocio.

Transcript of ¿Por qué usar Data Mining? Proporciona un punto de encuentro entre los investigadores y las...

Page 1: ¿Por qué usar Data Mining?  Proporciona un punto de encuentro entre los investigadores y las personas de negocios.  Ahorra grandes cantidades de dinero.

¿Por qué usar Data Mining?

Proporciona un punto de encuentro entre los investigadores y las personas de negocios.

Ahorra grandes cantidades de dinero a una empresa y abre nuevas oportunidades de negocios.

Contribuye a la toma de decisiones tácticas y estratégicas.

Permite a los usuarios dar prioridad a decisiones y acciones.

Proporciona poderes de decisión a los usuarios del negocio.

Page 2: ¿Por qué usar Data Mining?  Proporciona un punto de encuentro entre los investigadores y las personas de negocios.  Ahorra grandes cantidades de dinero.

Herramientas para Data Mining en SQL Server 2008 R2

Page 3: ¿Por qué usar Data Mining?  Proporciona un punto de encuentro entre los investigadores y las personas de negocios.  Ahorra grandes cantidades de dinero.

Herramientas para Data Mining en SQL Server 2008 R2

Page 4: ¿Por qué usar Data Mining?  Proporciona un punto de encuentro entre los investigadores y las personas de negocios.  Ahorra grandes cantidades de dinero.

Herramientas para Data Mining en SQL Server 2008 R2

Page 5: ¿Por qué usar Data Mining?  Proporciona un punto de encuentro entre los investigadores y las personas de negocios.  Ahorra grandes cantidades de dinero.

Herramientas para Data Mining en SQL Server 2008 R2

Page 6: ¿Por qué usar Data Mining?  Proporciona un punto de encuentro entre los investigadores y las personas de negocios.  Ahorra grandes cantidades de dinero.

Herramientas para Data Mining en SQL Server 2008 R2

Page 7: ¿Por qué usar Data Mining?  Proporciona un punto de encuentro entre los investigadores y las personas de negocios.  Ahorra grandes cantidades de dinero.

Herramientas para Data Mining en SQL Server 2008 R2

Microsoft SQL Server Analysis Services (SSAS) Proporciona a los usuarios una amplia gama

de herramientas que puede utilizar para diseñar, crear y visualizar modelos de minería de datos.

Diseñador de Data Mining: Es el entorno primario en el que se trabaja con modelos de minería de Microsoft SQL Server Analysis Services.

Lenguaje DMX: es una extensión del lenguaje SQL que permite crear y trabajar con modelos de minería de datos en SSAS.

Page 8: ¿Por qué usar Data Mining?  Proporciona un punto de encuentro entre los investigadores y las personas de negocios.  Ahorra grandes cantidades de dinero.

Herramientas para Data Mining en SQL Server 2008 R2

Algoritmos de Data Mining

Algoritmos de Clasificación

Algoritmos de Regresión

Algoritmos de Segmentación

Algoritmos de Asociación

Algoritmos de Análisis de Secuencia

Page 9: ¿Por qué usar Data Mining?  Proporciona un punto de encuentro entre los investigadores y las personas de negocios.  Ahorra grandes cantidades de dinero.

Business Intelligence Development Studio

Es la IDE de Microsoft utilizada para el desarrollo de análisis de datos y soluciones de Business Intelligence.

Utiliza el Microsoft SQL Server Analysis Services, Reporting Services e Integration Services.

Page 10: ¿Por qué usar Data Mining?  Proporciona un punto de encuentro entre los investigadores y las personas de negocios.  Ahorra grandes cantidades de dinero.

Arquitectura del modelo de Data Mining

Un modelo de minería de datos recibe los datos de una estructura de minería de datos y los analiza utilizando un algoritmo de minería de datos.

Los metadatos especifican el nombre del modelo y el servidor donde están almacenados, así como una definición del mismo.

Los resultados que están almacenados en el modelo varían dependiendo del algoritmo, pero pueden incluir patrones, conjuntos de elementos, reglas y fórmulas.

Los enlaces señalan a los datos almacenados en memoria caché en la estructura de minería de datos.