Datamining

Data Mining
Mitos

Data mining

Mitos Algunos problemas

DM producirá resultados sorprendentes que transformarán su negocio.
Realidad: la mayoría de las veces el DM da resultados que paulatinamente mejoran a una organización ya exitosa; son más cambios incrementales que revolucionarios.
Sin embargo, puedan darse cambios significativos. Por ejemplo, pequeños cambios año tras año concada cliente, lo cual después de un tiempo se convierte en una gran ventaja competitiva. Rara vez el DM generará uno de esos casos revolucionarios, encontrando asociaciones y patrones de gran interés. DM es una herramienta para las empresas con una visión de futuro.

DM es tan sofisticado que puede reemplazar a los expertos.
Realidad: No existe técnica de análisis que pueda reemplazar laexperiencia y conocimiento del negocio. Por el contrario, el DM requiere de esa experiencia y conocimientos. Un experto en DM que no conoce del negocio será de muy poca utilidad.
La experiencia en la creación de modelos de DM asegura un uso más rentable de la información. En consecuencia, es un trabajo de equipo técnico y de negocios. Ejemplo: un analista financiero busca incrementar los beneficios porcliente, para lo cual contrata a un experto técnico que analice toda su base de datos y pueda hacer una predicción sobre el éxito de invertir o no en ciertos clientes. El conocimiento del analista financiero determinará si los resultados son aplicables o no.

Las herramientas de DM automáticamente encuentran los patrones que buscas.
Realidad: DM funciona mejor cuando se sabe lo que se quiere yse busca solucionar un problema específico. A pesar que las herramientas de DM pueden encontrar patrones en esquemas exploratorios, necesitan orientarse a un objetivo.
No solo se trata de dar un set de datos a las herramientas de DM, sino que se debe ser específico en los objetivos. Ejemplo: para ser más eficientes al momento de crear listas de mailing para campañas de publicidad, el modelo debehacer énfasis en los clientes que anteriormente han respondido de manera positiva en situaciones similares.

El DM es útil sólo en ciertos casos, como ventas y detección de fraudes.
Realidad: Prácticamente cualquier proceso puede ser estudiado, entendido y beneficiarse del DM. Las técnicas se utilizan en procesos tan diversos como control de procesos de manufactura, recursos humanos yadministración de servicios alimenticios.
DM es útil en cualquier caso en que se pueda recolectar información, aunque en algunos casos es posible que el costo-beneficio de la recolección y análisis no sea rentable. Ejemplo: recolectar más información sobre los clientes puede duplicar el número de ordenes de compra por cliente. De igual manera, el incrementar la cantidad de mailings puede también duplicarel número de ordenes por cliente. Hay que evaluar cual de las dos alternativas resulta ser más rentable.

El DM es extremadamente complejo.
Realidad: Los algoritmos de DM pueden ser complejos, pero las herramientas actuales hacen que su utilización se simplifique. Por lo general, el uso correcto de simples análisis puede revelar mucho sobre su negocio. La mayor parte de los problemas de hacerDM son los mismos que experimentamos al intentar hacer cualquier modelado de datos. Estos incluyen:
- preparación de datos (que datos usar, cómo codificarlos) - cómo interpretar los resultados - cómo tomar ventaja de esos resultados

Solo vale la pena trabajar con grandes bases de datos.
Realidad: Aun cuando la mayoría de los métodos de DM se desarrollaron específicamente para analizargrandes bases de datos, las pequeñas bases de datos también pueden dar información valiosa.
Ejemplo: los patrones de consumo dependen básicamente del día de compra y del monto de compras. Un set de datos de fecha y monto de compras serían suficiente para encontrar un patrón. Mientras construye su gran base de datos, haga pruebas sobre los datos iniciales; esto puede llevarlo a variar su modelo de...