<img height="1" width="1" style="display:none" src="https://www.facebook.com/tr?id=1500086133623123&amp;ev=PageView&amp;noscript=1">

Tendencias en minería de datos

Publicado el 28/11/14 8:00

La minería de datos sienta las bases para un predictive analytics íntegro y completo, a prueba de errores y minimizando el riesgo. Sin embargo, hoy día, esta técnica va mucho más allá de la simple búsqueda y aseguramiento de la calidad del dato, como reflejan las últimas tendencias en data mining.

HiRes3

¡Descarga la guía gratuita de predicitive analytics y descubre como  beneficiarte de la predicción!

Principales novedades en minería de datos

Los numerosos desafíos que conlleva el proceso de minería de datos han servido de fuente de inspiración a quienes han visto los obstáculos convertirse en oportunidades de mejora. La construcción de entornos integrados e interactivos y el diseño de lenguajes de minería de datos son sólo un par de muestras del progreso en este campo, que queda patente con las novedades en:

  • Exploración de aplicaciones: que explota las posibilidades de la prospección en los datos para aportar soluciones punteras a cada sector, contribuyendo a la innovación y garantizando un mejor servicio al cliente. Los campos de las finanzas, el retail, las telecomunicaciones o la investigación médica son algunos de los más favorecidos, aunque no los únicos.

  • Métodos de minería de datos escalables: desde la explosión big data, la escalabilidad es una cualidad imprescindible de cualquier herramienta orientada al analytics. Las soluciones deben tener la flexibilidad suficiente para poder crecer al ritmo que lo hace el negocio, dando soporte al aumento constante del volumen de datos.

  • Integración de la minería de datos con los sistemas de bases de datos, sistemas de almacenamiento de datos y los sistemas de bases de datos web: para lograr la máxima eficiencia.

  • Normalización de lenguaje de consulta de minería de datos: para que los comandos que provee puedan trabajar con cualquier base de datos o data warehouse y sean aplicables a la definición de tareas de data mining.

  • Visual Data Mining: esta tendencia de minería de datos aumenta la eficiencia del proceso, al disminuir el tiempo de trabajo gracias a una forma de llevar a cabo la prospección en los datos mucho más intuitiva y sencilla.

  • Nuevos métodos para la minería de datos complejos: los conjuntos de datos pierden simplicidad al tiempo que aumenta la dificultad de los procedimientos de negocio. Las soluciones de minería han de ser capaces de soportar las condiciones de trabajo en un entorno de este tipo, sin que ello incida negativamente en sus resultados.

  • Distributed Data Mining: es la respuesta tecnológica a las necesidades que plantean las bases de datos distribuidas. Los algoritmos se centran en estas particulares tareas, prestando especial atención a todo lo relacionado con su análisis y modelado.

  • La minería de datos en tiempo real: la extracción de conocimiento a partir de información para la toma de decisiones empresarial ha de ser capaz de aportar el dinamismo que los mercados requieren hoy día. Los datos se procesan en tiempo real y también deben poder ser analizados a este ritmo.

  • Protección de la privacidad y seguridad de la información en la minería de datos: con el aumento de la velocidad, la variedad y el volumen de los datos la seguridad plantea incertidumbres a las empresas, que la señalan como una de sus preocupaciones más importantes. Los procedimientos de minería de datos que se lleven a cabo no pueden, en ningún caso, comprometer a los datos críticos e información relevante del negocio. En este línea, las tendencias apuntan a la consecución de una mayor integridad, tanto en lo referente a bases de datos físicas, como a las lógicas y por supuesto también en relación a cada elemento en particular.

 

Post relacionados:

 

Predictive Analytics