ndice

Primera etapa: Entendimiento del negocio ..........................................................................................3

Tarea 1: Determinar los objetivos del negocio ...........................................................................................3
Salida ................................................................................................................................3
Ejemplos
...........................................................................................................................................3
Tarea 2: Evaluacin de la situacin ............................................................................................................4
Salida
...........................................................................................................................................4
Ejemplo .............................................................................................................................5
Tarea 3: Determinacin de metas de la minera de datos .........................................................................5
Salidas................................................................................................................................6
Ejemplos
...........................................................................................................................................6
Tarea 4: Elaboracin del plan de Proyecto ................................................................................................6
Salidas
...........................................................................................................................................6
..............................................................................................................................................................7
Tarea 1: Recoleccin Inicial de datos .........................................................................................................7
Salidas ...............................................................................................................................7
Ejemplos ...........................................................................................................................7
Tarea 2: Descripcin de los datos ..............................................................................................................7
Salidas
...........................................................................................................................................8
Ejemplos ...........................................................................................................................8
Tarea 3: Exploracin de los datos ..............................................................................................................8
Salidas ...............................................................................................................................8
Ejemplos ...........................................................................................................................9
Tarea 4: Verificacin de la calidad de los datos .........................................................................................9
Salidas
...........................................................................................................................................9
Ejemplos
...........................................................................................................................................9
............................................................................................................................................................10
Tarea 1: Seleccin de Datos ....................................................................................................................10
Salidas .............................................................................................................................10
Ejemplos
.........................................................................................................................................10
Tarea 2: Limpieza de datos ......................................................................................................................10
Salidas .............................................................................................................................11
Ejemplos
.........................................................................................................................................11
Tarea 3: Construccin de datos ................................................................................................................11
Salidas
.........................................................................................................................................11
Ejemplos .........................................................................................................................11
Tarea 4: Integracin de datos ...................................................................................................................12
Salidas .............................................................................................................................12
Ejemplos
.........................................................................................................................................12
............................................................................................................................................................12

Tarea 1: Seleccin de tcnica de modelado ............................................................................................12

Salidas .............................................................................................................................13
Ejemplos .........................................................................................................................13
Tarea 2: Generacin del diseo de pruebas ............................................................................................13
Salidas
.........................................................................................................................................13
Ejemplos .........................................................................................................................13
Tarea 3: Construccin del modelo ............................................................................................................14
Salidas .............................................................................................................................14
Ejemplos .........................................................................................................................14
Tarea 4: Evaluacin del modelo ...............................................................................................................15
Salidas
.........................................................................................................................................15
Ejemplos
.........................................................................................................................................15
............................................................................................................................................................16
Tarea 1: Evaluacin de resultados ...........................................................................................................16
Salida
.........................................................................................................................................16
Ejemplos
.........................................................................................................................................16
Tarea 2: Proceso de revisin
...................................................................................................................................................................17
Salida ..............................................................................................................................17
Ejemplos .........................................................................................................................17
Tarea 3: Determinacin de prximos pasos .............................................................................................17
Salida
.........................................................................................................................................17
Ejemplos
.........................................................................................................................................17
............................................................................................................................................................17
Tarea 1: Planificacin del despliegue .......................................................................................................18
Salida ..............................................................................................................................18
Ejemplos .........................................................................................................................18
Tarea 2: Planificacin del monitoreo y mantenimiento .............................................................................18
Salida ..............................................................................................................................18
Ejemplos .........................................................................................................................18
Tarea 3: Produccin del Informe Final .....................................................................................................19
Salida ..............................................................................................................................19
Ejemplos
.........................................................................................................................................19
Tarea 4: Revisin del proyecto .................................................................................................................19
Salida ..............................................................................................................................19
Ejemplos .........................................................................................................................19

Primera etapa: Entendimiento del negocio

Tarea 1: Determinar los objetivos del negocio
Esta tarea tiene como meta permitirle al analista entender cul es la verdadera necesidad que tiene el
cliente. Generalmente existen muchos objetivos y restricciones y estos deben ser balanceados
correctamente. La meta es poder determinar en una etapa temprana aquellos factores que pueden influenciar
el resultado final. De esta forma se ahorra mucho esfuerzo innecesario a la hora del desarrollo del proyecto
de minera de datos.

Salida
1. Contexto (Background):
Modelo esttico del negocio. Registra la informacin de la situacin del mismo al momento de iniciar el proyecto.
Proporciona una visin del contexto: en qu rea se est trabajando, cules son los problemas identificados y por qu el
data mining podra solucionarlos.
Esta compuesto por la misin de la empresa, los clientes y la competencia que esta posee. Tambin pueden incluirse
una lista de productos o servicios que brinda.

2. Objetivos del negocio:

Describe el objetivo principal del cliente, as como tambin posibles preguntas acerca del negocio que ste quiere
responder a travs de la minera de datos.

1. Factores crticos del xito:

Describir los criterios que van a permitir determinar si se alcanzaron resultados exitosos desde la
perspectiva del negocio. Estos pueden bien ser cuantificables y especficos o mas generales. En este
ultimo caso, debe determinarse quien va a ser el que lo determine.

Ejemplos
.1

Contexto:

La empresa pertenece al rubro automotriz. Posee una fuerte presencia en varios segmentos del
mercado automotor. Ofrece modelos de alta gama, utilitarios, 4x4 y en los ltimos aos ha
incursionado en el nuevo segmento de crossover.
La casa matriz est radicada en Japn, pero posee varias fbricas en Latinoamrica.
El negocio se divide en distintas regiones (Asia, Europa, Norteamrica y Amrica Latina), donde
existen modelos acordes a las necesidades y gustos del consumidor de cada regin en particular.
Sus clientes son hombres solteros o grupos familiares pertenecientes a sectores medios-altos.
La misin principal de la empresa es producir en la mayor cantidad de regiones, automviles que se

destaquen por su innovacin tcnica, alto confort y bajo consumo energtico.

.2

Objetivos del negocio:

o El rea de Marketting est interesada en conocer qu factores determinan que un
grupo dado de clientes se decida por la compra de un determinado modelo o lnea de
modelos.
o Identificar las necesidades de determinados grupos de clientes en cada regin a partir
de los datos de ventas de los ltimos aos.
o Obtener y clasificar los motivos de Conquista y Lealtad a partir de las caractersticas
de los distintos clientes.

.3

Factores Crticos del xito:

o Lograr la clasificacin de clientes con un umbral de certidumbre del 70%.
o Mejorar el conocimiento de cada regin obteniendo un conjunto de reglas de
asociacin que permita mejorar el nivel de penetracin en el mercado en un 10%.
o Detectar las causas por las cuales un cliente dado decide cambiar el modelo de
automvil, permitiendo reducir en un 10% el cambio hacia una marca de la
competencia en clientes habituales.

Tarea 2: Evaluacin de la situacin

En esta tarea se realiza un anlisis mas detallado para encontrar todos los recursos, restricciones y
suposiciones que deben ser considerados al establecer los objetivos del anlisis de datos y la meta
del proyecto.

Salida
.1

Inventario de recuros (Project Management)

Listar todos los recursos disponibles para el proyecto incluyendo personal (expertos en mineria de
datos, tecnicos, etc), de datos (planillas, acceso a un datawarehouse, etc), de hardware y software.

.2

Requerimientos, supuestos y restricciones (Project Management)

Lista con todos los requerimientos del proyecto incluyendo los planificacin de los plazos, forma de
presentacion de los datos y de calidad de los resultados.
Tambin deben incluirse suposiciones acerca del modelo de negocio que pueden ser chequeados
durante el proceso de minera de datos, y otros que no y son vitales para el proyecto.
Por ltimo debe contener restricciones que permitan desarrollar el proyecto en forma correcta como
por ejemplo por ejemplo la disponibilidad y volumen de los datos, tecnologas, etc.
.3

Riesgos y contingencias (Project Management)

Lista de los riesgos o eventos que pueden ocurrir demorar o incluso hacer que falle el proyecto.
Deben inclurise tambien los planes de contingencia para mitigar estos contratiempos.
.4

Terminologa (Glosario)

Glosario de terminologa relevante al proyecto. Este glosario debe abarcar tanto trminos propios
del negocio como aquellos especficos de data mining.
.5
Anlisis de Costo/Beneficio (Project Management, aunque generalmente lo hace en
conjunto con el CFO)

Anlisis costo-beneficio del proyecto. El mismo debe ser muy especfico y utilizar, por ejemplo,
trminos monetarios.

Ejemplo
.4

Terminologa
a. Del negocio:
Crossover: Es un trmino de marketting para vehculos que derivan de una
plataforma de automvil pero tomando prestadas caractersticas de un SUV.
SUV: proviene de las siglas, en ingls, de Vehculo Deportivo Utilitario (Sport
Utility Vehicule). Es un vehculo todoterreno ligero, mezclando caractersticas de un
todoterreno convencional y un vehculo de turismo.
Utilitarios: Trmino de marketting relacionado a los vehculos utilizados para una
tarea especfica, generalmente relacionada al transporte de mercaderas o grupos de
personas.
b. De la minera de datos:
Clusterizacin: Algoritmo que determina grupos de entidades que poseen alguna
relacin entre s, relacin que no est determinada a priori o no se conoce un
mecanismo exacto de clasificacin. En el caso del negocio que estamos estudiando,
la clusterizacin nos mostrara diversos grupos de clientes agrupados por
caractersticas como nivel de ingreso, cantidad de hijos, etc.
Reglas de asociacin: mtodo utilizado para descubrir relaciones interesantes entre
variables de una base de datos cuyo tamao es considerable. En nuestro negocio, una
relacin interesante podra ser que un cliente que vive en determinada regin, posee
un determinado ingreso pero no tiene familia ni est casado, opta preferentemente
por vehculos familiares.

Tarea 3: Determinacin de metas de la minera de datos

Se establecen los objetivos del proyecto desde el punto de vista tcnico del data mining.

Salidas
.1

Metas de la Minera de Datos

Objetivos concretos del proyecto que permiten cumplir con los objetivos del negocio.
.2

Criterios de aceptacin de la minera de datos

Describe los criterios para saber si se obtienen resultados exitosos en trminos tcnicos. Por
ejemplo, un cierto nivel de aciertos en las predicciones.

Ejemplos
.1

Metas de la Minera de Datos

o Obtener grupos caractersticos de clientes, con un nivel caracterstico en sus
miembros del 80% (es decir, que la clase de cada grupo determine a sus integrantes
con una exactitud del 80%).
o Obtener un conjunto de reglas de asociacin sobre las caractersticas de los clientes
que permitan tomar acciones de marketting especficas.

.2

Criterios de aceptacin de la mineria de datos

o Desde el punto de vista del responsable del rea de Marketting, obtener un conjunto
de grupos de clientes fcilmente identificables desde el punto de vista del negocio,
de manera de poder determinar a qu grupo pertenecera un posbile cliente y sobre
eso basar los esfuerzos de las campaas de marketting existentes.
o Por otro lado, que las reglas de asociacin le permitan generar nuevas campaas
cuya efectividad sea medible en cuanto al crecimiento de las ventas.

Tarea 4: Elaboracin del plan de Proyecto

Se elabora el plan que posee una secuencia de pasos a realizar durante el resto del proyecto,
incluyendo la seleccin de herramientas y tcnicas.

Salidas
.1

Plan de Proyecto (Project Management)

Detalla todas las etapas del proyecto a ser realizadas, indicando para cada una la duracin y los
recursos a utilizar. Contiene planes detallados para cada fase. Es un documento dinmico que se va
reajustando durante la ejecucin del proyecto.

.2

Evaluacin Incial de herramientas y tcnicas

Esto es muy importante ya que las herramientas posiblemente condicionen el desarrollo del
proyecto.

Segunda etapa:Comprensin de los datos

Tarea 1: Recoleccin Inicial de datos

Adquirir los datos (o acceder a los mismos) listados en los recursos disponibles del proyecto. Esto
incluye la carga de los datos de ser necesario.

Salidas
.1

Reporte de recoleccin Inicial de datos

Listado con el conjunto de los datos obtenidos junto con informacin acerca de donde provienen,
los mtodos usados para adquirirlos y aquellos problemas que fueron encontrados en dicho proceso.
En caso de haber inconvenientes, deben detallarse cuales fueron las soluciones que se utilizaron
para resolverlos. Esta informacin tambin es til para futuros proyectos.

Ejemplos
.1
Reporte de Recoleccin Inicial de Datos
o VENTAS
o Tipo: Base de Datos Oracle 8i
o Locacin: Servidor local de la empresa
o Mtodos de acceso: Drivers ODBC
o Encuestas de satisfaccin
o Tipo: Planillas Excel 2007
o Locacin: Archivo compartido en la intranet de la empresa
o Mtodos de Accesos: Drivers ODBC, UNC
o Problemas Encontrados: No todos los archivos poseen la misma estructura
o DW de MARKETTING
o Tipo: Base de Datos OLAP SQL Server Analysis Services 2005
o Locacin: Servidor Local de la empresa
o Mtodos de Acceso: Queries MDX

Tarea 2: Descripcin de los datos

Examinar superficialmente las propiedades de los datos adquiridos.

Salidas
.1

Reporte de descripcin de los datos

Describir los datos que fueron adquiridos incluyendo el formato de los datos, cantidad de los
mismos, etc.

Ejemplos
.1
Reporte de descripcin de los datos
o VENTAS: la base de datos pertenece a la aplicacin transaccional utilizada para registrar las
ventas globlales de la compaa. Contiene alrededor de 90 tablas, muchas de las cuales se
encuentran duplicadas por regin. Para el proyecto actual, interesan las siguientes:
o [REGION]_Clientes: contiene un listado de los clientes, por regin. Contiene en
promedio unos 2000 registros, con los siguientes datos: Nombre y Apellido (texto), #
Documento (numrico), Nacionalidad (numrico, identificador primario en otra
tabla), Profesin (numrico, identificador primario en otra tabla), Cantidad de Hijos
(numrico), Fecha de Alta (fecha), entre otros.
o [REGION]_Reservas: Contiene registros relativos a la reservaciones realizados por
un cliente. Esto es, un registro de las futuras ventas an no realizadas. Dado que es
una especie de tabla temporal, la cantidad de registros que tiene es baja, alrededor de
100.
o [REGION]_Ventas: Contiene un registro de las ventas realizadas en la regin. Posee
alrededor de 100.000 registros, con informacin desde el ao 2004.
o Encuestas de Satisfaccin
o Se disponen un total de 3500 encuestas realizadas a los clientes, e incluyen tanto
encuestas a clientes que acababan de comprar un auto o clientes que han trado un
auto para ponerlo a la venta (a travs del servicio de toma de autos usados que
poseen las concesionarias).
o El formato del archivo excel contiene 25 preguntas, algunas de carcter general, y
otras especficas de la transaccin. No todas las encuestas mostraron un formato
idntico.

Tarea 3: Exploracin de los datos

Esta tarea esta en focada en contestar las preguntas del proyecto de minera, como por ejemplo ver
la distribucion de los atribuits claves, relaciones entre atributos.
Se pueden utilizar consultas, graficos o reportes.

Salidas
.1

Reporte de exploracin de los datos

Describe los resultados de la exploracion de datos. Si es adecuado, pueden incluirse tambien

grficos.

Ejemplos
.1

Reporte de Exploracin de Datos

o VENTAS
Un anlisis de histograma revela que la mayora de las ventas registradas
corresponden al bienio 2007-2008.

La mayor cantidad de ventas se registran en la Regin Amrica del Norte

(alrededor del 40% del total).

o Encuestas de satisfaccin
El 90% de las encuestas pertenecen a clientes que realizaron una compra. El
10% restante, de los clientes que vendieron su vehculo usado
El 25% de las encuestas poseen un formato distinto a la mayora. Al parecer,
esto se debe a un cambio en el formato realizado en el ao 2006.

Tarea 4: Verificacin de la calidad de los datos

Examinar la calidad de los datos corroborando la completitud de los datos, la inexistencia de errores
(y en el caso de haberlos cuan frecuentes son), la falta de valores, etc.

Salidas
.1

Reporte de Calidad de datos.

Listar los resultados obtenidos. En caso de encontrar errores, plantear posibles soluciones a los
mismos.

Ejemplos
.1

Reporte de Calidad de Datos

o VENTAS
Un anlisis de las tablas *_Cliente arroj que un alto porcentaje de los
clientes registrados no poseen ventas asociadas, y a la vez otro porcentaje
(menor que el anterior) carece de ciertos datos (por ejemplo, cantidad de
hijos, Nacionalidad, profesin).
Posible solucin: desestimar los clientes que no tengan ventas asociadas.

Existen reservas que fueron canceladas y otras que figuran como

completadas, pero no se encuentra el registro correspondiente en las tablas de
Ventas.
Posible solucin: excluir las reservas que no cumplan con dicha regla de
negocio.

o Encuestas de Satisfaccin
En el caso de las encuestas realizadas a los clientes que pusieron sus autos
usados en venta, la mayora carece de respuestas completas.
Posible solucin: dado que carecen de sentido para el proyecto actual,
podran desestimarse las encuestas de este tipo.

El 40% de todas las encuestas posee campos incompletos.

Posible solucin: contemplar solo las preguntas que contengan un cierto nivel
de respuestas completas.

Tercer etapa: Preparacin de los datos

Tarea 1: Seleccin de Datos

Esta tarea consta en decidir que data va a ser utilizada para el anlisis. Criterios a tener en cuenta
pueden ser la relevacia para el objetivo del proyecto, la calidad o restricciones tcnicas (por ejemplo
limite del volumen de datos con el cual se puede trabajar o tipos de datos).

Salidas
.1

Criterios para la inclusin/exclusin.

Ejemplos
.1
Criterios para la inclusin/exclusin:
o VENTAS:
o Se incluirn las tablas *_CLIENTES y *_VENTAS, con todos sus campos.
o Se excluirn los clientes que no posean ventas asociadas.
o Encuestas de satisfaccin:
o Se incluirn slo aquellas realizadas a clientes que acaban de finalizar una compra.
o Se excluirn las preguntas que, dentro del grupo seleccionado ms arriba, posean un
80% de completitud (es decir, se responden en el 80% de las encuentas) o bien si la
cantidad excede la cantidad de 2000.

Tarea 2: Limpieza de datos

El objetivo es preparar los datos de una forma adecuada para las tcnicas de anlisis seleccionadas.
Por otro lado tambien se corrigen los problemas de calidad detectados en las etapas anteriores.
Esto implica por ejemplo elegir subconjuntos de datos o insertar valores por defecto.

Salidas
.1

Reporte de limpieza de datos

Este reporte describe que decisiones y acciones fueron tomadas para corregir los problemas de
calidad reportados anteriormente.

Ejemplos
.1
Reporte de limpieza de datos.
o VENTAS
o Un anlisis de las tablas *_Cliente arroj que un alto porcentaje de los clientes
registrados no poseen ventas asociadas, y a la vez otro porcentaje (menor que el
anterior) carece de ciertos datos (por ejemplo, cantidad de hijos, Nacionalidad,
profesin).
o Solucin aceptada: Se resolvi en la tarea anterior, al no considerar los clientes que
no poseen ventas asociadas.
o Existen reservas que fueron canceladas y otras que figuran como completadas, pero
no se encuentra el registro correspondiente en las tablas de Ventas.
o Solucin aceptada: Se resolvi descartando las tablas de Reservas, dado que no
aportan mucho al proyecto.
o Encuestas de Satisfaccin
o En el caso de las encuestas realizadas a los clientes que pusieron sus autos usados
en venta, la mayora carece de respuestas completas.
Solucin aceptada: Se resolvi en la tarea anterior, descartando las encuestas de
vehculos usados.
o El 40% de todas las encuestas posee campos incompletos.
Solucin aceptada: Se resolvi en la tarea anterior.

Tarea 3: Construccin de datos

En esta tarea se realizan operaciones constructivas sobre los datos como por ejemplo obtener
nuevos atributos derivados, transformar valores para que correspondan con estos o agregar
registros.

Salidas
.1
.2

Atributos derivados
Registros generados

Ejemplos
.1

Atributos derivados

VENTAS
o Se agrearon los campos:
Edad (calculado como la diferecia entre la fecha actual y la fecha de
nacimiento, en aos cumplidos completamente)
Cantidad de meses desde la ltima compra (cantidad de meses que pasaron
desde la fecha ltima de compra hasta la fecha actual)

Encuestas de Satisfaccin
o Se agregaron los campos:

Promedio de respuestas satisfactorias (cantidad de respuestas "Muy de

acuerdo" o "De acuerdo" con respecto al total de preguntas)

Porcentaje de completitud de los datos (cantidad de respuestas distintas de

"NS/NC" con respecto al total)
Cantidad de meses transcurridos desde la encuenta (cantidad de meses que
pasaron desde la fecha de realizada la encuenta hasta la fecha actual)
Registros generados

.1

No se generaron registros adicionales.

Tarea 4: Integracin de datos

Ac se combinan datos de diferentes fuentes creando nuevos registros.

Salidas
.1

Datos combinados

Ejemplos
.1

Datos combinados

No se realizaron datos combinados ya que se van a trabajar distintos modelos sobre las
fuentes, por separado. Por lo cual no se requiere la combinacin de mltiples fuentes de
datos.

Cuarta etapa: Modelado

Tarea 1: Seleccin de tcnica de modelado

El objetivo de esta tarea es elegir la/s tcnica/s de modelado que van a ser utilizadas sobre el set de
datos. Si muchas tecnicas son elegidas, esta tarea debe aplicarse para cada una individualmente.

Salidas
.1
.2

Tcnica de modelado
Supuestos del modelado

Las tecnicas de modelado por lo general requieren que los datos tengan determinadas
caracteristicas. En esta salida es donde se escriben las mismas.

Ejemplos
.1
Tcnica de modelado
Clusterizacin: se va a utilizar para determinar reglas que permitan determinar la
pertenencia de un futuro cliente a un determinado tipo de cliente.
Reglas de Asociacin: se van a utilizar reglas de asociacin para descrubir patrones, a partir
de las encuentas, que permitan conocer ms acerca de cmo y por qu un cliente decide
cambiar de modelo y/o de marca.
.1
Supuestos del modelado
Se contar con la cantidad de registros y con la calidad requerida por el algoritmo.
Se contar con la cantidad de encuestas que permitan obtener el nivel pedido de exactitud y
se contar con un analista del negocio que asista en el proceso de validacin de reglas
detectadas.

Tarea 2: Generacin del diseo de pruebas

El objetivo es disear las pruebas que van a utilizarse para probar la calidad y validez de los
resultados arrojados por el modelo que luego va a ser implementado.

Salidas
.1

Diseo de pruebas

Ejemplos
.1
Diseo de pruebas
Clusterizacin
o Se va a dividir el total de registros en dos grupos, generados en forma aleatoria:
Conjunto de entrenamiento (training set), que contendr aproximadamente el 70%
del conjunto total; y un Conjunto de validacin (testing set) que ser utilizado para
validar los grupos detectados por el algoritmo.
o Se va generar una poblacin con una distribucin conocida, similar al conjunto de
datos original, utilizando un producto diseado para tal fin.
Reglas de asociacin

o Se validarn las reglas detectadas con un grupo de analistas del negocio provistos
por el cliente.
o Se gener un grupo de posibles reglas vlidas para generar una nueva pasada con los
nuevos datos.

Tarea 3: Construccin del modelo

Ejecutar la/s herramienta/s de modelado elegida/s sobre el conjunto de datos preparados para crear
el/los modelos resultantes.

Salidas
.1

Configuracin de parmetros

Configurar los parametros que utiliza la herramienta elegida.

.2
.3

Modelos
Descripcin de los modelos

Esta es una interpretacin del modelo resultante. Tambin deben documentarse todas las
dificultades encontradas con sus significados.

Ejemplos
.1
Configuracin de parmetros
Clusterizacin:
o Grado de representatividad de los grupos detectados
o Cantidad de grupos a generar

Reglas de asociacin:
o Grado de veracidad de las reglas con respecto a los datos disponibles.

.1

Modelos

Los modelos generados por las herramientas, en nuestro caso, los algoritmos de
clusterizacin y las reglas de asociacin.

.1

Descripcin de los modelos

Ac se describiran los modelos generados a partir de las herramientas utilizadas, como ser
cules son los calculos que se realizaron, que decisiones se tomaron,etc.

Tarea 4: Evaluacin del modelo

En esta tarea sea interpretan los modelos de acuerdo al dominio del problema, el criterio de xito y
los test definidos anteriormente. Tambin se comparan los modelos calificando los resultados de
cada uno.
En esta tarea no se evalua el resultado de los modelos si no que se analiza el desempeo y calidad
de los mismos.
Ambas tareas pueden ser realizadas en conjunto con analisistas del negocio (generalmente los
clientes) para tener una mejor vision de los resultados en el contexto del problema.

Salidas
.1

Evaluacin del modelo

Esta salida consiste en resumir los resultados, listar las cualidades de cada uno de los modelos
obtenidos y categorizar los resultados segn su calidad.

.2

Configuracin revisada de parmetros

En base al resultado de las evaluaciones de los modelos, se pueden revisar los parametros de los
mismos y modificarlos para obtener mejores resultados. Los modelos pueden volver a ser generados
hasta obtener resultados que sean satisfactorios.

Ejemplos
.1
Evaluacin del modelo
Modelo de Clusterizacin
o Algoritmo 1
Grado de veracidad: 71%
Cantidad de registros omitidos: 10%
o Algoritmo 2
Grado de veracidad: 90%
Cantidad de registros omitidos: 35%
Reglas de asociacin
o Algoritmo 1
reglas detectadas: 100
Promedio de veracidad contrastada con los datos: 50%
o Algoritmo 2

reglas detectadas 19
Promedio de veracidad contrastada con los datos: 75%

.1
Configuracin revisada de parmetros
Se revisaron los parmetros del algoritmo 2 para disminuir la cantidad de registros omitidos,
al dismunir el grado de representatividad.
Se ajustaron los parmetros del algoritmo 1 de Reglas de asociacin para aumentar el
promedio de veracidad.

Quinta etapa: Evaluacin

Tarea 1: Evaluacin de resultados

En esta etapa se evalan los resultados del modelo desde la perspectiva del negocio. Se analiza el
nivel en el que el resultado se acerca al negocio y se trata de determinar si por alguna razon el
modelo es deficiente.

Salida
.1
Evaluacin de los resultados de la minera de datos con respecto a los Factores
Crticos del xito.
.2

Modelos aprobados

Listar los modelos que cumplen con los criterios de xito con los que se evalu anteriormente

Ejemplos
.1
Evaluacin de los resultados de la minera de datos con respecto a los Factores
Crticos del xito.
Utilizando el algoritmo 1 de clusterizacin, se logr que, al contrastarlo con el Conjunto de
datos de prueba, se lograra el 69% de exactitud, cercano al 70% de los FCE.
Utilizando el algoritmo 2 de reglas de asociacin, se logr detectar 5 reglas de asociacin,
que, de ser implementadas por el departamento de marketting, lograran solo una mejora del
5% en la fidelidad de los clientes.
.1
Modelos aprobados
Se aprob el modelo de clusterizacin utilizado con el algoritmo 1.
Se rechaz el modelo de reglas de asociacin, dado que no cumple con los FCE.

Tarea 2: Proceso de revisin

El objetivo de esta tarea es revisar todo el proceso en busca de las tareas que pudieron haber no sido
salteadas u olvidadas. Esta revisin tambin involucra analizar cuestiones de calidad sobre la
construccin del modelo.

Salida
.1

Revisin de procesos

Lista con las tareas que fueron olvidadas y que deben realizarse.

Ejemplos
.1
Revisin de procesos
Se revisaron los algoritmos utlizados para la deteccin de reglas de asocicin y se
consideraron otros algoritmos adicionales. Se detectaron fallas en la limpieza de datos, que
quitaban representatividad al resultado final.
De los algoritmos nuevos propuestos, se dicidi inlcuir el 3 a partir de que se logr mejorar
la calidad de los datos requeridos por ste.

Tarea 3: Determinacin de prximos pasos

En esta tarea los coordinadores del proyecto deciden si se continua con la etapa de implementacin
o es adecuado repetir alguna de las etapas anteriores para corregir aquellos posibles errores
encontrados o para obtener mejores resultados. Generalmente volver a realizar una iteracion esta
influenciado por el presupuesto y recursos que posee el proyecto.

Salida
.1
.2

Lista de posibles acciones (Project Management)

Decisin (Project Management)

Ejemplos
.1
.2

Lista de posibles acciones (Project Management)

Decisin (Project Management)

Sexta etapa: Implementacin

Tarea 1: Planificacin del despliegue

En sta tarea se toma el resultado de la etapa anterior y se elabora una estrategia de despliegue. Esta
estrategia permite aplicar los resultados del data mining en el negocio.
Algunas actividades importantes dentro de esta tarea son:

Listar los resultados a utilizar en el despliegue.

Desarrollar y evaluar distintos planes de despliegue.
Decidir como realizar el despliegue del modelo, y como va a ser monitoreado el uso de los
resultados.
Determinar como se van a medir los beneficios por la utilizacin de los resultados del data
mining.

Salida
.1

Plan de despliegue (Project Management)

Descripcin del plan de despliegue que incluye la sucesin de pasos a realizar y como hacerlos.

Ejemplos
.1

Plan de despliegue (Project Management)

Tarea 2: Planificacin del monitoreo y mantenimiento

En esta tarea se planifica una estrategia de mantenimiento, que ayuda a evitar perodos innecesarios
de mal uso de los resultados del data mining. Esto es importante en el caso en que el data mining
forma parte del dia a dia del negocio. Tambin es necesario monitorear los resultados y para ello se
desarrolla un plan detallado de monitoreo.

Salida
.1

Plan de monitoreo y mantenimiento (Project Management)

Descripcin de los planes de monitoreo y mantenimiento que incluyen una lista de pasos a efectuar
y como realizar cada uno de ellos.

Ejemplos
.1

Plan de monitoreo y mantenimiento (Project Management)

Tarea 3: Produccin del Informe Final

Al final del proyecto se escribe un informe final. Este informe puede ser tanto un resumen del
proyecto como tambin una presentacin final de los resultados del data mining.

Salida
.1

Reporte Final (Project Management)

Contiene la identificacin de los resultados obtenidos, la descripcin del proceso, los costos, las
desviaciones respecto del plan original, descripcin de planes de implementacin y
recomendaciones para el trabajo futuro.

.1

Presentacin Final (Project Management)

Contiene un subconjunto de la informacin incluida en el reporte final, pero estructurada en una

forma diferente (a modo de presentacin).

Ejemplos
.1
.2

Reporte Final (Project Management)

Presentacin Final (Project Management)

Tarea 4: Revisin del proyecto

Analizar que se hizo bien y que se hizo mal durante la realizacin de todo el proyecto. Se determina
que cosas necesitan ser mejoradas.

Salida
.1

Documentacin de lecciones aprendidas (Project Management)

Resume las experiencias obtenidas durante el proyecto.

Ejemplos
.1

Documentacin de lecciones aprendidas (Project Management)