Revista Cubana de Ciencias Informticas

ISSN: 1994-1536
rcci@uci.cu
Universidad de las Ciencias Informticas
Cuba

Rodrguez Surez, Yuniet; Daz Amador, Anolandy

Herramientas de Minera de Datos
Revista Cubana de Ciencias Informticas, vol. 3, nm. 3-4, julio-diciembre, 2009, pp. 73-
80
Universidad de las Ciencias Informticas
Ciudad de la Habana, Cuba

Disponible en: http://www.redalyc.org/articulo.oa?id=378343637009

Cmo citar el artculo

Nmero completo
Sistema de Informacin Cientfica
Ms informacin del artculo Red de Revistas Cientficas de Amrica Latina, el Caribe, Espaa y Portugal
Pgina de la revista en redalyc.org Proyecto acadmico sin fines de lucro, desarrollado bajo la iniciativa de acceso abierto
RCCI Vol. 3, No. 3-4 JULIO-DICIEMBRE, 2009 p. 73-80
Recibido: 11/06/2009

Herramientas de Minera de Datos

Data Mining Tools
Yuniet Rodrguez Surez1* y Anolandy Daz Amador1
1 Universidad de las Ciencias Informticas, Carreterra a San Antonio de los Baos km 2 1/2. Rpato Torrens, Boye-
ros, La Habana, C.P.: 19370. Cuba
*Autor para correspondencia: yuniet@hab.uci.cu
74 Resumen
En la actual sociedad de la informacin,
donde cada da se multiplica la cantidad de
datos almacenados casi de forma exponen-
cial, la minera de datos es una herramienta
fundamental para analizarlos y explotarlos de
forma eficaz para los objetivos de cualquier
organizacin. La minera de datos se define
tambin como el anlisis y descubrimiento
de conocimiento a partir de datos. La mine-
ra de datos hace uso de todas las tcnicas
que puedan aportar informacin til, desde
un sencillo anlisis grfico, pasando por m-
todos estadsticos ms o menos complejos,
complementados con mtodos y algoritmos
del campo de la inteligencia artificial y el
aprendizaje automtico que resuelven pro-
blemas tpicos de agrupamiento automtico,
clasificacin, prediccin de valores, detec-
cin de patrones, asociacin de atributos.
En este trabajo se hace un estudio de he-
rramientas que se utilizan en la minera de
datos as como algunas de las aplicaciones y
deficiencias que tiene la misma.
Palabras clave: Extraer, herramientas, minera
de datos.
Abstract
In today's information society, where every
day is multiplied by the amount of data
stored almost exponentially, data mining is
a fundamental tool to analyze and exploit
them effectively to the objectives of any
organization. Data mining is also defined as
the analysis and knowledge discovery from
data. Data mining uses all the techniques
that can provide useful information, from
a simple graphical analysis, statistical
methods through more or less complex,
complemented with methods and algorithms
in the field of artificial intelligence and
machine learning to problems typical
automatic clustering, classification, value
prediction, pattern detection, association of
attributes. In this paper a study of tools used
in data mining and some of the applications
and has the same shortcomings.
Keywords: Extract, tools, Data Mining.
Introduccin
El almacenamiento de informacin en formatos
digitales es cada vez ms barato y sencillo. Se
genera gran cantidad de datos. Hay que intentar
sacar partido a estos volmenes de informacin
para la toma de decisiones. La tecnologa in-
formtica constituye la infraestructura funda-
mental de las grandes organizaciones y permite,
hoy, registrar mltiples detalles de la vida de las
empresas. Las bases de datos posibilitan alma-
cenar cada transaccin, as como otros muchos
elementos que reflejan la interaccin de la or-
ganizacin con otras organizaciones, clientes, o
internamente, entre sus divisiones y empleados,
etctera. Es imprescindible convertir los grandes
volmenes de datos existentes en experiencia,
conocimiento y sabidura, formas que atesora la
humanidad para que sea til a la toma de de-
cisiones, especialmente en las grandes orga-
nizaciones y proyectos cientficos. La bsqueda
de informacin relevante siempre es til a la
administracin empresarial: el control de la pro-
duccin, el anlisis de los mercados, el diseo
en ingeniera y la exploracin cientfica, porque
pueden ofrecer las respuestas ms apropiadas a
las necesidades de informacin. La minera de da-
tos, es un conjunto de tcnicas agrupadas con el
fin de crear mecanismos adecuados de direccin,
entre ellas puede citarse la estadstica, el recono-
cimiento de patrones, la clasificacin y la predic-
cin. Para descubrir patrones de relaciones tiles
en un conjunto de datos se empezaron a utilizar
mtodos que fueron denominados de diferente
forma. El trmino Data Mining, en ingls, no era,
al principio, del agrado de muchos estadsticos,
porque sus investigaciones estaban dirigidas a
procesar y reprocesar suficientemente los datos,
hasta que confirmasen o refutasen las hiptesis
planteadas. Esta tecnologa ha sido de gran ayu-
da en reas como la banca, telecomunicaciones,
seguros y otros. En la actualidad hay un nmero
creciente de organizaciones inmersas en proyec-
tos de Minera de Datos o Data Mining. La tec-
nologa se puede aplicar a cualquier organizacin
que disponga de una gran cantidad de datos y
que se plantee explotarlos para obtener reglas de
negocio o mejorar el servicio que presta.
Desarrollo
La idea de Minera de Datos no es nueva. Ya desde
los aos sesenta los estadsticos manejaban tr-
minos como data fishing, data mining o data ar-
chaeology con la idea de encontrar correlaciones
sin una hiptesis previa en bases de datos con
ruido. A principios de los aos ochenta, Rakesh
Agrawal, Gio Wiederhold, Robert Blum y Gregory
Piatetsky-Shapiro, entre otros, empezaron a con-
solidar los trminos de data mining y KDD. A fi-
nales de los aos ochenta slo existan un par de
empresas dedicadas a esta tecnologa; en 2002
existen ms de 100 empresas en el mundo que
ofrecen alrededor de 300 soluciones. Las listas de
discusin sobre este tema las forman investiga-
dores de ms de ochenta pases. Esta tecnologa
ha sido un buen punto de encuentro entre perso-
nas pertenecientes al mbito acadmico y al de
los negocios. Es una tecnologa compuesta por
etapas que integra varias reas y que no se debe
confundir con un gran software.
Definiciones de Minera de Datos
La definicin de Minera de Datos puede variar
entre los diferentes investigadores ya sean esta-
dsticos, analistas de datos u otros. A continua-
cin se muestran algunas definiciones:
t
i-B
NJOFSB
EF
EBUPT
QVFEF
EFOJSTF
DPNP

el proceso de extraer conocimiento til y com-
prensible, previamente desconocido, a partir de
grandes volmenes de datos (Gonzlez, 2006).
t
i-B
NJOFSB
EF
EBUPT
FT
MB
FYQMPSBDJO
Z
BOMJTJT


mediante mtodos automticos o semiautomti-
cos, de grandes cantidades de datos para descubrir
reglas o patrones significativos (Berry y Linoff,
1997).
t
i-B
NJOFSB
EF
EBUPT
FT
FM
DPOKVOUP
EF
UD-
nicas y herramientas aplicadas al proceso trivial
de extraer y presentar el conocimiento implcito,
previamente desconocido, potencialmente til y
humanamente comprensible, a partir de grandes
conjuntos de datos, con el objeto de predecir de
forma autorizada tendencias y comportamientos
y/o descubrir de forma automatizada modelos
previamente desconocidos (Piatetsky-Shapiro y
Frawley, 1991).
t
i-B
NJOFSB
EF
EBUPT
FT
MB
FYUSBDDJO
EF
JO
formacin implcita, previamente desconocida
y potencialmente til de una base de datos
(Witten y Frank, 2000).
t
i-B
NJOFSB
EF
EBUPT
DPNCJOB
UDOJDBT
EF
MB

estadstica, inteligencia artificial, bases de da-
tos, visualizacin y otras reas, para descubrir, de
forma automtica o semiautomtica, modelos de
series de datos (Siebes, 2000)
t
i-B

NJOFSB

EF


EBUPT

FT


FM

BOMJTJT

EF


habitualmente grandes, series de datos para en-
contrar relaciones inesperadas y resumir la infor-
macin de nuevas maneras que sean entendibles y
tiles por el propietario de los datos
(Thuraisingham, 1999).
En el mbito del descubrimiento de conocimiento
en bases de datos o Knowledge Discovery in Da- 75
tabases (KDD) tiene otro significado, el KDD se
Herramientas de Minera de Datos
empez a utilizar en 1989 (Piatetsky-Shapiro y
Frawley, 1991) popularizndose por los expertos
en inteligencia artificial (IA) y aprendizaje de or-
denadores (Machine Learning), por lo que la min-
era de datos se define como:
t
i.JOFSB
EF
%BUPT
DPOTJTUF
FO
PCUFOFS
NPEFMPT

comprensibles o patrones de una base de datos
(Siebes, 2000).
t
i.JOFSB
EF
%BUPT
CTRVFEB
EF
QBUSPOFT
EF
JO-
ters mediante rboles o reglas de clasificacin,
tcnicas de regresin, clusterizado, modelizado
secuencial, dependencias, ect (Wang, 1999).
Los investigadores la definen diferente yo
coincido con todos, resumiendo la minera de
datos es el anlisis de archivos y bitcoras de
transacciones, trabaja a nivel del conocimiento
con el fin de descubrir patrones, relaciones,
reglas, asociaciones o incluso excepciones tiles
para la toma de decisiones.
Algunas dificultades en la aplicacin
de Minera de Datos
Problemas a los que se enfrenta cualquier pro-
yecto de Minera de Datos
El nmero de posibles relaciones es demasiado
grande, y resulta prcticamente imposible validar
cada una de ellas. Para resolver este problema
se utilizan estrategias de bsqueda, extradas del
rea de aprendizaje automtico (Berry y Linoff,
1997). Las herramientas funcionan mejor fijn-
doles objetivos de bsqueda concretos. Si bien
la minera de datos es la impresin de que se
puede simplemente aplicar como herramienta a
los datos, se debe tener un objetivo, o al menos
una idea general de lo que busca. El coste de
esta prospeccin de datos debe ser coherente con
el beneficio esperado. Si bien las herramientas
han bajado su precio, el coste en tiempo, per-
sonal y consultora se ha incrementado, llegando
en algunos casos a hacer no viable el proyecto.
Suele funcionar mejor en problemas ligados a em-
presas de xito que en otros casos, debido a la
gran dependencia que estas herramientas tienen
respecto a todos los estamentos de la empresa,
desde mantenimiento a compras. Es necesario
trabajar en estrecha colaboracin con expertos
en el negocio para definir modelos. A veces la
informacin esta corrompida, tiene ruido o sim-
plemente le faltan partes. Para esto se aplican
76 tcnicas estadsticas que ayudan a estimar la
confiabilidad de las relaciones halladas.
Existen varias tcnicas de recopilacin de da-
tos que muchas de estas son utilizadas por
las herramientas que usan minera de datos:
Aplicaciones de la Minera de Datos Almacenamiento de datos (Data Warehous-
Las tcnicas de minera de datos se estn utili- ing): El almacenamiento de datos se define
zando desde hace varios aos para la obtencin como un proceso de organizacin de grandes
de patrones en los datos y para la extraccin de cantidades de datos de diversos tipos guardados
informacin valiosa en el campo de la Ingeniera en la organizacin con el objetivo de facilitar la
del Software. Entre estas aplicaciones podemos re-cuperacin de la misma con fines analticos.
citar: El al-macenamiento de datos tiene un gran im-
t
-B
VUJMJ[BDJO
EF
SCPMFT
EF
EFDJTJO
FO
MB
DPOT portancia en el proceso de minera de datos pues
truccin de modelos de clasificacin de diferentes en cierta medida, permite la recuperacin o al
caractersticas del desarrollo de software. menos la referencia a determinados conjuntos de
t
"TQFDUPT
DMJNBUPMHJDPT
QSFEJDDJO
EF
UPSNFO datos de importancia para un proceso de toma
tas, etc. de decisin dado. En la actualidad existe gran
t
.FEJDJOB
FODPOUSBS
MB
QSPCBCJMJEBE
EF
VOB
SFT variedad de sistemas comerciales para el alma-
puesta satisfactoria a un tratamiento mdico. cenamiento de datos entre los que se destacan
t
.FSDBEPUDOJDB
JEFOUJDBS
DMJFOUFT
TVTDFQUJCMFT
Oracle, Sybase, MS SQL Server, entre otros.
de responder a ofertas de productos y servicios por Anlisis exploratorio de datos (Exploratory
correo, fidelidad de clientes, afinidad de productos. Data Analysis (EDA)): Las tcnicas de anli-
t
*OWFSTJO
FO
DBTBT
EF
CPMTB
Z
CBODB
BOMJTJT
EF
sis exploratorio de datos juegan un papel muy
clientes, aprobacin de prstamos, determinacin im-portante en la minera de datos. Las mismas
de montos de crdito, etc. tienen como objetivo determinar las relaciones
t
%FUFDDJO
EF
GSBVEFT
Z
DPNQPSUBNJFOUPT
JOV entre las variables cuando no hay o no est to-
suales: telefnicos, seguros, en tarjetas de cr- talmente definida la naturaleza de estas relacio-
dito, de evasin fiscal, electricidad, etc. nes. Las tcnicas exploratorias tienen un fuerte
t
"OMJTJT
EF
DBOBTUBT
EF
NFSDBEP
QBSB
NFKPSBS
MB
componente computacional abarcando desde los
organizacin de tiendas, segmentacin de mer- mtodos estadsticos simples a los ms avanza-
cado (clustering). dos como las tcnicas de exploracin de multi-
t
%FUFSNJOBDJO
EF
OJWFMFT
EF
BVEJFODJB

EF
QSP variables diseadas para identificar patrones en
gramas televisivos. conjunto de datos multivariables.
t
*OEVTUSJB
Z
NBOVGBDUVSB
EJBHOTUJDP
EF
GBMMBT
Entre las tcnicas estadsticas sencillas se in-
Algoritmos y tcnicas de Minera de cluyen el estudio de distribuciones de las vari-
ables, estudio de correlaciones entre matrices,
Datos tablas de contingencias, entre otros. Por su parte,
La minera de datos es un proceso de extraccin
entre las tcnicas ms complejas se incluyen el
de informacin y bsqueda de patrones de com-
Anlisis de Factores, el Anlisis de Grupos, el Es-
portamiento que a simple vista se ocultan en-
calado Multidimensional, etctera.
tre grandes cantidades de informacin, existen
varios algoritmos y tcnicas que ayudan en ob- Redes neuronales (Neural Networks): Las redes
tener la informacin. neuronales son tcnicas analticas que permiten
Algoritmos: modelar el proceso de aprendizaje de una forma
similar al funcionamiento del cerebro humano,
1. Supervisados o predictivos: predicen el valor
bsicamente, la capacidad de aprender a partir
de un atributo de un conjunto de datos, cono-
de nuevas experiencias. Estas tcnicas tuvieron
cidos otros atributos. A partir de datos cuya
un desarrollo impresionante en la ltima dcada,
etiqueta se conoce, se induce una relacin entre
con aplicaciones tanto a la medida como genera-
dicha etiqueta y otra serie de atributos. Esas rela-
les (comnmente llamados Shell) y tienen como
ciones sirven para realizar la prediccin de datos
objetivo fundamental sustituir la funcin de un
cuya etiqueta es desconocida.
experto humano.
2. No supervisados o del descubrimiento del co-
nocimiento: con estos algoritmos se descubren
patrones y tendencias en los datos actuales. El des- Una de las principales caractersticas de las re-
cubrimiento de esa informacin sirve para llevar a des neuronales, es que son capaces de trabajar
cabo acciones y obtener un beneficio de ellas. con datos incompletos e incluso paradjicos, que
dependiendo del problema puede resultar una
ventaja o un inconveniente. Adems esta tcnica
posee dos formas de aprendizaje: supervisado y
no supervisado.
t
"OMJTJT
1SFMJNJOBS
EF
EBUPT
VTBOEP
2VFSZ
UPPMT

es el primer paso de un proyecto de Minera de
Datos, se aplica una consulta SQL al conjunto de
datos, para rescatar algunos aspectos visibles an-
tes de aplicar las tcnicas.
t
5DOJDBT
EF
7JTVBMJ[BDJO
TPO
BQUBT
QBSB
VCJDBS

patrones en un conjunto de datos, puede usarse
al comienzo de un proceso de Minera de Datos
para determinar la calidad de los datos.
t
3FHMBT
EF
"TPDJBDJO
FTUBCMFDFO
BTPDJBDJPOFT

en base a los perfiles de los clientes sobre los
cuales se realiza la Minera de Datos.
t
"MHPSJUNPT
(FOUJDPT
TPO
UDOJDBT
EF
PQ
timizacin que usan procesos tales como combi-
naciones genticas y mutaciones, proporcionan
programas y optimizaciones que pueden ser
usadas en la construccin y entrenamiento de
otras estructuras como es el caso de las redes
neuronales. Adems los algoritmos genticos son
inspirados en el principio de la supervivencia de
los ms aptos.
t
3FEFT
#BZFTJBOBT
CVTDBO
EFUFSNJOBS
SFMBDJP-
nes causales que expliquen un fenmeno segn
los datos contenidos en una base de datos. Se
han usado principalmente para realizar predic-
ciones.
t
SCPM
EF
%FDJTJO
TPO
FTUSVDUVSBT
RVF
SFQSF
sentan conjuntos de decisiones, y estas decisio-
nes generan reglas para la clasificacin de un
conjunto de datos. Los rboles de decisin son
fciles de usar, admiten atributos discretos y
continuos, tratan bien los atributos no significa-
tivos y los valores faltantes. Su principal ventaja
es la facilidad de interpretacin.
t
$MVTUFSJOH
"HSVQBNJFOUP

"HSVQBO
EBUPT
EFO- mejoran tanto el rendimiento como el despliegue
tro de un nmero de clases preestablecidas o no,
partiendo de criterios de distancia o similitud,
de manera que las clases sean similares entre s
y distintas con las otras clases. Su utilizacin ha
proporcionado significativos resultados en lo que
respecta a los clasificadores o reconocedores de
patrones, como en el modelado de sistemas. Este
mtodo debido a su naturaleza flexible se puede
combinar fcilmente con otro tipo de tcnica
de minera de datos, dando como resultado un
sistema hbrido.

QSFQBSBS
F
JOUFHSBS
GDJMNFOUF
EBUPT

t
4FHNFOUBDJO
$POTJTUF
FO
MB
EJWJTJO
EF
MB

totalidad de los datos, segn determinados cri-
terios. Ejemplo: Dividir los clientes en funcin de

VUJ
su antigedad.
t
$MBTJDBDJO
$POTJTUF
FO
EFOJS
VOB
TFSJF
EF

clases, donde poder agrupar los diferentes clien-
tes. Ejemplo: definida unas variables de entrada
se produce una determinada salida que clasifica 77
al cliente en un grupo o en otro. Por ejemplo, si
Herramientas de Minera de Datos
la edad est entre 20 y 40, est casado y tiene
cuenta de ahorro, entonces contrata hipoteca en
un 78% de posibilidades.
t
1SFEJDDJO
$POTJTUF
FO
JOUFOUBS
DPOPDFS
SF-
sultados futuros a partir de modelizar los da-tos
actuales. Ejemplo: Creamos un modelo de vari-
ables para saber si el cliente compra o no com-
pra. Aplicamos el modelo a un futuro cliente, y ya
podemos predecir si comprar o no.
Herramientas de Minera de Datos
Las herramientas de minera de datos empleadas
en el proceso de extraccin de conocimiento se
pueden clasificar en dos grandes grupos:
t
5DOJDBT
EF
WFSJDBDJO
FO
MBT
RVF
FM
TJTUFNB

se limita a comprobar hiptesis suministrada por
el usuario).
t
.UPEP
EF
EFTDVCSJNJFOUP
FO
MPT
RVF
TF
IBO
EF

encontrar patrones potencialmente interesantes
de forma automtica, incluyendo en este grupo
todas las tcnicas de prediccin.
Exsten algunas herramientas diseadas para ex-
traer conocimientos desde bases de datos que
contienen grandes cantidades de informacin.
Las ms populares de estas herramientas son
SPSS Clementine, Oracle Data Miner y Weka.
Clmentine de SPSS: Clementine se centra en la
integracin de data mining con otros procesos y
sistemas de negocio que ayuden a entregar inteli-
gencia predictiva en un tiempo eficiente durante
las operaciones de negocio diarias. La funcionali-
dad abierta de data mining en bases de datos que
posee Clementine permite que muchos de los pro-
cesos de data mining se realicen en entornos que
de los resultados de data mining. La ltima ver-
sin de Clementine extiende la funcionalidad de
data mining al incluir un conjunto de reglas de
scoring y modelos de rboles de decisin y carga
de resultados de data mining en la base de datos.
Sistema integrado de minera de datos que per-
mite encontrar patrones en la informacin para
facilitar la toma de decisiones a los usuarios. Uti-
lizando Clementine se podr:
t
"DDFEFS
numricos, de texto, datos provenientes de p-
ginas Web y de encuestas.
t
$POTUSVJS
Z
WBMJEBS
NPEFMPT
SQJEBNFOUF
lizando las tcnicas estadsticas y de aprendizaje
automtico disponibles ms avanzadas.
t
*NQMBOUBS
FDJFOUFNFOUF
MPT
NPEFMPT
QSFEJD
78 tivos, en tiempo real o segn una programacin
establecida.
proporciona gran cantidad de herramientas para
la realizacin de tareas propias de minera de da-
t
QBSB
MBT
QFSTPOBT
RVF
UPNBO
EFDJTJPOFT
Z
IBDFO
tos, la visualizacion y permite la programacin
recomendaciones, y para los sistemas que los uti- en JAVA de algoritmos ms sofisticados para
lizan. analisis de datos y modelado predicativo, unidos
t
0CUFOFS
SQJEBNFOUF
VO
NFKPS
3FUPSOP
EF
a una interfaz grafica de ususario para acceder
la Inversin y mejores tiempos de respuesta facilmente a sus funcionalidades. En ella se imple-
aprovechando las caractersticas de rendimiento mentan las tcnicas de clasificacin, asociacin,
y escalabilidad. agrupamiento, y prediccin existentes en la actuali-
t
5SBOTNJUJS
EF
GPSNB
TFHVSB
MPT
EBUPT
DPOEFO- dad. Su sistema operativo es multiplataforma. Los
ciales a las aplicaciones de data mining en los puntos fuertes de Weka son:
casos donde la seguridad es crtica.
t
&TU
EJTQPOJCMF
MJCSFNFOUF
CBKP
MB
MJDFODJB
Q
Esta herramienta permite seleccionar campos o blica general de GNU.
filtrar los datos, permite mostrar propiedades t
&T
NVZ
QPSUBCMF
QPSRVF
FTU
DPNQMFUBNFOUF
JN-
de los datos, encontrar relaciones, ambiente plementado en Java y puede correr en casi cual-
integrado de minera de datos para usuarios fi- quier plataforma.
nales y desarrolladores. Algoritmos mltiples de t
$POUJFOF
VOB
FYUFOTB
DPMFDDJO
EF
UDOJDBT
QBSB

minera de datos y herramientas de visualizacin. reprocesamiento de datos y modelado.
Su compaa es SPSS/Integral Solutions Limited t
&T
GDJM
EF
VUJMJ[BS
QPS
VO
QSJODJQJBOUF
HSBDJBT
B

(ISL). Funciona sobre todas las plataformas hard- su interfaz grafica de usuario.
ware y sistemas operativos, incluyendo Unix, VMS
y Windows NT. Las organizaciones utilizan el con- Weka soporta varias tareas estndar de minera de
ocimiento extrado con Clementine para: datos, especialmente, reprocesamiento de datos,
clustering, clasificacin, regresin, visualizacin,
t
SFUFOFS
B
MPT
DMJFOUFT
SFOUBCMFT
y seleccin. Todas las tcnicas de Weka se fun-
t
JEFOUJDBS
PQPSUVOJEBEFT
EF
WFOUB
DSV[BEB
damentan en la asuncin de que los datos estn
t
EFUFDUBS
GSBVEFT
disponibles en un fichero plano (flan file) o una
t
SFEVDJS
SJFTHPT
Z
NFKPSBS
MB
QSFTUBDJO
EF
TFS relacin, en la que cada registro de datos est
vicios a la administracin, descrito por un nmero fijo de atributos (normal-
t
BMDBO[BS
VO
NBZPS
OJWFM
EF
DPOPDJNJFOUP
EF
TVT
mente numricos o nominales, aunque tambin
clientes online, y por lo tanto, mejorar el diseo se soportan otros tipos). Weka tambin propor-
de sus sitios web. ciona acceso a bases de datos va SQL gracias
a la conexin JDBC (Java Database Connecti-
YALE: Es una herramienta creada en la universi- vity) y puede procesar el resultado devuelto por
dad de Dortmund bastante flexible para el des- una consulta hecha a la base de datos. No puede
cubrimiento del conocimiento y la minera de realizar minera de datos multi-relacional, pero
datos. Puesto que YALE est escrito enteramente existen aplicaciones que pueden convertir una
en Java, funciona en las plataformas o sistemas coleccin de tablas relacionadas de una base de
operativos ms conocidos. Es un software de c- datos en una nica tabla que ya puede ser pro-
digo abierto GNU y con licencia GPL. Reciente- cesada con Weka.
mente fue lanzada la ltima versin, la cual in-
cluye caractersticas como las de implicar nuevos RAMSES: (Sistema de Gestin de Seleccin y
formatos de entrada de datos con operadores para Evaluacin de Anlisis de Riesgo - Risk Analysis
Microsoft Excel y SPSS. Desde la perspectiva de Management Selection & Evaluation System): es
la visualizacin YALE ofrece representaciones de un programa de gestin de riesgos integrado en
datos en dispersin en 2D y 3D; representaciones el sistema de proceso de datos de Bureau Veritas.
de datos en formato SOM (Self Organizing Map); El programa recopila todos los datos correspon-
coordenadas paralelas y grandes posibilidades dientes a las operaciones de comercio interna-
de transformar las vi-sualizaciones de los datos. cional y est interconectado con la aplicacin
de minera de datos Angoss Knowledge Studio.
WEKA: Es de libre distribucin (licencia GPL) y Este software es aceptado como uno de los lderes
destacada por la cantidad de algoritmos que pre- del mercado en minera de datos y cumple las
senta as como por la eficiencia de los mismos, recomendaciones de la Convencin de Kyoto de la
por los generadores de reglas, esta desarrollada OMA (Organizacin Mundial de Aduanas) de 1999
por miembros de la Universidad de Waikato, ella y del Marco de Normas de la OMC (Organizacin
Mundial del Comercio). Es utilizado por orga-
nismos gubernamentales en el mundo entero.
RAMSES ofrece a las autoridades gubernamen-
tales una forma de identificar los embarques de
mayor riesgo, facilitando por otro lado la circu-
lacin y el despacho de las mercancas de menor
riesgo. Interconectado con las bases de datos de
Bureau Veritas, RAMSES proporciona una gestin
automatizada y digna de confianza de los riesgos
inherentes al comercio internacional.
Beneficios:
t
"OBMJ[BS
UPEPT
MPT
EBUPT
EFM
QSPHSBNB
EF
JOT
peccin de importaciones.
t
&WBMVBS
MPT
OJWFMFT
EF
SJFTHP
EF
MBT
EJGFSFOUFT

expediciones de mercancas.
t
'BWPSFDFS
MPT
DPOUSPMFT
NFKPS
PSJFOUBEPT
t
*OEJDBS
MBT
NFEJEBT
B
UPNBS
QBSB
BHJMJ[BS
FM
EFT
pacho aduanero.
t
4F
QVFEF
BQMJDBS
B
EJGFSFOUFT
UJQPT
EF
CBTFT
EF

datos.
t
0QUJNJ[BS
MB
BTJHOBDJO
EF
SFDVSTPT
IVNBOPT

SAS Enterprise Miner: Su compaa es SAS, es
una solucin de minera de datos que permite
incorporar patrones inteligentes a los procesos
de marketing, tanto operativos como estratgi-
cos. El software de SAS, es un sistema de entrega
de informacin que provee acceso transparente
a cualquier fuente de datos, incluyendo archivos
planos, archivos jerrquicos, y los ms impor-
tantes manejadores de bases de datos relaciona-
les. Tambin incluye su propia base de datos de
informacin para almacenar y manejar los datos,
es decir, un "data warehouse". Tambin soporta
los principales protocolos de comunicacin, cu-
bre los cinco modelos de pro-cesamiento cliente/
servidor de acuerdo a Gartner Group y cumple con
las 12 reglas de OLAP. El sistema soporta un am-
plio rango de aplicaciones, destacndose el anli-
sis estadstico, anlisis grfico de datos, anlisis
de datos guiado, mejoramiento de la calidad, di-
seo experimental, administracin de proyectos,
programacin lineal y no lineal, ge-neracin de
reportes y grficas, manipulacin y despliegue de
imgenes, sistemas de informacin geogrfica,
visualizacin multidimensional de datos, aplica-
ciones de multimedia, as como los sistemas de
informacin ejecutiva.
PolyAnalyst de Megaputer. (Bigus, 1996): Es un
sistema de minera de datos premiados de la mul-
tiestrategia para descubrir la forma exacta de rel-
aciones funcionales ocultadas en datos. Adems
de des-cubrir reglas y algoritmos, PolyAnalyst les
presenta explcitamente en el una forma simple
y fcil de entender. En la fundacin de PolyAna-
lyst tiene un lenguaje de programacin interno 79
universal capaz de expresar reglas y algoritmos
Herramientas de Minera de Datos
arbitrarios.
Su compaa es Megaputer lder en negocios y
software inteligentes para web. Ofrece las mejo-
res herramientas para data mining, text mining y
web mining. Plataformas:
t
.JDSPTPGU
8JOEPXT
91/5
t
1BSB
6/*9
Z
-JOVY

t
"EFNT
SFRVJFSF
MB
JOTUBMBDJO
EF
.JDSPTPGU
&YDFM
Otras herramientas de libre distribucin
R: herramienta excelente para el anlisis de datos
basada en el conocido programa estadstico S-
Plus y con un manejo de las mtrices y variables
equivalentes a MATLAB. Es muy til para el anli-
sis estadstico, transformacin y manipulacin de
los datos. Destacar la excelente asesora tcnica
llevada a cabo principalmente por algunos de los
principales profesores e investigadores en es-
tadstica del mundo.
XELOPES: Otra librera de libre distribucin con
cantidad de funciones para minera de datos. Per-
mite la implementacin en JAVA o C++.
SNNS: Aplicacin para el desarrollo, entrenamien-
to y testeo de mltitud de tipos diferentes de
redes neuronales. Muy til para desarrollar cla-
sificadores sofisticados y modelos basados en re-
des neuronales.
XmdvTool, Xgobi, IBM-OpenDX, Visipoint: Otras
herramientas con licencia GPL que tienen dife-
rentes funciones de visualizacin muy tiles para
encontrar patrones ocultos en los datos.
En la Figura se puede apreciar una encuesta he-
cha en el conocido portal sobre Minera de Datos
y gestin del conocimiento, donde se da una idea
de las aplicaciones que ms utilizan los profesio-
nales y las mltiples aplicaciones que existen
en el mercado. Aqu se destacan programas de
familias de aplicaciones estadsticas ejemplo:
SAS(SAS, SAS EnterpriseMiner) o SPSS(SPPS Cle-
mentine, SPSS AnswerTree), estas contrastan con
otras desarrolladas integramente en el campo de
la Minera de Datos ejemplo: CART/MARS, IBM-
I-Miner, Angoss, Megaputer PolyAnalyst, KXEN
estas abarcan principalmente mtodos estadsti-
cos y de visualizacin combinados con algorit-
mos mas propios de Minera de Datos. El grado de
eficiencia de cada herramineta depende de ml-
tiples factores: tipos de algoritmos, funciones de
tratamiento de la informacin, eficiencia de los
algoritmos, generadores de informes, formas de
pasar la informacin. Estas herramientas aportan
mltiples ventajas para los campos de investi-
80 Figura 1. Herramientas de Minera de Datos usadas habitualmente (KDnuggets, 2002).
gacin y docencia en el aprendizaje y desarrollo
de la Minera de Datos, nos han demostrado que
tienen grandes ventajas.
Por qu usar Minera de Datos?
Ahorra grandes cantidades de dinero a una em-
presa y abre nuevas oportunidades de negocios.
Contribuye a la toma de decisiones tcticas y es-
tratgicas.
Proporciona poder de decisin a los usuarios del
negocio, y es capaz de medir las acciones y resul-
tados de una mejor forma.
Genera modelos descriptivos: permite a empre-
sas, explorar y comprender los datos e identificar
patrones, relaciones y dependencias que impac-
tan en los resultados finales.
Genera modelos predictivos: permite que relacio-
nes no descubiertas a travs del proceso de la
Minera de Datos sean expresadas como reglas de
negocio.
Conclusiones
La Minera de Datos se presenta como una tec-
nologa de apoyo para explorar, analizar, com-
prender y aplicar el conocimiento obtenido
usando grandes volmenes de datos y descubrir
patrones que ayuden a la identificacin de estruc-
turas en los datos.
Los productos a comercializar son costosos y re-
quieren de mucha experiencia para su utilizacin.
Es muy fcil hallar patrones equvocos o no in-
teresantes.
La aplicacin de estas herramientas ayuda en el
proceso de toma de decisin de las organizacio-
nes.
Referencias
Berry, M.J. y G. Linoff, Data Mining Techniques For
Marketing, Sales and Customer Support. 1997.
Bigus, JP. Data Mining with Neural Networks"
1996. Disponible en: http://www.
megaputer.com
Delve Projects. Data for Evaluating Learning in
Valid Experiments. Disponible en: http://
www.cs.utoronto.ca/~delve/index.html
Hand, D., H. Mannila, and P. Smyth, Principles of
Data Mining. London: The MIT Press., 2001.
Gonzalez, P.P., Desarrollo de tecnicas de mineria de
datos en procesos industriales: Modelizacion
en lineas de produccion de acero. Julio de
2006: Universidad de la Rioja.
KDnuggets. Data mining tools you regularly
use. junio 2002 . Disponible en: http://
www.kdnuggets.com/polls/2002/data_
mining_tools.htm
Machine Learning Group at University of Waikato
Data Mining Software in Java. Disponible
en:http://www.cs.waikato.ac.nz/ml/
weka/
Piatetsky-Shapiro, G. y W. J Frawley. Knowledge
Discovery in Databases". AAAI/MIT Press,
1991.
Siebes, A., Data Mining and Statistics. 2000.
Thuraisingham, B. Data Mining. Technologies, Techniques,
Tools and Trends CRC Press LLC, 1999.
Wang, X.Z., Data Mining and Knowledge Discovery
For Process Monitoring and Control. 1999,
London: Ed. Springer.
Witten, I.H. y E. Frank, Data Mining. Practical
Machine Lerning Tools and Techniques
with Java Implementations. 2000: San
Francisco, California.