En la publicació electrònica MCData.ti es pot trobar una classificació bastant completa de diferents eines relacionades amb el business intelligence i la gestió de dades.
Aquesta és la descripció que es realitza de les eines de Mineria de dades
Empresa: Computer Associates
Producte: CleverPath Predictive Analysis Server
Descripció: Solució que pot analitzar i extreure coneixement crític a partir de les dades, descobrint els factors significatius, causes i canvis que influenxien en l'èxit del negoci. Posteriorment, els utilitza per aplicar intel·ligència en temps real en les aplicacions e-business per adaptar i oferir serveis personalitzats a clients, proveïdors, partners i empleats.
Empresa: MicroStrategy
Producte: MicroStrategy Desktop
Descripció:Sofware corporatiu que ofereix funcions de consulta i generació d'informes, anàlisis i workflow de suport per la presa de decisions. També inclou àmplies capacitats d'anàlisi online de les dades corporatives.
En l'article Data Mining: Data Mining: Torturant a les dades fins que confessin Luis Carlos Molina proporciona una visió molt clarificadora sobre la mineria de dades, incloent interessants exemples d'aplicacions de la mateixa.
Incloc el resum de l'article i l'índex, extrets de la mateixa publicació:
Resum
El títol d'aquest article és una explicació informal de l'activitat que realitza una tecnologia denominada data mining (mineria de dades). El que es pretén amb aquesta tecnologia és descobrir coneixement ocult a partir de grans volums de dades. Des de la dècada passada, a causa de els grans avanços computacionals, s'ha anat incorporant a les organitzacions per a constituir-se en un suport essencial al moment de prendre decisions. Organitzacions tals com empreses, clubs professionals esportius, universitats i governs, entre uns altres, fan ús d'aquesta tecnologia com ajuda en la presa de les seves decisions. Alguns d'aquests exemples seran citats en el present treball.
SUMARI
1. Introducció
2. Data mining: conceptes i història
3. Aplicacions d'ús
3.1. En el govern
La mineria de dades, o data mining, és el procés no trivial de descobrir patrons vàlids, nous, potencialment útils i comprensibles dintre d'un conjunt de dades, segons la definició de Piatetsky-Shapiro publicada en la revista "AI Magazine". Per a simplificar-lo, podríem dir que la mineria de dades tracta d'extreure coneixement a partir de les dades. Mitjançant una sèrie de processos aplicats en diferents fases sobre les dades brutes, i definits per un expert que conegui el significat d'aquestes dades, i tingui clars els objectius que persegueix, es poden extreure relacions entre aquestes dades, descobrir patrons ocults i construir models que descriguin aquest coneixement. Les fases per les quals hauria de passar aquest procés de descobriment de coneixement són les següents: - Definició de la tasca de mineria de dades. Quins objectius es persegueixen?
En el post del nostre fòum CRISP-DM Traducció a l'espanyol Daniel Alejandro adjunta un document amb una traducció en castellà de la metodologia de CRISP-DM per al desenvolupament de models de mineria de dades. El contingut del mateix ens sembla tan interesant per a la comunitat que ho publiquem en forma de manual online per fer-ho més accessible a tots els membres. Es pot consultar seguint el link Metodologia CRISP-DM 1.0 Adjuntem també el document original en anglès a partir del qual Daniel ha realtzat la traducció.
En aquestes diapositives es presenta el cas d'estudi d'un banc que es planteja la necessitat de conèixer millor els seus clients per poder definir adequadament les seves estratègies de negoci. Gràcies a la utilització d'eines de Business Intelligence, en concret de Data Warehouse i Data Mining, i a la definició d'uns clars objectius de negoci, aquest banc va poder analitzar la conducta dels seus clients, segmentar-los, prendre decisions estratègiques d'acord amb aquesta conducta, realitzar prediccions i analitzar els resultats de l'aplicació d'aquestes decisions, valorant així el retorn de la inversió. La presentació està estructurada en els següents apartats: