El resultado del problema de los n-cuerpos, más allá de la interactividad de esos 3 cuerpos sometidos a la gravedad, se convierte en el caos y es casi siempre imposible predecir con precisión sus movimientos, sobre todo si los cuerpos tienen una composición diferente. Si exageneramos esta analogía, el Big Data ( o al menos la definición que casi todos manejamos sobre el) supone un problema similar al de los n-cuerpos, pero con DATOS.

El entorno financiero actual, la inestabilidad económica y un mercado global poco robusto han dado lugar a cambios importantes en el manejo del Riesgo. Han surgido en estos años diferentes marcos de regulación como Basilea II en el entorno bancario.

En este artículo nos vamos a centrar en el acuerdo de capitales alcanzado para entidades aseguradoras: Solvencia II.

En el IBM Cognos Performance de Barcelona se presentaron las novedades que incorpora IBM Cognos 10, la última versión de la suite de Business Intelligence de IBM.

El evento tenía como hilo principal la presentación de esta nueva versión de IBM Cognos, aunque también incluía sesiones de caracter más amplio, con temáticas como la Gestión del Rendimiento Corporativo, el análisis 'What-if' y otras soluciones propias del àrea financiera, Business Insight y Analítica predictica, y casos de estudio. Para más detalles consultar la agenda del evento.. 

Pervasive Business Intelligence se podría traducir como Business Intelligence Omnipresente, al menos a nivel de empresa. Se trata de hacer que el sistema de BI llegue a todos los niveles de la organización, en el momento oportuno, y con la información necesaria para cada uno. Puede abarcar incluso la integración con otros sistemas, normalmente operacionales, y también contemplar capacidades de interacción, no sólo de acceso a la información...

Con las nuevas funcionalidades que incorpora Access 2007, es posible conseguir algunos resultados similares a los que nos daría una herramienta de Business Intelligence.
Si no tenemos demasiados datos o nuestros requerimientos no son muy exigentes puede que ya tengamos suficiente con una herramienta que nos permita organizar nuestra información, filtrarla, sumarizarla, acceder a ella desde diferentes puntos de vista y realizar algunos gráficos con los resultados...

En estas diapositivas se presenta el caso de estudio BIEN, sobre un banco que se plantea la necesidad de un mayor conocimiento de sus clientes para poder definir adecuadamente sus estrategias de negocio.
Gracias a la utilización de herramientas de Business Intelligence, en concreto de Data Warehouse y Data Mining, y a la definición de unos claros objetivos de negocio, este banco pudo analizar el comportamiento de sus clientes, segmentarlos, tomar decisiones estratégicas en función de este comportamiento, realizar predicciones y analizar los resultados de la aplicación de estas decisiones, valorando así el retorno de la inversión...

En la publicación electrónica MCData.ti se puede encontrar una clasificación bastante completa de diferentes herramientas relacionadas con el business intelligence y la gestión de datos.
Esta es la descripción que se realiza de las herramientas de Minería de datos

Empresa: Computer Associates
Producto: CleverPath Predictive Analysis Server
Descripción: Solución que puede analizar y extraer conocimiento crítico a partir de los datos, descubriendo los factores significativos, causas y cambios que influencian en el éxito del negocio. Posteriormente, los utiliza para aplicar inteligencia en tiempo real en las aplicaciones e-business para adaptar y ofrecer servicios personalizados a clients, proveedores, partners y empleados.

Empresa: MicroStrategy
Producto: MicroStrategy Desktop
Descripción: Software corporativo que ofrece funciones de consulta y generación de informes, análisis y workflow de soporte para la toma de decisiones. También incluye amplias capacidades de análisis online de los datos corporativos.

Empresa: MIS
Producto: MIS Delta Miner

En el artículo Data Mining: Torturando a los datos hasta que confiesen Luis Carlos Molina proporciona una visión muy clarificadora sobre la minería de datos, incluyendo interesantes ejemplos de aplicaciones de la misma.

Incluyo el resumen del artículo y el índice, extraídos de la misma publicación:

Resumen: El título de este artículo es una explicación informal de la actividad que realiza una tecnología denominada data mining (minería de datos). Lo que se pretende con esta tecnología es descubrir conocimiento oculto a partir de grandes volúmenes de datos. Desde la década pasada, debido a los grandes avances computacionales, se ha ido incorporando a las organizaciones para constituirse en un apoyo esencial al momento de tomar decisiones. Organizaciones tales como empresas, clubes profesionales deportivos, universidades y gobiernos, entre otros, hacen uso de esta tecnología como ayuda en la toma de sus decisiones. Algunos de estos ejemplos serán citados en el presente trabajo.

SUMARIO
1. Introducción
2. Data mining: conceptos e historia
3. Aplicaciones de uso
3.1. En el gobierno
3.2. En la empresa
3.3. En la universidad
3.4. En investigaciones espaciales
3.5. En los clubes deportivos
4. Extensiones del data mining
4.1. Web mining
4.2. Text mining
5. Conclusiones

La minería de datos, o data mining, es el proceso no trivial de descubrir patrones válidos, nuevos, potencialmente útiles y comprensibles dentro de un conjunto de datos, según la definición de Piatetsky-Shapiro publicada en la revista "AI Magazine".

Para simplificarlo, podríamos decir que la minería de datos trata de extraer conocimiento a partir de los datos.

Mediante una serie de procesos aplicados en diferentes fases sobre los datos en bruto, y definidos por un experto que conozca el significado de estos datos, y tenga claros los objetivos que persigue, se pueden extraer relaciones entre estos datos, descubrir patrones ocultos y construir modelos que describan este conocimiento.

Las fases por las que debería pasar este proceso de descubrimiento de conocimiento son las siguientes:

- Definición de la tarea de minería de datos. ¿Qué objetivos se persiguen?

- Selección de los datos

- Preparación de los datos

- Aplicación de procesos de minería de datos sobre los datos preparados