• Negocios                       (En lugar de contactar con cada cliente solo contacta los que tienen mas probabilidades de responder positivamente a la oferta o promoción).

• Habitos de compra en supermercados                              (El supermercado pudo incrementar sus ventas de cervezas colocandolas junto a los pañales)

• Patrones de Fuga                (clientes de mayor o menor fuga)

• Comportamiento en Internet                         (analisis del comportamiento de los visitantes)

1.- Redes Neuronales Inspirado en la forma en trabaja el sistema nervioso, se trata de unsitema de interconexion de neuronas en una red que colabora para producir un estimulo de salida.

2.- Arbol de Decision Utiliza el ambito de I.A , se construyen diagramas de construcción logica que sirven para representar y categorizar una serie de condiciones que suceden de forma consecutiva.

3.-Modelos Estadisticos es una igualdad o una ecuación que se emplea en todos los diseños experimentales

Como ya se ha comentado, las técnicas de la minería de datos provienen de la I.A y de la eestadistica, dichas técnicas, no son más que algoritmos, más o menos sofisticados que se aplican sobre un conjunto de datos para obtener unos resultados.

Se aplicaba sobre información contenida en almacenes de datos y construye el modelo predictivo, de clasificación o segmentación.  La minería de datos hace uso de todas las técnicas que puedan aportar información útil, desde un sencillo análisis gráfico, pasando por métodos estadísticos más o menos complejos, complementados con métodos y algoritmos del campo de la inteligencia artificial y el aprendizaje automático que resuelven problemas típicos de agrupamiento automático, clasificación, predicción de valores, detección de patrones, asociación de atributos, etc. Es, por tanto, un campo multidisciplinar que cubre numerosas áreas y se aborda desde múltiples puntos de vista, como la estadística, la informática (cálculo automático) o la ingeniería.

1.-Selección del conjunto de datos

2.-Análisis de las propiedades de los datos

3.-Transformación del conjunto de datos de entrada, técnica de minería de datos que mejor se adapte a los datos y al problema

4.-Seleccionar y aplicar la técnica de minería de datos

5.-Evaluar los resultados

Sus inicios se encuentran ampliamente relacionados con la INTELIGENCIA ARTIFICIAL, y en el analisis estadistico.

Mediante los modelos extraídos utilizando técnicas de minería de datos se aborda la solución a problemas de predicción, clasificación y segmentación

Prepara, Sondea y Explora …….  los datos para sacar la información oculta en ellos.