Data Mining. Otra forma de denominar al Análisis de Datos.

Data Mining, o minería de datos, es un concepto que aparació por primera vez en 1980 y se define como el proceso de descubrir patrones, tendencias y relaciones significativas en grandes conjuntos de datos mediante técnicas estadísticas, matemáticas y de aprendizaje automático. Patrones que no son visibles a simple vista por el ojo y la mente humana y que permiten descubrir relaciones que de otro modo quedarían ocultas.

En el año 2000 este concepto evolucionó a raíz de un articulo “Data Science: An Action Plan for Expanding the Technical Areas of the Field of Statistics” en el que apareció el nuevo concepto de Ciencia de Datos. Ambos términos son intercambiables y en el lenguaje habitual Data Mining ha ido perdiendo fuerza y se habla de Data Science. 

El proceso de Data Mining/ Data Science tiene las siguientes etapas:

1. Recopilación y Preparación de Datos: Implica la recolección de datos de diversas fuentes y su limpieza para asegurar calidad y consistencia.
2. Selección de Datos: Determinar los datos relevantes para cada análisis en concreto.
3. Transformación de Datos: Convertir los datos en un formato adecuado para el análisis. Esta etapa incluye EDA (Exploratory Data Analytics) y FE (Feature Engineering).
4. Modelado: Aplicar algoritmos de machine learning, como árboles de decisión, redes neuronales y algoritmos de clustering, para identificar patrones y relaciones.
5. Evaluación y Validación: Verificar la precisión y validez de los modelos creados y de los resultados obtenidos.
6. Interpretación y Presentación: Traducir los resultados en información comprensible y útil para la toma de decisiones.

Este proceso general de análisis de datos está soportado por tres disciplinas y tres lenguaje de programación. En toda actividad de análisis de datos se utilizan constantemente conceptos y herramientas de estas tres disciplinas: Estadística, cálculo de probabilidades y algebra lineal. La aplicación de las mismas se hace a través de tres lenguaje sde programación (SQL, Python o R) y el uso de sus bibliotecas.