Tarea 5.5.-"Aplicaciones de la minería de datos"

Cuando se habla de minería de datos, aplicaciones, herramientas y soluciones trabajan de forma conjunta para lograr un objetivo común: garantizar la calidad de los datos. Se busca llegar a un nivel que aporte fiabilidad a la toma de decisiones, asegurando que con ellos se crea un conocimiento sólido, íntegro y completo.

Dentro del campo de la minería de datos, las aplicaciones más extendidas son las siguientes:

1. Análisis de datos financieros: se emplea tanto en el sector bancario como en el de las finanzas. Se busca proveer datos que aseguren que es posible practicar análisis sistemáticos en condiciones avanzadas y con garantías de fiabilidad. Algunos ejemplos son:

Diseño y construcción de almacenes de datos para el análisis multidimensional de datos.

- Predicción de pago de préstamos y análisis de políticas de crédito de cliente.

Clasificación y el agrupamiento de los clientes para la creación de ofertas personalizadas.

Detección de blanqueamiento de dinero y otros delitos financieros.

Tarea 5.4"Arquitecturas de la minería de datos"

Arquitectura logica 

La minería de datos es un proceso que implica la interacción de varios componentes.

Puede tener acceso a orígenes de datos en una base de datos de SQL Server o cualquier otro origen de datos y usarlos para el entrenamiento, las pruebas o la predicción.

Defina las estructuras y los modelos utilizando SQL Server Data Tools (SSDT) o Visual Studio.

Administre los objetos de minería de datos y cree predicciones y consultas mediante SQL Server Management Studio.

Cuando la solución esté completa, puede implementarla en una instancia de Analysis Services.

El proceso de creación de estos objetos de la solución se ha descrito previamente en otro lugar.Para obtener más información, vea Soluciones de minería de datos.

En las secciones siguientes se describe la arquitectura lógica de los objetos de una solución de minería de datos.

Arquitectura fisica

MicrosoftAnalysis Services usa tanto componentes de servidor como de cliente para proporcionar la funcionalidad de minería de datos en las aplicaciones Business Intelligence:

El componente de servidor se implementa como servicio de Microsoft Windows. Puede tener varias instancias en el mismo equipo, con cada instancia de Analysis Services implementada como instancia independiente del servicio de Windows.

Los clientes se comunican con Analysis Services mediante el estándar público XML for Analysis (XMLA), protocolo basado en SOAP para emitir comandos y recibir respuestas, que se expone como servicio web. Además, se proporcionan modelos de objetos de cliente en XMLA, a los que se puede obtener acceso mediante un proveedor administrado, como ADOMD.NET, o un proveedor OLE DB nativo.

Los comandos de consulta se pueden emitir mediante Extensiones de minería de datos (DMX), un lenguaje de consulta estándar del sector orientado hacia la minería de datos. También se puede usar el lenguaje de script de Analysis Services (ASSL) para administrar objetos de base de datos de Analysis Services.

Tarea 5.3.-"Minería de datos"

Cuando se habla de minería de datos, aplicaciones, herramientas y soluciones trabajan de forma conjunta para lograr un objetivo común: garantizar la calidad de los datos. Se busca llegar a un nivel que aporte fiabilidad a la toma de decisiones, asegurando que con ellos se crea un conocimiento sólido, íntegro y completo.
Dentro del campo de la minería de datos, las aplicaciones más extendidas son las siguientes:


Diseño y construcción de almacenes de datos para el análisis multidimensional de datos.

Detección de blanqueamiento de dinero y otros delitos financieros.

Tarea 5.2.-"Almacenes de Datos"

Es una colección de datos orientada a un determinado ámbito , integrado, no volátil y variable en el tiempo, que ayuda a la toma de decisiones en la entidad en la que se utiliza. Se trata, sobre todo, de un expediente completo de una organización, más allá de la información transaccional y operacional, almacenado en una base de datos diseñada para favorecer el análisis y la divulgación eficiente de datos ). El almacenamiento de los datos no debe usarse con datos de uso actual. Los almacenes de datos contienen a menudo grandes cantidades de información que se subdividen a veces en unidades lógicas más pequeñas dependiendo del subsistema de la entidad del que procedan o para el que sean necesario.

Tarea 5.1.-"DataWorkFlow"

Un flujo de trabajo consiste en un patrón orquestada y repetible de la actividad empresarial habilitada por la organización sistemática de los recursos en los procesos que transforman los materiales, prestación de servicios, o información del proceso. Se puede describirse como una secuencia de operaciones, declarada como el trabajo de un persona o grupo, una organización de personal, o uno o más mecanismos simples o complejos.

Desde una perspectiva de alto nivel más abstracto o, flujo de trabajo puede ser considerado un punto de vista o la representación del trabajo real. El flujo que se está describiendo puede referirse a un documento , un servicio o producto que está siendo transferido de una etapa a otra.