Tendencias de la Minería de Datos

Como  ya se ha visto, la minería de datos y todo el conjunto de técnicas implícitas en esta, engloban un conjunto de soluciones para la extracción de conocimiento implícito en las bases de datos, con el pasar del tiempo y la evolución y modernización de los procesos de información, esta ha sufrido una serie de adaptaciones con el fin de crecer paralelamente con todas las demás disciplinas en donde esta se aplica, así mismo  la aplicación de esta se ha visto aprovechada cada vez en más áreas, ampliando así los  campos en donde esta es aplicada.

Con la presente investigación se pretende  ampliar de manera breve el panorama sobre las tendencias actuales sobre el uso o aplicación de la minería de datos, en numerosos y novedosos campos además del impacto o aporte que estas brindan en su accionar, además de la evolución de estas a partir de la necesidad de ser aplicada en diversos campos.

      Nuevas Tendencias

La minería de datos con el pasar del tiempo y conforme a los cambios tecnológicos ha sufrido para bien una serie de cambios notables, en donde se ha buscado ajustar las distintas técnicas hacia las nuevas estrategias de mercado, como los modelos de compra en línea además de diversos usos y aplicaciones enfocados hacia el desarrollo de la web. De aquí ha surgido una gran importancia sobre la aplicación de la MD en datos no estructurados, como texto, páginas de internet, etc.

Por otro lado se ha puesto en evidencia la necesidad de, mejorar los tiempos de respuesta en la búsqueda de información o explotación de la MD, además de la exigencia de procesos que funcionen prácticamente en línea, por ejemplo detección de fraude por medio de dispositivos electrónicos o tarjetas de crédito. 

Dentro de estas tendencias, también se destaca el uso de la MD en nuevas disciplinas  y en algunos casos se han mejorado o explotado nuevos algoritmos, para mejorar su uso en campos de acción ya existentes, se pueden citar y describir brevemente algunas de las siguientes.

      Aplicación en sistemas Web.

Se han implementados diversas metodologías de MD para su uso sobre páginas web y este en la actualidad es uno de los campos más explorados, ya que con la unificación de servicios por medio de la web, se hace más fuerte la necesidad de implementar medios de explotación de datos más eficientes y que puedan lograr mejores resultados para el desarrollo de la misma, un ejemplo muy claro ligado a la educación, es la aplicación de la MD en Sistemas E-learning, con el fin de   obtener reglas predictivas que permitan hacer mejoras a los cursos que mediante este tipo de sistemas se imparten.

Una implementación muy simple y común se puede encontrar en los navegadores web, en donde se incluyen métodos bayesianos de aprendizaje automático, principalmente utilizados para detección de correo no deseado y el análisis de correo electrónico.

      Aplicación a procesos sociales.

Este es otro novedoso campo dentro de las tendencias de aplicación de la MD, en donde se utilizan técnicas de estadística clásica y técnicas de inteligencia artificial, para buscar patrones dentro de la información almacenada por los sistemas de información de procesos sociales (Prospección de datos) y se implementan por Ejemplo: en casos como el estudio de la incapacidad permanente y estudios para la prevención de Violencia de Género realizados por el grupo de “Investigación y Aplicaciones en IA de la Universidad de Málaga, España” con este estudio se pretende obtener información útil para valorar la situación social de una persona y desarrollar sistemas de ayuda a la valoración de dichas situaciones.

Este tipo de implementaciones de la MD ayudan a dar una mejora en la implementación de los procesos sociales.

      MD para Asociación en Contextos Semánticos.

En este tipo de implementación se trabaja con minería de textos, sobre documentos no estructurados, con la finalidad de obtener conocimiento semántico de coherencia. La idea es encontrar asociaciones y patrones secuenciales, que a su vez son aprendidos por una red neuronal, que luego encontrara asociaciones entre patrones del mismo concepto de manera más automatizada.

     Análisis de Datos Sensoriales con MD.

Esta es una implementación enfocada a la industria alimenticia, en donde se aplican técnicas de regresión, con la finalidad de relacionar descripciones sensoriales humanas con las preferencias de los consumidores para determinar cuáles son las mejores decisiones a la hora poner en marcha   la producción de un producto específico, todo esto con el objetivo de acaparar un mejor mercado de consumidores.

     Aplicación en Inteligencia de negocios (Business Intelligence).

En este campo se han mejorado las técnicas de aplicación para el desarrollo de los mismos, se han hecho implementaciones de redes neuronales para la predicción de ventas basadas en tendencias anteriores, asociaciones para detección de patrones de consumo de un artículo o servicio, además de clasificación para encontrar en una selección de afiliados a los clientes potencialmente más destacados, determinar el impacto de un artículo sobre un determinado mercado, todo este tipo de aplicaciones tienen como finalidad mejorar mediante los resultados obtenidos, la toma de decisiones. Llegar a un mejor entendimiento del negocio, sacando el máximo provecho de los datos existentes.

      Reconocimiento de Imágenes en huellas dactilares con MD.

Se han realizado implementaciones de MD para el reconocimiento de huellas dactilares, mediante clasificación, en donde por medio de  los patrones de la huella se permite clasificarla y asignarla a un conjunto o clase, que se traduce en una sección de la base de datos a ser revisada, por último la correspondencia entre huellas se basa en encontrar la similitud entre dos patrones de características cuyos componentes están representados por los puntos que caracterizan a cada huella.

Su aplicación más común ha sido la criminalística,  en donde se intenta localizar un sujeto realizando una búsqueda comparativa de los patrones de una muestra, y los patrones de la información contenida en las bases de datos, sin embargo el uso de esta aplicación se ha extendido y en la actualidad también se utilizan para el acceso a los sistemas de información, así mismo para el acceso a sitios físicos dentro de las empresas en donde el acceso de personal es restringido, todo esto está basado en que las huellas dactilares del ser humano son un identificador único, de modo que puede ser utilizado como un tipo de cedula de Identidad.  

     MD en la Medicina.

Este es uno de los campos en donde se le ha dado mucha importancia al uso de la MD, se implementa principalmente para la generación de hipótesis científicas, todo esto basado en historiales clínicos y médicos, un ejemplo muy claro detección de patrones en imágenes médicas, en donde se pueden entrenar sistemas capaces de detectar anomalías, de modo que se puede entrenar un sistema que sea capaz de detectar las imágenes similares a un tumor en una radiografía.

Adicionalmente existen muchas implementaciones para el área de la medicina como la biomedicina, análisis de investigación científica como los estudios del Genoma, en donde los datos son utilizados para extraer información sobre expresión genética, además del uso de MD para el diagnóstico de accidentes cerebro-vasculares en donde se han desarrollado sistemas para dar soporte a él diagnóstico de las causas de accidentes,  también el uso en el control de la distribución de fármacos, como el implantado en cuba (Debesa F, Jiménez G, Pérez J, Ávila J. La estrategia de Fármaco-epidemiología en Cuba) en donde se implementó un sistema de redes neuronales para la implementación en la fármaco-vigilancia, este sistema se implementó a nivel nacional.

      

Conclusiones

Sin lugar a duda las nuevas   tendencias de implementación de la Minería de datos van de la mano con la implementación de sistemas de información en distintas áreas.

De modo que la tendencia de la minería de datos se está desarrollando casi que en cualquier ámbito en donde los sistemas de  generen información que  pueda ser guardada en cualquier tipo de repositorio de datos, o archivos de texto digitales.

También se puede evidenciar que existen diversas implementaciones de las técnicas de minería de datos para cualquier tarea o problema que se plantee, sin embargo es muy evidente que aún falta camino por recorrer en cuanto al desarrollo de este tema, porque como se ha visto, su aplicación en los campos de hoy en día va más allá de simplemente analizar procesos de producción que fue en donde se dieron los inicios de tan potente proceso, y se está proyectando en nuevos campos en donde espera que se pueda desarrollar, para su aprovechamiento.

Es importante destacar la relevancia que se le da hoy en día a la MD, ya que como hemos visto se ha implementado en numerosos campos de ciencia y tecnología, se utiliza para la aplicación de procesos médicos para detección de enfermedades, investigaciones médicas, así como científicas, estudios de mercados, aplicaciones de estudios de comportamientos socioculturales  y un sin número de usos que denotan su gran importancia.

Sin lugar a Duda aunque hay mucho camino por recorrer las tendencias futuras apunta a mejorar las herramientas que actualmente existen para la aplicación de esta, a mejorar y desarrollar nuevos algoritmos para abarcar nuevos campos, a mejorar   en cuanto a escalabilidad se refiere y sin lugar a duda a convertirse en una poderosa herramienta que brinde muchas soluciones a muchos problemas en donde se requiera aplicar.

Ing. Luis Córdoba Fallas