FRACTALTECConsultora Investigacin Desarrollo en DATA MINING

1
FRACTALTEC Consultoría Investigación
Desarrollo en DATA MINING
Agenda
Aspectos Generales de la Minería de Datos1. Qué
es el Data Mining?2. Técnicas 3. Aplicaciones
4. Data Mining como Inteligencia de
NegociosCasos de Éxito aplicados en distintas
Industrias5. Patrones en los Mercados
Bursátiles6. Modelos de detección de Fraudes 7.
Algunos casos expuestos en las Jornadas
Argentinas de Data Mining.8. Conclusiones.Acerc
a de FractalTec 9. Equipo 10. Consultoría11.
Desarrollo12. Investigación 13. Contacto
2
FRACTALTEC Consultoría Investigación
Desarrollo en DATA MINING
1. Qué es el Data Mining
TEORÍAGrandes empresas tienen valiosa
información oculta y almacenada en sus bases de
datos proveniente de la acumulación de info a lo
largo de su historia.

CERTEZAS Esos datos no pueden ser extraídos por
métodos informáticos convencionales ni por
técnicas estadísticas tradicionales. Se
requiere de algoritmos y técnicas más complejas
provenientes del área de la Inteligencia
Artificial y la Matemática Compleja, como ser
Redes Neuronales, Árboles de Decisión, Regresión
Logística, Algoritmos Genéticos y Análisis
Fractal.
VALOR Su valor radica, en que el descubrimiento
de dichos patrones puede convertirse en el activo
más importante para una empresa a la hora de toma
de decisiones en sus negocios. Conociendo de esta
manera con más detalle a sus clientes, la
dinámica de sus productos en el mercado,
realizando modelos eficientes de predicción y
determinando la influencia de las variables
involucradas.
SEGÚN EL MITPara el Massachusetts Institute
Technology, el Data Mining es una de las diez
tecnologías emergentes que cambiará al Mundo.
3
FRACTALTEC Consultoría Investigación
Desarrollo en DATA MINING
1. Qué es el Data Mining

DEFINICIÓN La Minería de Datos, es un conjunto
de técnicas provenientes de la Inteligencia
Artificial y la Matemática Compleja, cuya
finalidad, en el ambiente empresarial, es la de
encontrar en grandes bases de datos patrones
ocultos, no triviales e imposibles de detectar
mediante otros mecanismos estadísticos para
luego extraer dicha información, la cual puede
convertirse en el activo más importante de una
empresa a la hora de toma de decisiones y encarar
futuras estrategias de negocios.
4
FRACTALTEC Consultoría Investigación
Desarrollo en DATA MINING
2. Técnicas A. Redes Neuronales
Características - Sistema Artificial que emula
el funcionamiento del cerebro humano.- Son
capaces de aprender mediante diferentes
algoritmos de entrenamiento. - Existen diferentes
tipos de Redes Neuronales Artificiales. Su
utilización y entrenamiento depende del problema
que estén encomendadas a resolver. - Son
flexibles y resistentes a errores. - Pueden
procesarse en tiempo real.- Sus principales usos
se dan en el reconocimiento de patrones y en los
modelos de predicción.- Son aplicables por
ejemplo en el Mercado Bursátil, en los sistemas
OCR, en la Segmentación de Clientes, en
predicciones de Demanda y especialmente en
Detección de Fraudes y Riesgos.

Neurona Humana
Neurona Artificial
Red Neuronal Artificial
5
FRACTALTEC Consultoría Investigación
Desarrollo en DATA MINING
2. Técnicas B. Árboles de Decisión

• Características
• Sistema de Predicción basado en reglas.- Llevan
  a cabo tests complejos que se ramifican hasta
  llegar al resultado óptimo.- Reflejan las
  consecuencias de las decisiones tomadas a partir
  de los resultados obtenidos.- Su aplicación
  fundamental se da en grandes tiendas de
  supermercados o retail y en campañas dirigidas de
  Marketing. Analizando las bases de datos de una
  de estas industrias se puede segmentar a la
  perfección a que tipo de clientes se les va a
  ofrecer un nuevo producto.
• EJEMPLO
• Una empresa líder en electrodomésticos decide
  hacer una campaña para ofrecer un nuevo producto,
  un reproductor de música portátil de gran
  capacidad y con un precio accesible. Dicha
  empresa posee una gran base de datos con todas
  las ventas realizadas a lo largo de 15 años de
  historia.
• Se desea explorar esta base para encontrar
  patrones y así segmentar a sus clientes y
  realizar una campaña de marketing dirigida.
• A continuación la solución al problema

6
FRACTALTEC Consultoría Investigación
Desarrollo en DATA MINING
2. Técnicas B. Árboles de Decisión
NotasEl árbol puede ramificarse mucho más aún y
poseer un mayor número de variables.En este
caso, el responsable de la campaña de Marketing,
tiene buenas herramientas para optar por dirigir
su campaña a personas entre 18 y 27 años de clase
media, y a empleados de entre 28 y 38 años.

Solución al problema anteriorSe plantea un
árbol de decisión, el cual determina de manera
inteligente (es parte del algoritmo) que la
variable fundamental a considerar es la edad. A
partir de allí se comienza a ramificar el árbol.
La edad se divide en tres rangos. La segunda
variable de mayor peso es el Nivel Socio
Económico de la persona y su profesión. El
árbol, mostrará en cada una de sus ramas un
número entre 0 y 1 que indica la probabilidad de
que una persona en dicho segmento compre el
producto que se está ofreciendo. De esta manera,
se convierte en una herramienta fundamental en la
toma de decisiones para encarar una campaña de
marketing eficiente. La potencia de un algoritmo
de AD radica en su capacidad de ordenar y
segmentar las variables de mayor a menor. Aquí
los resultados en este análisis.
EDAD
gt 38
28-38
18-27
P0,65
P0,61
NSE ALTO
NSE MED
NSE BAJO
Profesional
Tecnico/Analista
NSE ALTO
NSE MED
NSE BAJO
Emplado
Estudiante
P0,81
P0,51
P0,42
P0,29
P0,37
P0,12
P0,76
P0,67
7
FRACTALTEC Consultoría Investigación
Desarrollo en DATA MINING
2. Técnicas C. Regresión Logística

• Características
• Poderosa herramienta estadística, que en un
  análisis de Data Mining se conecta a bases de
  datos para encontrar patrones de dependencia de
  variables.- Sus principales aplicaciones se dan
  en los modelos de scoringBancos Utilizan el
  modelo de scoring para el análisis de riesgo a la
  hora de otorgar un crédito.Seguros Utilizan el
  modelo de scoring para clasificar clientes y
  diferenciar el valor de una póliza dependiendo
  probabilísticamente de los riesgos de cada una de
  las personas analizadas.
• En estas dos industrias, el análisis de Data
  Mining para los modelos de puntaje o scoring, se
  ha convertido en una herramienta de uso crítico.

8
FRACTALTEC Consultoría Investigación
Desarrollo en DATA MINING
2. Técnicas D. Análisis Fractal

• Características
• Los Fractales son elementos matemáticos que
  poseen dos propiedades básicas Una dimensión
  fractal Autosimilitud a diferentes
  escalas.El Análisis Fractal se aplica hoy en
  día en varios sectores científicos y de negocios.
  En el análisis bursátil, en los estudios de
  series de tiempo complejas, en la medición y
  dinámica del tráfico de redes, en Medicina en EEG
  y ECG, en la compresión de imágenes y en
  detección de fraudes.Sus características de
  poseer una dimensión no entera o fraccionaria, y
  el de ser autosimilares, hace que se pueda
  modelar y describir con mayor realismo un sistema
  natural, financiero o social y por sobre todo,
  es una excelente técnica para crear modelos de
  predicción.En FractalTec nos especializamos en
  este tipo de análisis.

9
FRACTALTEC Consultoría Investigación
Desarrollo en DATA MINING
3. Aplicaciones
Si bien un estudio o análisis de Data Mining es
aplicable a cualquier empresa con grandes o
medianas bases de datos, se destaca en los
siguientes rubros A. Aplicaciones con éxito en
el campo de la empresa y los negocios-
Análisis de Riesgo (Bancos, Empresas Financieras,
Seguros)- Detección de Fraudes (Bancos, Empresas
Financieras, Seguros, Telecomunicaciones)-
Segmentación de Clientes (Diferentes industrias a
la hora de encarar campañas de Marketing)-
Investigación Pura (Laboratorios, Empresas de
Tecnología Médica, Sociología, Psicología)-
Predicción de la Demanda (Logística, Distribución
de productos varios alimentos, diarios,
revistas, etc)- Tráfico de Redes. (Grandes
proveedores de Internet, Sistemas formados por
redes de distribucíon física compleja)B. Campos
de Investigación- Si bien se aplica hoy en día
con éxito en la simulación y predicción del
Mercado Bursátil, aún queda un amplio campo por
investigar, tanto en Redes Neuronales de Kohonen
(mapas autoorganizados) como en el Análisis
Fractal.- Sistemas de detección de intrusos y
contra el robo de identidad, es otro campo en
auge en el mundo de la Seguridad Informática. En
estos casos, se utilizan potentes Redes
Neuronales. C. Ciencia- Medicina, Biología y
Psicología. Cualquier estudio de investigación,
en practicamente cualquier área, hoy utiliza
técnicas de Data Mining para evaluar resultados.
Éxito de una nueva droga es un ejemplo clásico-
Geología y Geografía. Compresión de imágenes,
estudios de superficies y terrenos (ampliamente
aplicado en el sector de petróleo).D.
Aplicaciones en el Gobierno- Anti-terrorismo
(Sistemas para el entrecruzamiento de llamadas
telefónicas, celulares, e-mails, tarjetas de
crédito, etc , exploración web, el software
I2). - Análisis de índices macroeconómicos y
estudios de distribución social.

10
FRACTALTEC Consultoría Investigación
Desarrollo en DATA MINING
4. Data Mining como Inteligencia de Negocios
La Inteligencia de Negocios, disciplina más
conocida por su nombre en inglés como Business
Intelligence, tiene las siguientes
características fundamentalesAcceso a la
InformaciónObtener Reportes de calidadApoyo en
la toma de decisionesLas herramientas más
destacadas para conseguir dichos puntos
sonData Mining y Data WarehouseSistemas de
Predicción y Modelado (Análisis Fractal es un
ejemplo de ello)Cubos OLAP El proceso de Data
Mining, consta de varios pasos, los mismos
abarcanEtapa de consultoría Comprender el
problema y determinar de las técnicas a
aplicar.Limpieza de las Bases de Datos.Correr
los análisis determinados en la primera etapa
(redes neuronales, árboles de decisión,
etc.)Comprensión de los resultados.Validación
de los mismos.Por todo lo expresado en el
presente documento, Data Mining es la herramienta
más potente que acompaña a los responsables de
una empresa o cualquier tipo de proyecto, en el
momento de la toma de decisiones de negocios y en
el análisis de resultados presentes, pasados y
aún futuros. A continuación se muestran casos
reales de éxito en Argentina y el Mundo

11

FRACTALTEC Consultoría Investigación
Desarrollo en DATA MINING
Casos de Éxito aplicados en diferentes Industrias
5. PATRONES EN EL MERCADO BURSÁTILTipo de
Análisis Fractal y Redes Neuronales de Kohonen.
Empresa FractalTecEn FractalTec, aplicamos las
siguientes técnicas para descubrir patrones en
los diferentes mercados bursátiles.- Tomamos
los valores de cierre históricos de una
determinada acción o índice, por ejemplo las
acciones de Google, Acindar, el Índice Merval o
el Dow Jones. - A estos números de cierre, los
llevamos a valores logarítmicos y formamos una
Serie de Tiempo.- Analizamos con dos técnicas
Fractales dicha serie Exponente de Hurst y
Dimensión Fractal. El primer índice varía entre
0 y 1. Un valor exacto de 0,5 nos indica que los
movimientos en la Bolsa son totalmente aleatorios
y por lo tanto imposibles de predecir. Un valor
entre 0 y 0,5 nos indica que hay cierta
correlación y tendencias, esto implica que hay un
patrón. En este caso, si hubo una racha de
precios decreciente, muy probablemente
esperaremos una creciente, y si la racha fue
creciente esperaremos en las próximas ruedas
valores negativos. Si por el contrario el índice
varía entre 0,5 y 1, la correlación es directa,
si hubo una racha positiva, esperaremos que siga
de igual manera. El segundo estadístico, la
Dimensión Fractal, nos indica que tan irregular
ha sido la evolución de la serie de tiempo. Un
valor por ejemplo de 1,5 indicaría gran rugosidad
en la serie, y una dimensión de 1,8 nos muestra
declives pronunciados pero con patrones más
claros.Estos mismos pasos los aplicamos a
diferentes escalas de tiempo un año, un mes, un
día, diez minutos. Así, los patrones comienzan a
surgir.Una vez que conocemos, a través de estos
análisis, si el movimiento es realmente aleatorio
o no, de NO serlo, significa que existen
patrones, debemos encontrar entonces dichas
rachas crecientes o decrecientes para poder hacer
un modelo de pronóstico más acertado. Dicho
análisis lo realizamos con Redes Neuronales
Autoorganizadas.

12

FRACTALTEC Consultoría Investigación
Desarrollo en DATA MINING
En nuestros análisis y en trabajos científicos
publicados nos topamos con los siguientes
valores El índice Merval con exponente de Hurst
de 0,58 Acciones de Google con una
dimensión fractal de 1,42, acciones de IBM con un
exponente de Hurst de 0,72, o las de Apple con
0.73 El anterior es un claro ejemplo de
combinación de técnicas. Por un lado evaluamos
con estadísticos fractales el grado de
aleatoriedad de un sistema. Si determinamos que
el sistema no es aleatorio, eso directamente nos
indica que por más complejos que sean, los
patrones y las tendencias existen, los cuales
exploramos y modelamos con Redes Neuronales en
algunos casos, y con métodos Multifractales en
otros. Estas mismas técnicas pueden aplicarse
a cualquier serie de tiempo compleja,
Electroencefalogramas (EEG) por ejemplo, diversas
series de tiempo provenientes de diferentes
mediciones sociales, económicas o biológicas
poseen estas características.

En definitiva, en todos aquellos ámbitos que
parezcan que están gobernados por la
aleatoriedad, estos análisis detectan con detalle
diferentes patrones, de suma utilidad para
conocer el sistema.
13
FRACTALTEC Consultoría Investigación
Desarrollo en DATA MINING

• 6. Detección de Fraudes
• La detección de fraudes es una de las
  aplicaciones por excelencia del Data Mining. Su
  performance y eficiencia depende de varios
  factores
• - Implementación de un sistema en tiempo real
  para el Análisis de Datos.
• Potencia de procesamiento a nivel hardware.-
  Estudio de modelos de falsas alarmasEl
  procedimiento se describe de manera sencilla a
  continuación.Mediante diferentes técnicas, en
  particular Redes Neuronales, se hace una
  segmentación del comportamiento típico de los
  clientes a lo largo de su historia. Una vez
  creado y validado el modelo se pone en producción
  de análisis en tiempo real. Los modelos
  mencionados anteriormente nos arrojan gráficos
  como el siguiente

Aquí vemos graficados en dos nubes los
comportamientos normales de determinada clase de
clientes o usuarios. Por ejemplo, el movimiento
de los clientes de una compañía financiera de
tarjetas de crédito. Fuera de esas nubes,
existen tres puntos rojos y uno azul. Lo que
inidca- errores de medición- o un
comportamiento anormal y posiblemente un fraude.
La tarea del analista en Data Mining ante esta
implementación, se centra primero en detectar
estos casos, luego comprobar que no sean errores
de medición y luego estudiar con más detalle esos
puntos. Estos mismos conceptos se aplican en
los sistemas de detección de intrusos en
Seguridad Informática, el Gobierno en los
estudios de robo de identidad o detectar posibles
comportamientos terroristas entrecruzando bases
de datos telefónicas, foros web, e-mails,
celulares, movimientos de tarjetas de crédito y
fondos bancarios, etc. Y hasta en meteorología
para detectar cambios climáticos bruscos.
14
FRACTALTEC Consultoría Investigación
Desarrollo en DATA MINING
Casos de Éxito aplicados en diferentes Industrias
7. OTROS CASOS DE ÉXITOOtras charlas de interés
presentadas en las Jornadas Argentinas de Data
Mining organizadas por la Maestría en Data
Mining, Knowledge Discovery Knowledge
Management de la Universidad de Buenos Aires
son Empesa Diario La NaciónProblema
Distribución logística 12.000 puntos de venta.
38.000km de distancia. Horarios de entrega
(puntualidad) Solución Se aplica un modelo de
Regresión (ARIMA) para optimizar los mecanismos
de logística. Empresa Banco Galicia división
SegurosProblema Ventas por Canal. Quienes
querían contratar un servicio iban directamente a
una oficina para hablar con un representante
(92), en lugar de llamar a un telemarketer (8)
Los costos de que las ventas se realicen por
este canal son mucho más altos que siendo
atendidos telefónicamente.Solución Se
plantearon Árboles de Decisión para segmentar
Clientes, y Redes Neuronales para encontrar
diferentes patrones.Resultados Luego de la
campaña realizada a partir de los datos obtenidos
de los mencionados análisis, el 78 paso a
comprar los servicios por el canal
teléfonico. Empresa Entidad del
EstadoProblema Predicción de MorosidadSolución
Se utilizan diferentes técnicas estadísticas
para obtener parámetros necesarios. Se emplean
nuevamente Árboles de Decisión y Regresión
Logística.Resultados Se consigue obtener con un
margen de error aceptable, la cantidad de morosos
de una determinada localidad en servicios
públicos.

15
FRACTALTEC Consultoría Investigación
Desarrollo en DATA MINING
8. CONCLUSIONES

En todos estos casos, se observa que las técnicas
de Data Mining a aplicar dependen de la
naturaleza del problema a resolver. Nos topamos
en casos donde los Árboles de Decisión no eran
suficientes y además había que explorar los datos
con Redes Neuronales. Ambos análisis eran
necesarios. En otro ejemplo, donde las series de
tiempo eran muy complejas se procedió con un
Análisis Fractal, y otras donde se aplicaban
Redes Neuronales pero dependiendo la situación,
de diferentes tipos Autoorganizadas en un
problema y Recurrentes en otro.En la mayoría de
los casos, fué necesario hacer una combinación de
dos o más técnicas para llegar a modelos
adecuados.El análisis de Data Mining es un
proceso sumamente complejo, pero que abre una
infinidad de nuevas oportunidades al explorar los
datos que las mismas empresas poseen actualmente
en sus bases de datos, pero se encuentran ocultos
y sin ser aprovechados.
16
FRACTALTEC Consultoría Investigación
Desarrollo en DATA MINING
9. Equipo FractalTec
Juan Pablo BrañaEstudiante del último año de la
Licenciatura en Matemática.Cuatro años de
experiencia en el área de Estadística.Más de
cinco años de experiencia en el área de Sistemas
Unix y Seguridad Informática.Desde 1999
coordinando proyectos de investigación en el Área
de Fractales.Responsable del área de Análisis de
Data Mining y del departamento de Investigación
en FractalTec. Germán Edgardo FerreyraAmplia
trayectoria en el campo de la informática,
especialista en diversos lenguajes de desarrollo
como VB6, VB.Net, Java, PHP y bases de datos
Oracle, SQL Server y MySQL. Posee diferentes
certificaciones en las mencionadas áreas.
Realiza su carrera de manera independiente y
trabajando para empresas de alta
tecnología.Responsable del área de Desarrollo y
Base de Datos en FractalTec. Julio César
AlarcónMás de cinco años de experiencia en el
campo de la Informática en sistemas Unix. Desde
el año 2000 hasta la actualidad trabaja como
productor de seguros con una importante cartera
de clientes. Técnico Electrónico con amplia
trayectoria empresarial. Responsable del área de
Consultoría en FractalTec

17
FRACTALTEC Consultoría Investigación
Desarrollo en DATA MINING
10. FractalTec Consultoría
A. Data Mining Business Intelligence En
FractalTec acompañamos al cliente desde la
primera etapa del análisis. Realizamos en
conjunto el planteamiento del problema, la
estrategia y los objetivos a alcanzar. Muchas
veces los datos se encuentran organizados de
manera caótica dentro de la empresa. Algunos en
distintas bases de datos con diferentes criterios
de carga, otros en planillas de cálculo o hasta
documentos de texto. Homogeneizar esos datos es
una de las tareas fundamentales y la que más
tiempo requiere. Una vez con los datos
centralizados, comenzamos el proceso de análisis
donde corremos todos los test que consideramos
necesarios oportunamente. Como se vió a lo largo
de este documento, en la gran mayoría de casos es
necesario emplear varios análisis diferentes y
muchas veces superponer modelos. Con los
primeros datos obtenidos del paso anterior,
comenzamos a validar los resultados. Aquí es
donde comprobamos la potencia de estos algoritmos
y el éxito que se puede alcanzar con la nueva
información que tenemos en nuestras manos. B.
WebMining El mismo procedimiento anterior lo
aplicamos al descubrimiento de información dentro
de grandes portales WEB. C. Alianzas

18
FRACTALTEC Consultoría Investigación
Desarrollo en DATA MINING
11. FractalTec Desarrollo
En el mercado existe una gran cantidad de
software de buena calidad tanto para análisis de
Data Mining como Matemático o Estadístico. Sin
embargo, la complejidad de muchos problemas
planteados por las empresas, hace que se requiera
de modelos originales. El contar con un
departamento de desarrollo nos permite crear
sistemas personalizados brindando así un servicio
mucho más potente y particular a las necesidades
planteadas. No ocurre lo mismo en el área del
Análisis Fractal. Los programas que existen son
escasos, y no se encuentran centralizados en un
mismo paquete. En estos momentos nos encontramos
en pleno desarrollo de un paquete estadístico que
contiene una colección de test fractales para
explorar grandes bases de datos. Creemos que
para tareas tan complejas como la Minería de
Datos, no basta con conocer el software existente
en el mercado, es necesario también poder
desarrollar herramientas personalizadas para
enfrentarse a problemas originales.

19

FRACTALTEC Consultoría Investigación
Desarrollo en DATA MINING
12. FractalTec Investigación
El Data Mining es una disciplina sumamente
moderna. Las Redes Neuronales existen como
concepto desde la Segunda Guerra Mundial, pero
recién fueron llevadas a la práctica en las
últimas décadas. Algo similar ocurre con los
Árboles de Decisión y los Algoritmos Genéticos.
De hecho, quien desarrolló el algoritmo C.5,
considerado el más potente para el Análisis de
Árboles de Decisión, aún hoy se encuentra vivo y
en plena investigación y desarrollo de nuevos
algoritmos. Lo mismo ocurre con Teuvo Kohonen,
quien creó las Redes Neuronales de mayor uso hoy,
los Mapas Autoorganizativos, aún sigue trabajando
en su laboratorio en estos temas. Con mayor
fuerza se da esta situación en el Análisis
Multifractal. Si bien se viene aplicando con
éxito en prácticamente todas las ramas, los
últimos trabajos científicos muestran avances muy
pronunciados y nuevas técnicas. Benoit
Mandelbrot, su creador, aún sigue trabajando en
la Universidad de Yale con estas
investigaciones. Los últimos trabajos de
investigación revelan la tendencia a combinar
estas técnicas. Por ejemplo hoy se aplican las
Redes Neuronales con características Fractales,
la Lógica Difusa en la toma de decisiones, la
Dimensión Fractal como herramienta de Data Mining
o la estimación del Exponente de Hurst con
Wavelets. En FractalTec hemos creado un área de
Investigación, donde proponemos a diferentes
industrias, montar laboratorios para probar estas
técnicas sin precedentes y trabajar con datos
reales provistos por dichas empresas. En
especial, en el área de Investigación, nos
abocamos al ambiente Financiero con modelos de
predicción en la variación de precios, y el de la
Seguridad Informática, con sistemas de detección
de intrusos, donde combinamos las herramientas
anteriormente mencionadas, generando técnicas
totalmente novedosas.

20

FRACTALTEC Consultoría Investigación
Desarrollo en DATA MINING
13. Contacto
FractalTec Buenos Aires ArgentinaTeléfono
(011)- 15-4063-1173e-mail ft_at_fractaltec.org Web
www.fractaltec.orgJuan Pablo Braña
juan.brana_at_fractaltec.orgMarisa Rollieri
marisa.rollieri_at_fractaltec.org