METODOLOGÍA
CRISP-DM

1 - Comprensión del negocio

Alinea los objetivos del proyecto de data mining con los objetivos del negocio.

2 - Compresión de los datos

Conoce los datos, estructura y distribución, y la calidad de los mismos.

3 - Preparación de los datos

Obtiene los datos finales sobre los que aplicarán los modelos.

4 - Modelado

Construye un modelo que nos permita alcanzar los objetivos del proyecto.

5 - Evaluación

En esta fase nos centrarnos en evaluar el grado de acercamiento del modelo a los objetivos de negocio.

6 - Despliegue

Realiza el despliegue de los resultados obtenidos de forma que sea propagado a los usuarios finales así como el mantenimiento del mismo una vez el despliegue haya finalizado.

Mayor competitividad.

Satisfacción del cliente.

Confianza de los clientes y proveedores.

Disminución y cumplimiento de los plazos.

Disminución de costos.

Reducción de tiempo.

Para aplicar en una empresa se debe:

Analizar y considerar como un eje principal.

Subtopic

Analizar todos los tipos de datos por completos.

Agrupar lainformación de los datos y su comportamiento.

Evaluar conjuntamente los datos considerando las tareas especificas.

Considerar la implementación estructural, junto al tiempo que se utilizó.

Obtener datos fiables que ofrece información de calidad.

Mantener una organización adecuada de toda la información.

-Metodología creada para dar forma a los proyectos de Data Mining.

Es una metodología estándar que ha sido desarrollada para la construcción de proyectos.

El modelo de CRISP-DM es flexible y se pueden personalizar fácilmente.

Puede aparecer algún inconveniente a la hora de utilizar esta METODOLOGÍA.

Dependiendo del tipo de datos que se quieran recopilar, nos puede llevar mucho trabajo.

A veces la inversión inicial para obtener la METODOLOGÍA necesarias para la recopilación de datos puede tener un coste elevado.