1) ¿Para qué sirven?

No es lo mismo gestionar una pequeña base de datos de clientes que disponer de una con varios millones. Incluso un supermercado de tamaño medio dispone de millones de datos si acumula las ventas diarias. Para las empresas internacionales extraer información útil de millones de datos es una necesidad. Ahí intervienen las técnicas de minería de datos o Data Mining. Se utilizan tanto para descubrir patrones de comportamiento en consumidores, o encontrar cuales son los mejores y peores clientes de una compañía de seguros o un banco.

---

2) ¿Qué son?

Como metodología se utilizan normalmente modelos predictivos, de segmentación, de agrupamiento y de afinidad, por lo que se aplican herramientas matemáticas multivariantes -estadísticas clásicas o procedentes de la inteligencia artificial-.

Destacan, por ejemplo, como modelos predictivos las regresiones lineales o modelos de red neuronal supervisada. Técnicas de agrupamiento habituales son el análisis cluster y los modelos neuronales de mapas autoorganizados. Para realizar segmentaciones, son frecuentes los análisis discriminantes y la regresión logística. Para detectar la afinidad, es decir, que una persona alquila una película de vídeo e inmediatamente se lleva una caja de cervezas y patatas fritas se usan análisis de Fourier, generadores de asociaciones de reglas y otras técnicas.