ВВЕДЕНИЕ
Без сомнения, самая драгоценная ценность, которой обладает человечество, - это знания, которые на протяжении многих лет хранились разными способами.
Сегодня это знание можно узнать по названию данных или информации, которая больше не только хранится, но и анализируется для получения результатов.
Так родились концепции интеллектуального анализа данных, текста и настроений, чтобы спрогнозировать будущее и облегчить принятие решений.
Концепции интеллектуального анализа данных, тексты и чувства - это темы, которые появляются в современном обществе из-за наличия большого количества информации, эта концепция была разработана в различных областях повседневной жизни, таких как образование, здоровье, биология, анализ рынка, телекоммуникации и многие другие.
Это компьютеризированные процессы, которые определяют модели поведения, чтобы сделать прогноз будущих действий.
ИСТОРИЯ БАЗ ДАННЫХ
Благодаря многолетней специализации людей, возникла необходимость защиты информации, которую они производили, такой как расследования или права собственности, базовой информации о населении, включая свидетельства о смерти, рождении и браке.
Со временем человечество не удовлетворилось физической защитой указанной информации, поэтому они постепенно разработали электронные устройства, которые упростят управление данными, а также большой объем хранилища.
В течение 20-го века были зарегистрированы различные технологии, такие как фотоэлектрические, появление магнитных лент, первые компьютеры, такие как UNIVAC, но только в конце 1960-х годов была опубликована статья, определяющая модель баз. данные как таковые.
Сегодня управляются большие базы данных, способные генерировать, собирать и обрабатывать большие объемы информации, эти характеристики постепенно максимизируются, становясь все сильнее и сильнее (Martínez, E., 2000).
БОЛЬШИЕ ДАННЫЕ В ОРГАНИЗАЦИЯХ
Организации используют этот термин чаще из-за различных факторов или носителей информации, таких как так называемое «облако». Большие данные используют такие инструменты, как интеллектуальный анализ текста, интеллектуальный анализ данных и анализ настроений, чтобы облегчить принятие решений, повышающих эффективность организации.
Благодаря передовым технологиям увеличился размер хранилища, а также увеличились расходы, связанные с использованием этих элементов для организации.
Организации ставят перед собой основные цели быть более эффективными и получать более высокую прибыль, поэтому они добавляют к анализу своих данных структурированные или обычные методы и неструктурированные или полуструктурированные методы, такие как вышеупомянутые горнодобывающие компании, которые получают свою информацию из фотографий, аудио и т. Д. видео, книги и др.
Чтобы они могли делать выводы на основе проанализированных данных как можно быстрее, все это для получения конкурентного преимущества, данные, которые обычно обрабатываются в этом смысле, следующие:
- Данные традиционной (транзакционной) компании. Общая информация о клиентах, поставщиках, поставках и т. Д. Данные, полученные с помощью датчиков данных. Как правило, это датчики, интегрированные в различное оборудование с момента их производства, их еще называют интеллектуальными счетчиками, включая чипы социальных данных. Включены все социальные сети, предоставляемые Интернетом, самые известные из которых - Twitter или Facebook, а также такие элементы, как фотография и аудио.Данные, генерируемые мобильностью. Обычно предоставляется группой мобильных технологий, которая может быть планшетом, смартфоном или через Skype (Joyanes, L., 2013).
СБОР ДАННЫХ
Он родился благодаря постоянному управлению информационными технологиями - его описанием занимаются разные авторы, поэтому будут упомянуты наиболее важные определения, которые были определены.
«Изначально интеллектуальный анализ данных можно определить как процесс обнаружения новых и значимых взаимосвязей, закономерностей и тенденций путем изучения больших объемов данных» (Pérez, C. & Santín, D., 2008)
Интеллектуальный анализ данных рассматривается как комбинация полуавтоматических методов искусственного интеллекта, статистического анализа, баз данных и графической визуализации для получения информации, которая явно не представлена в данных и которая может быть более полезной, чем данные выезд. (Мартинес, Э., 2000)
ЦЕЛИ ДОБЫЧИ ДАННЫХ
Из-за наличия огромного количества информации и большого прогресса так называемых информационных технологий были созданы специальные методы для ее анализа и контроля.
Эти методы предлагают выполнить точную идентификацию содержащейся информации, то есть не только в текстовом виде, в противном случае они обнаруживают закономерности и тенденции информации с помощью различных инструментов, таких как: алгоритмы, нейронные сети, анализ данных, чтобы упомянуть некоторые (Перес, К. и Сантин, Д., 2008)
Управление данными и информацией прошло через разные фазы на протяжении всей истории, наконец, до интеллектуального анализа данных, поэтому необходимо рассмотреть следующее представление, чтобы дать более четкое представление о нем:
ЭКСПЛУАТАЦИЯ ДОБЫЧИ ДАННЫХ
Этот метод идентифицирует и извлекает шаблоны, которые адекватно «понимают» данные и информацию, создавая прогноз поведения.
Ярким примером интеллектуального анализа данных является так называемый ETL (извлечение, преобразование, загрузка), на его этапах - считывание данных, включение, преобразование, обслуживание и планирование данных (Pérez, C. & Santín, D., 2008) эта модель представлена следующим образом:
ТЕКСТ МАЙНИНГ
Этот метод основан на получении или нахождении полезной информации об определенном элементе из определенного объема информации, обычно добавляемой в специализированное программное обеспечение.
Этот метод фокусируется на обнаружении закономерностей, тенденций и ассоциаций среди разнообразия существующей информации. Текстовый анализ охватывает следующие области:
- Категоризация текстов Классификация текстов Генерация кластеров Обнаружение ассоциаций Обнаружение отклонений Анализ тенденций Построение аннотаций (Montes, M., s / f)
Процесс интеллектуального анализа текста делится на два этапа:
- Первый называется обработкой. Где представление текстов сделано в виде структур и другого открытия. Когда цели, которые необходимо выявить, описаны, например, модели или тенденции (Тан, 1999)
Как правило, системы, рассматриваемые как интеллектуальный анализ текста, имеют простые представления и идентификацию некоторых рассматриваемых ключевых слов, что облегчает анализ и интерпретацию, поэтому можно сказать, что их представления ограничиваются установленными тенденциями.
ПРИЛОЖЕНИЯ ДЛЯ ТЕКСТА
Интеллектуальный анализ текста применим в различных областях, наиболее известными из которых являются:
- Аспекты безопасности. Он используется для мониторинга различных источников информации, а также для более детального изучения возможного зашифрованного текста. Биомедицинские аспекты. Это недавно разработанный аспект исследования, в котором анализируются обработка естественного языка, вычисления, биоинформатика, включая компьютерную лингвистику. Факт анализа взаимоотношений организаций с клиентами раскрывается, чтобы избежать их утраты. Академические приложения. Во многих случаях при публикации различных статей требуется индексация, это относится к наличию определенного количества и качества сторон, установленных очень специфическим образом.
ЧУВСТВУЮЩАЯ ГОРНАЯ
La ya conocida como minería de sentimientos es una derivación de la minería de textos, en este caso se intenta identificar las intenciones de los clientes o de los usuarios en los diferentes medios, por ejemplo el correo electrónico, el Facebook, inclusive los diferentes buscadores con los que cuenta la red.
El proceso básico de la minería de datos se realiza de la siguiente manera:
- Se intenta entender o relacionar el texto con un rubro en específico, por ejemplo con un giro en especial, restaurants, o agencias de viajes.Posterior a ello se identifica la intención del cliente, colocando una etiqueta a las frases que lo integran como positivo o negativo, por ejemplo si en las bases de datos se encuentra clasificada la palabra “genial” como buena se adiciona una etiqueta positiva, caso contrario, si se encuentra la palabra “deficiente” clasificada como mala se adicionará una etiqueta negativa.
A través del análisis de estas etiquetas la organización tiene mayor conocimiento sobre las opiniones, y aflicciones de sus consumidores. (Pérez, S., 2016)
ÉTICA EN EL USO DE LAS MINERÍAS
La información que es manejada en algunas bases de datos es proveniente de usuarios, que en muchas ocasiones no se encuentran con pleno conocimiento de que diferentes organismos la usaran para los fines que crean convenientes.
Las compras electrónicas, los pagos, llamadas telefónicas entre otros son información que se genera día con día y que se va registrando de manera adecuada, la sociedad no se encuentra concientizada de la gran cantidad de información que genera y los peligros que pueden causar (Garriga, A., 2004)
Gracias a esta información la minería de datos muestra el tipo de influencia que se puede establecer con la sociedad para obtener determinados beneficios.
Sin embargo no todo es en contra de estas minerías, esta tecnología apoya a las organizaciones para hacer más eficientes a sus colaboradores, analizando sus comportamientos y habilidades.
Incluso mediante el seguimiento de los navegadores o correo electrónico se puede indagar si un colaborador se encuentra en la búsqueda de nuevas oportunidades de trabajo, o si presenta alguna conducta que lesione las actividades de la empresa misma inclusive el terrorismo.(Franganillo, J., 2010)
REFERENCIAS BIBLIOGRÁFICAS
- Franganillo, J. (2010). Implicaciones éticas de la minería de datos. Anuario thinkEPI.Garriga, A. (2004). Tratamiento de datos personales y derechos fundamentales.Joyanes, L. (2013). Big Data: Análisis de los grandes volúmenes de datos en organizaciones (Primera). México D.F.: Alfaomega.Martínez, E. (2000). Minería de datos, una herramienta para la toma de decisiones. UNAM. Recuperado a partir de http://132.248.9.195/pd2001/287820/Index.htmlMontes, M. (s/f). Minería de texto: Un nuevo reto computacional. México D.F.: IPN. Recuperado a partir de http://ccc.inaoep.mx/~mmontesg/publicaciones/2001/MineriaTexto-md01.pdfPérez, C., & Santín, D. (2008). Minería de datos, técnicas y herramientas (Ediciones Paraninfo S.A.). España. Recuperado a partir de https://books.google.com.mx/books?id=wzD_8uPFCEC&printsec=frontcover&dq=miner%C3%ADa+de+datos&hl=es419&sa=X&sqi=2&redir_esc=y#v=onepage&q=miner%C3%ADa%20de%20datos&f=falsePérez, S. (2016). Análisis de sentimientos. Universidad Central de Venezuela.Tan. (1999). The state of the art and challenges, Proc. of the Workshop Knowledge Discovery from advanced Databases. text mining.
