CRISP-DM

Que es la metodología CRISP-DM?

CRISP-DM se puede considerar como la metodología de facto para proyectos dedicados a extraer valor de los datos.

CRISP-DM, ha sido fuente de inspiración de otros estándares como SEMMA de SAS o ASUM-DM de IBM, asi como a dado lugar a multiples variantes que amplían o particularizan CRISP-DM a una industriao tipo de proyecto.

Fases de la Metodología CRISP-DM

Fase II. Data Understanding

Fase VI.

Deployment

Fase IV. Modeling. Modelado

Fase II. Data Understanding. Estudio y comprensión de los datos:

Fase IV. Modeling. Modelado

La fase de entendimiento de datos comienza con la colección de datos inicial y continúa con las actividades que permiten familiarizarse con los datos, identificar los problemas de calidad, descubrir conocimiento preliminar sobre los datos, y/o descubrir subconjuntos interesantes para formar hipótesis en cuanto a la información oculta.

En esta fase, se seleccionan y aplican las técnicas de modelado que sean pertinentes al problema (cuantas más mejor), y se calibran sus parámetros a valores óptimos.

Fase VI. Deployment. Despliegue (puesta en producción)

Generalmente, la creación del modelo no es el final del proyecto. Incluso si el objetivo del modelo es de aumentar el conocimiento de los datos, el conocimiento obtenido tendrá que organizarse y presentarse para que el cliente pueda usarlo.

Fase III. Data Preparation

Fase I. Business Understanding

Fase V.

Evaluation

Fase V. Evaluation. Evaluación (obtención de resultados)

Fase I. Business Understanding. Definición de necesidades del cliente (comprensión del negocio)

Fase III. Data Preparation. Análisis de los datos y selección de características

En esta etapa en el proyecto, se han construido uno o varios modelos que parecen alcanzar calidad suficiente desde la una perspectiva de análisis de datos.

Esta fase inicial se enfoca en la comprensión de los objetivos de proyecto. Después se convierte este conocimiento de los datos en la definición de un problema de minería de datos y en un plan preliminar diseñado para alcanzar los objetivos.

La fase de preparación de datos cubre todas las actividades necesarias para construir el conjunto final de datos (los datos que se utilizarán en las herramientas de modelado) a partir de los datos en bruto iniciales

VENTAJAS

 Mayor competitividad

 Satisfacción de cliente

 Confianza de los clientes y proveedores

 Disminución y cumplimiento de los plazos

 Disminución de costos

 Reducción de tiempos

DESVENTAJAS

 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 costo elevado

¿CÓMO SE APLICARÍA EN UNA EMPRESA Y QUE BENEFICIOS OBTENDRÍA LA MISMA?

ATRÀE POSIBLES CLIENTES

*Analizar y conciderar como un eje principal

*Analizar todos los tipos de datos

*Agrupar la informacion de datos y su comportamiento

*Evaluar los datos

EJEMPLOS A NIVEL CONCEPTUAL NO PRÁCTICO

La metodología CRISP-DM contempla el proceso de análisis de datos como un proyecto profesional, estableciendo así un contexto mucho más rico que influye en la elaboración de los modelos. Este contexto tiene en cuenta la existencia de un cliente que no es parte del equipo de desarrollo, así como el hecho de que el proyecto no sólo no acaba una vez se halla el modelo idóneo (ya que después se requiere un despliegue y un mantenimiento), sino que está relacionado con otros proyectos, y es preciso documentarlo de forma exhaustiva para que otros equipos de desarrollo utilicen el conocimiento adquirido y trabajen a partir de él.