Read this abstract in English
Objetivos
- Presentar el concepto de minería de datos como estrategia de modelación matemática.
- Definir la metodología de la minería de datos.
- Explicar, de formar muy general, los alcances de algunos proyectos genéricos de minería de datos.
- Comentar sobre algunos casos de éxito en México.
Contenido del programa
Con la irrupción en el mercado de potentes equipos de cómputo, y de herramientas como el minero de datos, la obtención de modelos de soporte que recogen el complejo comportamiento de los escenarios actuales de negocios, ha dado un vuelco sustancialmente importante. Dentro de este contexto, las soluciones analíticas han estado enfocadas cada vez más y más, hacia objetivos concretos de negocios.
La minería de datos, como estrategia de modelación matemática, contribuye a lograr el sueño de los tomadores de decisiones (decision makers): “tener un soporte preciso y objetivo que minimice el riesgo en la toma de decisiones”.
El objetivo fundamental de este seminario es tener una primera aproximación con los conceptos y metodología de la minería de datos. Además, se presentarán los alcances de algunos proyectos genéricos de minería de datos, así como varios casos de éxito en México.
El nivel de comprensión del participante
Éste programa es entendido para los participantes con la comprensión básica o intermedia del tema.
Requeridos de antemano
No hay ningún requerido para éste seminario.
Preparación
No hay ninguna preparación requerida para éste seminario.
La inscripción, la confirmación y los avisos sobre éste seminario serán en inglés. El seminario será presentado en español.
Dr. Viterbo H. Berberena González
El Dr. Viterbo H. Berberena González, Director de Minería de Datos en Pearson S.A. de C.V., es Ingeniero Químico, egresado de la Universidad Central de las Villas, Cuba, (1985), donde también se especializó en Informática en la Facultad de Matemáticas y Cibernética (1985 - 1987). Obtuvo la especialización en Métodos Cibernéticos en el Instituto Mendeleev, Moscú, Rusia (1988 - 1989); y en 1991 obtuvo el título de Doctor en Ciencias con especialidad en Investigación de Operaciones, con honores. Ha fungido como profesor de licenciatura y postgrado en la Universidad Central de las Villas (Cuba); profesor de Programa de Excelencia Académica en el Instituto Politécnico Nacional (IPN), profesor del Instituto Tecnológico y de Estudios Superiores de Monterrey (ITESM), Campus Ciudad de México, y profesor de la Universidad Iberoamericana (UIA), en la ciudad de México. Profesor de asignatura y colaborador de la Revista Segmento en el Instituto Tecnológico Autónomo de México (ITAM). Consejero del Grupo Financiero Santander Serfin en la Dirección de Medios de Pagos.
Desde Octubre del 2000 colabora como Consultor del SAS Institute de México.
Ha participado en las siguientes actividades de consultoría en métodos cuantitativos de investigación de mercados y minería de datos en México:
- Proyecto de Segmentación de Mercados en Banca Electrónica. Modelo de Clasificación de Clientes con el Minero de Datos.
- empresa de telefonía inalámbrica, con el minero de datos.
- Proyecto para la Modelación Predictiva de los Ingresos de los Clientes de un Banco con el Minero de Datos.
- Proyecto de Análisis de Lealtad en Telecomunicaciones (Churn Analysis).
Data Mining in the Construction of Support Models for Strategic Decision-Making
This web seminar will be presented in spanish
Learning Objectives
- Present the concept of data mining as a mathematical modeling strategy.
- Define a data mining methodology.
- Explain, in general terms, the scope of some generic data mining projects.
- Comments on some successful cases in Mexico.
Program content
With the entry onto the market of powerful computer equipment and tools such as data mining, there have been dramatic developments in the field of obtaining supporting models that reflect the complex behavior of current business scenarios. In this context, analytical solutions have been increasingly focused on concrete business objectives.
Data mining, as a mathematical modeling strategy, contributes to making the dreams of decision makers a reality: “to be able to rely on accurate, objective support, in order to minimize decision-making risks”.
The basic purpose of this seminar is to explain data mining concepts and methodology. Moreover, the scope of some data mining generic projects will be presented, as well as some successful cases in Mexico.
Participant level of understanding
This program is intended for participants with a basic or intermediate level of understanding on the topic.
Prerequisites:
There are no prerequisites for this seminar.
Advance Preparation
There is no advanced preparation required for this seminar.
Dr. Viterbo H. Berberena González
Dr. Viterbo H. Berberena González, Director of Data Mining at Pearson S.A. de C.V., is a Chemical Engineer who graduated from Las Villas Central University, Cuba, (1985), where he also obtained a specialization in Information Technology from the Faculty of Mathematics and Cybernetics (1985 - 1987). He also specialized in Cybernetic Methodology at the Mendeleev Institute, in Moscow, Russia (1988 - 1989), and in 1991 obtained a Science Doctorate with specialization in Operations Research, with honors. He has worked as a lecturer on bachelor’s degree and postgraduate courses at Las Villas Central University (Cuba), a lecturer on the Academic Excellence Program at Mexico’s National Polytechnic Institute (IPN), a lecturer at the Mexico City campus of the Monterrey Institute of Technology and Higher Studies (ITESM), a lecturer at the Ibero-American University (UIA) in Mexico City, and a lecturer and collaborator on the magazine Segmento at the Independent Technological Institute of Mexico (ITAM). He is also a board member at the Payment Methods Department of Santander Serfin Financial Group.
Since October 2000 he has worked as a Consultant for SAS Institute Mexico.
He as also participated in the following consulting projects relating to quantitative market research methods and data mining in Mexico:
- Project for Electronic Banking Market Segmentation. Client Classification Model using Data Mining.
- Supervised Segmentation Project for a wireless telephone company, using data mining.
- Project for Predictive Modeling of Client Income for a bank, using data mining.
- Project for Analysis of Telecommunications Loyalty (Churn Analysis).
