Mineria de Datos

Presentación sobre mineria de datos en el XVIII Congreso Nacional de Fiscalización organizado por la Contraloria General de Costa Rica

Transcript

1. Mineria de Datos VIII Congreso Nacional de Gestión y Fiscalización de la Hacienda Pública 19 de Septiembre, 2018 Frans van Dunné @fransvandunne
2. Introducción Frans van Dunné, PhD Chief Data Officer @fransvandunne frans@ixpantia.com
3. Agenda Introducción y objetivos ¿Porque Minería de Datos? Tengo Datos ¿Ahora Que? Alinea visiones DATA Resumen y Discusión @fransvandunne
4. Servicios Financieros En la vanguardia de IA
5. ¿De que hablamos? Declaraciones tributarias Recaudo impuesto SINIRUBE Censos Registro Nacional CCSS Mayores eficiencias Menos evasión de impuestos Menos corrupción Más participación ciudadana Major sostenibilidad Impacto sobre desarrollo social ?
6. ?
7. Source: Matt Turck, Jim Hao & First Mark Capital Data Mining Machine Learning SVM Cross validation Random forest R Studio Linear regression Logistic regression Hadoop Python Neural networks Deep learning K-means Statistical significance Boosting Algorithm xlsx Tableau
8. Source: Matt Turck, Jim Hao & First Mark Capital Sentimiento de estar abrumado
9. ¿Porque Minería de Datos?
10. Agrupar Comparar Reconocer Asociar Aprender Predecir
11. Ciencia de Datos en Hacienda NL Convertir datos en Valor
13. Con análisis predictivo podemos predecir el comportamiento de tributantes Podemos trabajar con datos que son mina de oro y contribuyen al bien social Nuestro trabajo no solo tiene impacto para tributantes, pero también sobre la eficiencia interna
15. Tengo Datos ¿Ahora Que?
17. Tengo datos, ahora que? comparar agrupar predecir reconocer asociar quiero volumen variedad velocidad veracidad valor tienen continuos ordinales nominales palabras imagenes son Modelo Algoritmo Visualización
18. Reunir Inferir Decidir Actuar! Productos de datos Exploración y Modelado Medir y Evaluar Censo Impuestos viales IVA Impuestos Renta Procomer Catastro Aduanas IMAS ... es convertir datos en acciones y dar soporte a decisiones Preguntas y Objetivos
19. Procesos existentes
20. Procesos existentes Nueva Lógica
21. Procesos existentes Nueva Lógica
22. Ingerir y Almacenar Organizar y Limpiar Dataducto Integrar y Validar Analizar y Modelar Fuentes de Datos Productos de Datos Incremento de Valor de los Datos Datos Informe Modelo Visualización Censo Impuestos viales IVA Impuestos Renta Procomer Catastro Aduanas IMAS
23. Alinea visiones DATA
24. Marco de referencia común Derecha Izquierda Derecha Izquierda
25. Marco de referencia común
26. BIG DATA Oracle big data is larger, more complex data sets, especially from new data sources. These data sets are so voluminous that traditional data processing software just can’t manage them. Gartner "Big data" is high-volume, -velocity and -variety information assets that demand cost-effective, innovative forms of information processing for enhanced insight and decision making. Microsoft The term “big data” is being used to describe an increasing range of technologies and techniques. In essence, big data is data that is valuable but, traditionally, it was not practical to store or analyze it due to limitations of cost or the absence of suitable mechanisms. McKinsey “Big data” refers to datasets whose size is beyond the ability of typical database software tools to capture, store, manage, and analyze.
27. Que es Big Data - Conjuntos de datos cuyo tamaño va más allá de bases de datos comunes - Datos que son valiosos pero, tradicionalmente, no eran práctico de almacenar y analizarlos - Activos de información de alto volumen, alta velocidad y alto variedad - Conjuntos de datos más grandes y más complejos, especialmente provenientes de fuentes nuevas
28. Valor Dificultad Retrospección Comprensión Previsión Análisis Descriptivo ¿Qué Paso? Análisis Diagnóstico ¿Porqué Paso? Análisis Predictivo ¿Qué Pasará? Análisis Prescriptivo ¿Como lograrlo?
29. En resumen :: Mineria de Datos convertir datos en acciones se puede aprender necesario para mejorar eficiencia y abarcar cambios en la sociedad responder preguntas y reconocer patrones crear productos de datos Trabajo en equipo diferente
31. ¡Gracias! @fransvandunne frans@ixpantia.com www.datalatam.com www.ixpantia.com