Formulación de procesos para una ingeniería de explotación de información espacial

Abstract

Los proyectos de explotación de información brindan un marco para la ejecución de actividades para la extracción de conocimiento a partir de conjuntos de datos para dar soporte a la toma de decisiones estratégicas. Esta extracción se realiza mediante la implementación de procesos de explotación de información que definen una secuencia lógica de actividades para la manipulación de datos y la búsqueda de patrones de conocimiento. Entre los tipos de datos factibles a ser minados se encuentran los datos espacialmente referenciados que poseen un conjunto de características y propiedades que no son tenidas en cuenta por los procesos de explotación de información previamente definidos. Entre estas características se pueden mencionar la multiplicidad de tipos de representación, la variedad de relaciones espaciales implícitas que pueden ser extraídas a partir de las instancias de los mismos y que suelen ser valiosas en la toma de decisiones, y los fenómenos de autocorrelación y heterogeneidad espacial, que afectan la confianza en los resultados obtenidos. Asimismo, la disponibilidad de herramientas software para el procesamiento de datos espaciales utilizadas en la implementación de los procesos es limitada, por lo que se busca posibilitar esta exploración mediante el uso de técnicas flexibles y presentes en multiplicidad de plataformas al día de la fecha. En este contexto, el trabajo de tesis doctoral propone un conjunto de cuatro procesos de explotación de información espacialmente referenciada: un proceso para el descubrimiento de grupos espaciales, uno para el descubrimiento de anomalías, uno para el descubrimiento de asociaciones espaciales y uno para el descubrimiento de patrones de co-localización. Estos procesos han sido diseñados considerando requerimientos no funcionales de utilidad, referida a la percepción de los usuarios sobre su uso para resolver problemas de negocios en contextos varios, interpretabilidad, relacionado con la facilidad de interpretación de los resultados, y adaptabilidad, considerando distintas formas de llevar a cabo su implementación sobre distintas plataformas. Finalmente, cada propuesta fue demostrada mediante el uso de distintos conjuntos de datos y sus requerimientos no funcionales fueron validados mediante el juicio de expertos, consolidando de esta forma un conjunto de estrategias para la resolución de problemas de negocios que involucran datos espacialmente referenciados considerando todas las particularidades que suceden a raíz de sus características contextuales.

Knowledge discovery processes provide a common framework for the execution of activities aimed to retrieve knowledge from datasets to support strategic decisionmaking. This knowledge retrieval is performed by implementing these knowledge discovery processes, which provide a logical sequence of activities for data manipulation in order to find patterns that contribute to finding the solution for problems on particular domains. The possible data types to be mined include spatially-referenced data. This kind of data is linked to a set of properties and characteristics that are not taken into account by previously defined knowledge discovery processes. Some of these characteristics are the multiplicity of spatial data types; the variety of spatial relationships relevant for decision-making that are implicitly present among the instances of spatial objects; and, lastly, spatial autocorrelation and spatial heterogeneity, two properties that affect the trust in spatial data mining results. Furthermore, the amount of software tools for spatial data processing and data mining is limited. Because of this, this work is also aimed at allowing pattern discovery by means of flexible tools that are present in multiple platforms. In this context, this doctoral thesis proposes a set of four processes for spatial knowledge discovery: a process for discovery of spatial groups, a process for discovery of spatial outliers, a process for discovery of spatial associations, and a process for discovery of co-location patterns. These processes have been designed taking into consideration non-functional requirements such as utility, which refers to the user’s perceptions about the possibility of implementing them to solve business problems in different contexts; interpretability, related to the complexity of the outputs; and adaptability, considering different ways of implementing them on several platforms. Lastly, each proposal was demonstrated using real-world datasets and the aforementioned requirements were validated considering experts´opinions. In consequence, a set of new strategies to solve multiple business problems was consolidated, taking into account all the contextual characteristics related to spatial data.