espanolIntroduccion. El articulo muestra en un modelo conceptual basado en conocimiento la caracterizacion y funcionalidad de dos tecnicas de Mineria de Datos (MD) regresion logistica y reglas de asociacion, para elegir la tecnica de MD apropiada en proyectos de obtencion de conocimiento a partir criterios que describen el proyecto especifico a ser desarrollado. Objetivo. Apoyar la toma de decisiones en el momento de elegir cual tecnica es la mas apropiada para el desarrollo de un proyecto de mineria de datos. Materiales y metodos. Las tecnicas de asociacion y regresion logistica son caracterizadas, mostrando la funcionalidad de sus algoritmos. Resultados. El modelo propuesto es el insumo para la implementacion de un Sistema basado en conocimiento que imita el conocimiento de un experto humano en el momento de tomar la decision de que tecnica de mineria de datos escoger frente a un problema especifico que relaciona un proyecto de mineria de datos. Facilita la verificacion de los procesos de negocio de cada una de las tecnicas, y mide la correspondencia entre los objetivos trazados de un proyecto versus los componentes que ofrecen la tecnica de regresion logistica y la tecnica de reglas de asociacion. Conclusion. La informacion actual e historica se encuentra disponible para la toma de decisiones a traves de los modelos generados por la mineria de datos. Los datos para los modelos son provenientes de bodegas de datos, las cuales son entornos informativos, que proporcionan una vision integrada y total de la organizacion. EnglishIntroduction. This paper presents the functionality and characterization of two Data Mining (DM) techniques, logistic regression and association rules (Apriori Algorithm). This is done through a conceptual model that enables to choose the appropriate data mining project technique for obtaining knowledge from criteria that describe the specific project to be developed. Objective. Support decision making when choosing the most appropriate technique for the development of a data mining project. Materials and methods. Association and logistic regression techniques are characterized in this study, showing the functionality of their algorithms. Results. The proposed model is the input for the implementation of a knowledge-based system that emulates a human expert's knowledge at the time of deciding which data mining technique to choose against a specific problem that relates to a data mining project. It facilitates verification of the business processes of each one of the techniques, and measures the correspondence between a project's objectives versus the components provided by both the logistic regression and the association rules techniques. Conclusion. Current and historical information is available for decision-making through the generated data mining models. Data for the models are taken from Data Warehouses, which are informational environments that provide an integrated and total view of the organization. portuguesIntroducao. O artigo mostra em um modelo conceituai baseado no conhecimento a caracterizacao e funcionalidade de duas tecnicas de regressao logistica de Data Mining (MD) e regras de associacao, para escolher a tecnica de MD apropriada em projetos de aquisicao de conhecimento com base em criterios que descrevem a Projeto especifico a ser desenvolvido. Objetivo. Apoie a tomada de decisao no momento da escolha da tecnica mais apropriada para o desenvolvimento de um projeto de mineracao de dados. Materiais e metodos. As tecnicas de associacao e regressao logistica sao caracterizadas, mostrando a funcionalidade de seus algoritmos. Resultados. O modelo proposto e a entrada para a implementacao de um sistema baseado no conhecimento que imita o conhecimento de um perito humano ao decidir qual tecnica de mineracao de dados escolher contra um problema especifico que relaciona um projeto de mineracao para informacoes. Facilita a verificacao dos processos de negocios de cada uma das tecnicas e mede a correspondencia entre os objetivos de um projeto versus os componentes que oferecem a tecnica de regressao logistica e a tecnica das regras de associacao. Conclusao. Informacoes atuais e historicas estao disponiveis para a tomada de decisoes atraves de modelos gerados pela mineracao de dados. Os dados para os modelos provem de data warehouses, que sao ambientes informativos, que fornecem uma visao integrada e total da organizacao.