Este articulo aborda el tema de la desercion estudiantil en la educacion superior, con la perspectiva de elaborar modelos de Mineria de datos que permitan identificar patrones de desercion. Se realizo una revision sistematica para precisar caracteristicas que inciden en la desercion universitaria. Para ello se inicia con un estudio de la problematica partiendo desde una revision literaria de la desercion en diferentes Instituciones de Educacion Superior y finalizando concretamente en el Programa de Ingenieria de Sistemas y Computacion de la Universidad del Quindio, escenario de estudio. A lo largo de este articulo, se presentan causas de desercion comunes entre los estudiantes, asi mismo, se detalla el Proyecto SARA (Sistema de Acompanamiento para el Rendimiento Academico), proyecto constituido a mediados del ano 2014 con el proposito de ayudar y acompanar academicamente a los estudiantes en los primeros semestres o aquellos que tiene bajo rendimiento academico, brindando apoyo en temas o en areas que presentan mayor dificultad de aprendizaje. SARA ha venido consolidando un modelo de estrategias de acompanamiento permanente que incentiva un mejor desarrollo academico y personal, de la mano de Bienestar Institucional, buscando incrementar la motivacion y la posibilidad de permanencia de los estudiantes que ingresan al programa. Analizar el abandono universitario da la posibilidad de crear nuevas estrategias, detectar los estudiantes con alto riesgo de desercion es para SARA una labor preventiva muy importante. Observar los sintomas de forma temprana permitira tomar medidas necesarias y estrategias de prevencion en aquellos estudiantes que puedan abandonar el programa academico. El objetivo de este estudio fue incorporar la aplicacion de un Proceso de descubrimiento de conocimiento en bases de datos o KDD, para caracterizar y predecir posibles casos de desercion en el programa a traves de modelos de mineria de datos. Para la construccion de los modelos, se seleccionaron de las bases de datos de la Universidad del Quindio los datos que relacionan caracteristicas personales, socioeconomicas y academicas de los estudiantes. Con los datos recopilados para el analisis, se construyo un repositorio que fue procesado y transformado obteniendo asi un conjunto de datos depurado y listo para la aplicacion de los algoritmos de Mineria de Datos. Se descubrieron reglas y perfiles personales, socioeconomicos y academicos de los estudiantes utilizando tecnicas de Arboles de decision.