Titulo:
Visualizaciones analíticas para la toma de decisiones en pequeñas y medianas empresas utilizando Data Mining
.
Sumario:
Las visualizaciones analíticas se definen en el contexto de la inteligencia de negocios, como instrumentos que permiten analizar anticipadamente grandes cantidades de información en diferentes bases de datos y ayudar a tomar decisiones más estratégicas. Las pequeñas y medianas empresas que no poseen plataformas de inteligencia de negocios BI, especialmente en explotación de información se ven afectadas en diferentes momentos, debido a la manipulación y a la observación de estos tamaños de información que dificultan sus procesos. Para disminuir esta problemática, se pretenden realizar visualizaciones analíticas, que permitan la toma de decisiones en pequeñas y medianas empresas utilizando la metodología más apropiada para el análisis de base... Ver más
Guardado en:
2027-8101
2619-5232
8
2016-09-27
31
40
Paola Andrea Noreña Cardona, Gustavo Adolfo Quiceno Brand, Luis Armando Uribe Marín - 2016
Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial-CompartirIgual 4.0.
info:eu-repo/semantics/openAccess
http://purl.org/coar/access_right/c_abf2
| id |
metarevistapublica_tdea_cuadernoactiva_14_article_328 |
|---|---|
| record_format |
ojs |
| spelling |
Visualizaciones analíticas para la toma de decisiones en pequeñas y medianas empresas utilizando Data Mining Analytical views for decision-making in small and medium enterprises using Data Mining Las visualizaciones analíticas se definen en el contexto de la inteligencia de negocios, como instrumentos que permiten analizar anticipadamente grandes cantidades de información en diferentes bases de datos y ayudar a tomar decisiones más estratégicas. Las pequeñas y medianas empresas que no poseen plataformas de inteligencia de negocios BI, especialmente en explotación de información se ven afectadas en diferentes momentos, debido a la manipulación y a la observación de estos tamaños de información que dificultan sus procesos. Para disminuir esta problemática, se pretenden realizar visualizaciones analíticas, que permitan la toma de decisiones en pequeñas y medianas empresas utilizando la metodología más apropiada para el análisis de bases de datos y explotación de información a partir de Data Mining. Esto facilita el acceso de estas compañías a módulos similares de explotación de información, a los que ofrecen las grandes plataformas de Inteligencia de Negocios. Además se desea validar el servicio del visor analítico en una empresa.Palabras clave: visualizaciones analíticas;CRISP-DM; inteligencia de negocios; toma de decisiones; Data-Mining An analytical viewer is a tool that allows analytical visualizations of large quantities of information in different databases and help to make strategic decisions as defined in the context of business intelligence. Small and medium enterprises do not have Business Intelligence platforms BI, these are affected at different times, because the manipulation and observation of these sizes of information is difficult in its processes. We pretend to realize an analytical viewer to reduce this problem. The analytical views permit decision-making in small and medium enterprises using the most appropriate methodology for analysis of databases from Data Mining. This facilitates access of these companies to similar modules of Exploitation of Information to those offered by big business intelligence platforms. In addition we want validate the service of the analytical viewer in a company.Keywords: Analitycal views; CRISP-DM; Business Intelligence; decision-making;Data-Mining Noreña Cardona, Paola Andrea Quiceno Brand, Gustavo Adolfo Uribe Marín, Luis Armando 8 1 Artículo de revista Journal article 2016-09-27T00:00:00Z 2016-09-27T00:00:00Z 2016-09-27 application/pdf text/xml Tecnológico de Antioquia - Institución Universitaria Cuaderno activa 2027-8101 2619-5232 https://ojs.tdea.edu.co/index.php/cuadernoactiva/article/view/328 10.53995/20278101.328 https://doi.org/10.53995/20278101.328 spa https://creativecommons.org/licenses/by-nc-sa/4.0 Paola Andrea Noreña Cardona, Gustavo Adolfo Quiceno Brand, Luis Armando Uribe Marín - 2016 Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial-CompartirIgual 4.0. 31 40 Berry, M. y Linoff, G. (2004). Data Mining Techniques, Second Edition. Indianapolis: John Wiley & Sons. Inc. Calzada, L y Abreu, J. (2009). El impacto de las herramientas de inteligencia de negocios en la toma de decisiones de los ejecutivos. Daena: International Journal of Good Conscience. 4(2). 16-52. Recuperado de http://www.spentamexico.org/v4- n2/4(2)%2016-52.pdf Chapman, P., Clinton, J., Kerber, R., Khabaza, T., Reinartz, T., Shearer, C. y Wirth, R.(2000). CRISP-DM 1.0 Step by step data mining guide. SPSS Inc.9 (13). Recuperado de https://the-modeling-agency.com/crisp-dm.pdf Casillas, J. y Delgado, O. (2005). Una Metodología de KDD basada en Sistemas Difusos Genéticos Multiobjetivo para Modelado Causal en Marketing. IV Congreso Español sobre Metaheurísticas, Algoritmos Evolutivos y Bioinspirados, MAEB 2005. Granada, España. Ferreira, D. y Mira. M. (2005). Using process mining for itil assessment: a case study with incident management. Organizational Engineering Center, INESC-INOV. Recuperado de http://web.tecnico.ulisboa.pt/diogo.ferreira/papers/ferreira08using.pdf Giraldo, J. y Builes, J. (2013). Caracterización del Proceso de Obtención de Conocimiento y Algunas Metodologías para Crear Proyectos de Minería de Datos. Revista Latinoamericana De Ingenieria De Software,(1), 42-44. Recuperado de http://sistemas.unla.edu.ar/sistemas/redisla/Re-LAIS/relais-v1-n2-p-42-44.pdf Hernández, J., Ramirez, M., Ferri, C. (2007). Introducción a la Minería de Datos. Madrid, España: Pearson. Microsoft Corporation. (2010). Introducing Business Intelligence.Development Studio.Recuperado de http://technet.microsoft.com/es-es/library/ms173767.aspx Moine J., Gordillo S. y Haedo, A. (2001a). Análisis comparativo de metodologías para la gestión de proyectos de Minería de datos. Procedding VIII Workshop Bases de datos y Minería de datos. 931-938. Recuperado de http://sedici.unlp.edu.ar/handle/ 10915/18749 Moine J., Gordillo S. & Haedo, A. (2001b). Estudio comparativo de metodologías para minería de datos. XIII Worshop de Investigadores en Ciencias de la computación. 278-281. Recuperado de http://www.scielosp.org/pdf/rsap/v11n4/v11n4a16.pdf Vallejos, S (2006). Trabajo de Adscripción en minería de datos. Universidad Nacional del Nordeste. Argentina. Recuperado de http://exa.unne.edu.ar/informatica/SO/Mineria_Datos_Vallejos.pdf SAS Institute Inc. (2002). Uncover gems of information. Recuperado de http://www.sas.com/products/miner/index.html SAS Institute Inc. (2013). Visualización del negocio determinada por la analítica de alto poder - para todos. Recuperado de http://www.sas.com/content/dam/SAS/bp_es/doc/factsheet/SAS%20Visual%20Analytics_fact_sheet.pdf Sauter, V. (2014). Decision Support Systems for Business Intelligence. John Wiley & Sons: University of Missouri, Columbia, USA. Vallejos, S (2006). Trabajo de Adscripción en minería de datos. Universidad Nacional del Nordeste. Argentina. Recuperado de http://exa.unne.edu.ar/informatica/SO/Mineria_Datos_Vallejos.pdf SAS Institute Inc. (2002). Uncover gems of information. Recuperado de http://www.sas.com/products/miner/index.html SAS Institute Inc. (2013). Visualización del negocio determinada por la analítica de alto poder - para todos. Recuperado de http://www.sas.com/content/dam/SAS/bp_es/doc/factsheet/SAS%20Visual%20Analytics_fact_sheet.pdf Sauter, V. (2014). Decision Support Systemsfor Business Intelligence. John Wiley & Sons: University of Missouri, Columbia, USA. https://ojs.tdea.edu.co/index.php/cuadernoactiva/article/download/328/366 https://ojs.tdea.edu.co/index.php/cuadernoactiva/article/download/328/1068 info:eu-repo/semantics/article http://purl.org/coar/resource_type/c_6501 http://purl.org/coar/resource_type/c_2df8fbb1 http://purl.org/redcol/resource_type/ART info:eu-repo/semantics/publishedVersion http://purl.org/coar/version/c_970fb48d4fbd8a85 info:eu-repo/semantics/openAccess http://purl.org/coar/access_right/c_abf2 Text Publication |
| institution |
TECNOLOGICO DE ANTIOQUIA INSTITUCION UNIVERSITARIA |
| thumbnail |
https://nuevo.metarevistas.org/TECNOLOGICODEANTIOQUIAINSTITUCIONUNIVERSITARIA/logo.png |
| country_str |
Colombia |
| collection |
Cuaderno activa |
| title |
Visualizaciones analíticas para la toma de decisiones en pequeñas y medianas empresas utilizando Data Mining |
| spellingShingle |
Visualizaciones analíticas para la toma de decisiones en pequeñas y medianas empresas utilizando Data Mining Noreña Cardona, Paola Andrea Quiceno Brand, Gustavo Adolfo Uribe Marín, Luis Armando |
| title_short |
Visualizaciones analíticas para la toma de decisiones en pequeñas y medianas empresas utilizando Data Mining |
| title_full |
Visualizaciones analíticas para la toma de decisiones en pequeñas y medianas empresas utilizando Data Mining |
| title_fullStr |
Visualizaciones analíticas para la toma de decisiones en pequeñas y medianas empresas utilizando Data Mining |
| title_full_unstemmed |
Visualizaciones analíticas para la toma de decisiones en pequeñas y medianas empresas utilizando Data Mining |
| title_sort |
visualizaciones analíticas para la toma de decisiones en pequeñas y medianas empresas utilizando data mining |
| title_eng |
Analytical views for decision-making in small and medium enterprises using Data Mining |
| description |
Las visualizaciones analíticas se definen en el contexto de la inteligencia de negocios, como instrumentos que permiten analizar anticipadamente grandes cantidades de información en diferentes bases de datos y ayudar a tomar decisiones más estratégicas. Las pequeñas y medianas empresas que no poseen plataformas de inteligencia de negocios BI, especialmente en explotación de información se ven afectadas en diferentes momentos, debido a la manipulación y a la observación de estos tamaños de información que dificultan sus procesos. Para disminuir esta problemática, se pretenden realizar visualizaciones analíticas, que permitan la toma de decisiones en pequeñas y medianas empresas utilizando la metodología más apropiada para el análisis de bases de datos y explotación de información a partir de Data Mining. Esto facilita el acceso de estas compañías a módulos similares de explotación de información, a los que ofrecen las grandes plataformas de Inteligencia de Negocios. Además se desea validar el servicio del visor analítico en una empresa.Palabras clave: visualizaciones analíticas;CRISP-DM; inteligencia de negocios; toma de decisiones; Data-Mining
|
| description_eng |
An analytical viewer is a tool that allows analytical visualizations of large quantities of information in different databases and help to make strategic decisions as defined in the context of business intelligence. Small and medium enterprises do not have Business Intelligence platforms BI, these are affected at different times, because the manipulation and observation of these sizes of information is difficult in its processes. We pretend to realize an analytical viewer to reduce this problem. The analytical views permit decision-making in small and medium enterprises using the most appropriate methodology for analysis of databases from Data Mining. This facilitates access of these companies to similar modules of Exploitation of Information to those offered by big business intelligence platforms. In addition we want validate the service of the analytical viewer in a company.Keywords: Analitycal views; CRISP-DM; Business Intelligence; decision-making;Data-Mining
|
| author |
Noreña Cardona, Paola Andrea Quiceno Brand, Gustavo Adolfo Uribe Marín, Luis Armando |
| author_facet |
Noreña Cardona, Paola Andrea Quiceno Brand, Gustavo Adolfo Uribe Marín, Luis Armando |
| citationvolume |
8 |
| citationissue |
1 |
| publisher |
Tecnológico de Antioquia - Institución Universitaria |
| ispartofjournal |
Cuaderno activa |
| source |
https://ojs.tdea.edu.co/index.php/cuadernoactiva/article/view/328 |
| language |
spa |
| format |
Article |
| rights |
https://creativecommons.org/licenses/by-nc-sa/4.0 Paola Andrea Noreña Cardona, Gustavo Adolfo Quiceno Brand, Luis Armando Uribe Marín - 2016 Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial-CompartirIgual 4.0. info:eu-repo/semantics/openAccess http://purl.org/coar/access_right/c_abf2 |
| references |
Berry, M. y Linoff, G. (2004). Data Mining Techniques, Second Edition. Indianapolis: John Wiley & Sons. Inc. Calzada, L y Abreu, J. (2009). El impacto de las herramientas de inteligencia de negocios en la toma de decisiones de los ejecutivos. Daena: International Journal of Good Conscience. 4(2). 16-52. Recuperado de http://www.spentamexico.org/v4- n2/4(2)%2016-52.pdf Chapman, P., Clinton, J., Kerber, R., Khabaza, T., Reinartz, T., Shearer, C. y Wirth, R.(2000). CRISP-DM 1.0 Step by step data mining guide. SPSS Inc.9 (13). Recuperado de https://the-modeling-agency.com/crisp-dm.pdf Casillas, J. y Delgado, O. (2005). Una Metodología de KDD basada en Sistemas Difusos Genéticos Multiobjetivo para Modelado Causal en Marketing. IV Congreso Español sobre Metaheurísticas, Algoritmos Evolutivos y Bioinspirados, MAEB 2005. Granada, España. Ferreira, D. y Mira. M. (2005). Using process mining for itil assessment: a case study with incident management. Organizational Engineering Center, INESC-INOV. Recuperado de http://web.tecnico.ulisboa.pt/diogo.ferreira/papers/ferreira08using.pdf Giraldo, J. y Builes, J. (2013). Caracterización del Proceso de Obtención de Conocimiento y Algunas Metodologías para Crear Proyectos de Minería de Datos. Revista Latinoamericana De Ingenieria De Software,(1), 42-44. Recuperado de http://sistemas.unla.edu.ar/sistemas/redisla/Re-LAIS/relais-v1-n2-p-42-44.pdf Hernández, J., Ramirez, M., Ferri, C. (2007). Introducción a la Minería de Datos. Madrid, España: Pearson. Microsoft Corporation. (2010). Introducing Business Intelligence.Development Studio.Recuperado de http://technet.microsoft.com/es-es/library/ms173767.aspx Moine J., Gordillo S. y Haedo, A. (2001a). Análisis comparativo de metodologías para la gestión de proyectos de Minería de datos. Procedding VIII Workshop Bases de datos y Minería de datos. 931-938. Recuperado de http://sedici.unlp.edu.ar/handle/ 10915/18749 Moine J., Gordillo S. & Haedo, A. (2001b). Estudio comparativo de metodologías para minería de datos. XIII Worshop de Investigadores en Ciencias de la computación. 278-281. Recuperado de http://www.scielosp.org/pdf/rsap/v11n4/v11n4a16.pdf Vallejos, S (2006). Trabajo de Adscripción en minería de datos. Universidad Nacional del Nordeste. Argentina. Recuperado de http://exa.unne.edu.ar/informatica/SO/Mineria_Datos_Vallejos.pdf SAS Institute Inc. (2002). Uncover gems of information. Recuperado de http://www.sas.com/products/miner/index.html SAS Institute Inc. (2013). Visualización del negocio determinada por la analítica de alto poder - para todos. Recuperado de http://www.sas.com/content/dam/SAS/bp_es/doc/factsheet/SAS%20Visual%20Analytics_fact_sheet.pdf Sauter, V. (2014). Decision Support Systems for Business Intelligence. John Wiley & Sons: University of Missouri, Columbia, USA. Vallejos, S (2006). Trabajo de Adscripción en minería de datos. Universidad Nacional del Nordeste. Argentina. Recuperado de http://exa.unne.edu.ar/informatica/SO/Mineria_Datos_Vallejos.pdf SAS Institute Inc. (2002). Uncover gems of information. Recuperado de http://www.sas.com/products/miner/index.html SAS Institute Inc. (2013). Visualización del negocio determinada por la analítica de alto poder - para todos. Recuperado de http://www.sas.com/content/dam/SAS/bp_es/doc/factsheet/SAS%20Visual%20Analytics_fact_sheet.pdf Sauter, V. (2014). Decision Support Systemsfor Business Intelligence. John Wiley & Sons: University of Missouri, Columbia, USA. |
| type_driver |
info:eu-repo/semantics/article |
| type_coar |
http://purl.org/coar/resource_type/c_6501 |
| type_version |
info:eu-repo/semantics/publishedVersion |
| type_coarversion |
http://purl.org/coar/version/c_970fb48d4fbd8a85 |
| type_content |
Text |
| publishDate |
2016-09-27 |
| date_accessioned |
2016-09-27T00:00:00Z |
| date_available |
2016-09-27T00:00:00Z |
| url |
https://ojs.tdea.edu.co/index.php/cuadernoactiva/article/view/328 |
| url_doi |
https://doi.org/10.53995/20278101.328 |
| issn |
2027-8101 |
| eissn |
2619-5232 |
| doi |
10.53995/20278101.328 |
| citationstartpage |
31 |
| citationendpage |
40 |
| url2_str_mv |
https://ojs.tdea.edu.co/index.php/cuadernoactiva/article/download/328/366 |
| url4_str_mv |
https://ojs.tdea.edu.co/index.php/cuadernoactiva/article/download/328/1068 |
| _version_ |
1811200376686247936 |