Inteligencia
de Negocios
Conocimiento (Knowledge Management)
Concepto
en el cual una empresa en forma consciente y completa, recopila, organiza,
comparte y analiza su "conocimiento" en términos de recursos,
documentos, y habilidades personales. Al principio de 1998 se pensaba que pocas
empresas tenían una práctica de este concepto. Avances en tecnología y en la
forma en que accedemos y compartimos información han permitido aumentar la
implementación de este concepto y muchas empresas ahora tienen algún tipo de
administración del conocimiento en funcionamiento. La administración del
conocimiento involucra
El
especialista Howard Dresner, del Grupo Gartner, sintetizó que una nueva
categoría de software había sido creada: el software de Knowledge Management, o
Gestión del Conocimiento. Este software, en tanta herramienta, puede cobrar muy
diversas formas, pero en todas ellas buscará:
a) Convertir el Conocimiento tácito en
Conocimiento explícito: aquel conocimiento que pertenece a la cultura
organizacional, deberá quedar registrado formalmente, y no solamente en la
mente de las personas. Asimismo, formalizar el conocimiento empírico.
b) Creación de un entorno de conocimiento
(Knowledge Environment), que favorezca la interacción de los trabajadores del
conocimiento entre sí y con el Conocimiento Existente, para optimizar el
desarrollo de nuevo Conocimiento.
c) Asegurar el acceso a través del
Knowledge Environment al contenido relevante para un perfil de usuario
determinado.
d) Lograr el aprendizaje continuo.
e) Promoción del Knowledge Environment, a
partir del Valor que brinda y
Tecnologías de
Knowledge Management
Tecnologías enfocadas a la codificación y
transferencia de conocimiento
Intranets
Una
intranet desde el punto de vista organizacional es una organización de
aprendizaje, que permite la integración de personas, procesos, procedimientos y
principios para formar una cultura intelectualmente creativa que permita la
implantación de la efectividad total de la organización.
Las
intranets representan un ambiente de tecnología heterogénea que conecta
diferentes plataformas de hardware, ambientes de sistema operativo e interfaces
de usuario con el fin de permitir comunicación ininterrumpida, colaboración,
transacciones e innovación (webs, html, LAN y sitios web, etc.).
De
está forma las intranets representa un importante vehículo entre la
organización y los empleados. La esencia de las intranets está en crear espacios
virtuales y permitir de forma dinámica compartir, intercambiar y difundir
información, recursos y conocimiento.
Sitios web
Este tipo
tecnología te ofrece enlaces a sitios importantes, brinda información
específica de un tema en particular o presentan contenidos para intercambiar
información y finalmente facilitan búsquedas de información avanzada, podrían
denominarse, portales de conocimientos.
Document
management systems
Este tipo de tecnología tiene su base en
las siguientes actividades:
Almacenamiento de
documentos, libros, etc.
Controlar del
acceso y la seguridad de los documentos.
Mantener una
auditoria en la administración de los documentos.
Propiciar
búsquedas de cualquier tema específico.
Uno de estos
sistemas son los electronic document management, que son simplemente
repositorios de documentos, audio, videos, libros, papers o “conocimiento
explícito” de tal manera que toda organización tenga bien auditado y
clasificado su conocimiento, y a la vez contralando el acceso y la manutención
de estos recursos.
Tecnologías
enfocadas a la creación, codificación y transferencia de conocimiento
Groupware systems
La tecnología groupware está diseñada para ayudar a
grupos de personas que no están físicamente en un mismo lugar pero que
necesitan trabajar juntas. Está tecnología es utilizada para la comunicación,
cooperación, coordinación y resolución de problemas de almacenamiento y
difusión de información.
Business intelligence
Business
intelligence se compone de todas las actividades relacionadas a la organización
y entrega de información así como de análisis del negocio, esto incluye minería
de datos, administración del conocimiento, aplicaciones analíticas, sistemas de
reportes y principalmente DataWarehousing y modelado multidimensional. De esta
manera se puede aseverar que el concepto de business intelligence trata de
englobar todos los sistemas de información de una organización, para obtener de
ellos no solo información o conocimiento si no de alguna forma una verdadera
inteligencia que le confiera a la organización una ventaja competitiva.
Los elementos más importantes de una tecnología de estás
características incluyen a:
- DSS (Sistemas
de soporte a la toma de decisiones)
- Modelado
Multidimensional
- Data Warehousing, Data Marts y Data Mining
- OLAP (On line analitic procesing)
- Herramientas
de consulta y reporte de datos
- Portales de
información empresarial
- Etc.
Y entre sus funciones más importantes están las de:
- Capturar
conocimiento de diversas fuentes
- Depurar,
consolidar, elaborar y almacenar
- Proveer
acceso al conocimiento
Knowledge based systems
Este tipo de
tecnología guarda una estrecha relación con la inteligencia artificial que
produjo los primeros resultados en el campo del conocimiento en la década de
los 80. Asimismo los sistemas expertos y las redes neuronales son tipos de
sistemas que trabajan en base a la tecnología de la inteligencia artificial.
Los sistemas
expertos en teoría son sistemas capaces de razonar siguiendo pasos comparables
a los que sigue un especialista (médico, biólogo, geólogo, matemático, etc).
Por ello, cuando se empieza a crear un sistema de este tipo se debe comenzar
por identificar y recoger, del experto humano, los conocimientos que éste
utiliza: conocimientos teóricos (explícitos) , pero sobre todo los conocimientos
empíricos adquiridos en la práctica (tácitos). La figura 3 muestra el
funcionamiento conceptual de un sistema experto.
Tecnologías enfocadas a la creación y
codificación del conocimiento
Workflow systems
Un workflow
es la automatización de un proceso de negocio, el cual es una secuencia lógica
de actividades, que se ejecutan en forma sincronía o asíncrona, manual o
automáticamente.
Asimismo, el
workflow hace explícito el conocimiento que esta inmerso en cada proceso
analizado, en otras palabras es la codificación formal del conocimiento que ya
existe.
Knowledge map systems
La tecnología
knowledge map systems trabajan como las “páginas amarillas” del conocimiento,
donde se contiene una lista de “quien sabe que”.
Ésta
tecnología no representa un repositorio de conocimiento, su principal cualidad
es la de indicar que personas son las indicadas para un tema en particular,
propiciando el intercambio de conocimiento tácito.
Tecnologías de Business Intelligence
Business
Intelligence, el cual es un concepto que trata de englobar todos los sistemas
de información de una organización para obtener de ellos no solo información o
conocimiento, si no una verdadera inteligencia que le confiera a la
organización una ventaja competitiva por sobre sus competidores.
El
cambiante entorno económico y la problemática de sistemas descrita
anteriormente impulsaron el surgimiento del llamado Business Intelligence, el
cual es un concepto que trata de englobar todos los Sistemas de Información de
una organización para obtener de ellos no solo información o conocimiento, si
no una verdadera inteligencia que le confiera a la organización una ventaja
competitiva por sobre sus competidores.
Hackney
(2001) nos dice que el Business Intelligence se compone de todas las actividades
relacionadas a la organización y entrega de información así como el análisis
del negocio. Esto incluye Minería de Datos, Administración del Conocimiento,
Aplicaciones Analíticas, Sistemas de
Reportes y principalmente Data Warehousing.
Michel
(2000) afirma que el conjunto de tecnologías que usan Data Warehousing y OLAP
(On-line Analitic Procesing, procesamiento analítico en línea), combinado con
herramientas de reporte, son referidas como Business Intelligence, porque
ayudan a las compañías a ganar inteligencia en operaciones y desempeño.
Buksard,
Mollot y Richards (2000) comentan en su artículo que la necesidad de nuevas
herramientas de acceso y reporte de información, para diversos tipos de
usuarios, ha impulsado la creación de nuevas herramientas, colectivamente
conocidas como Business Intelligence. Business Intelligence no es una sola
tecnología o aplicación. No es una "cosa", sino que se trata de un
"suite" de productos que trabajan de manera conjunta para proveer
datos, información y reportes analíticos que satisfagan las necesidades de una
gran variedad de usuarios finales.
Business Intelligence es la habilidad de
consolidar información y analizarla con la suficiente velocidad y precisión
para descubrir ventajas y tomar mejores decisiones de negocios. Definición
compatible con la necesidad actual de los negocios que ante la presión de ser
cada día más competitivos, para mantenerse tienen la doble tarea no sólo de
permanecer sino de ser lucrativos (Cano, 1999).
Por
último, el vicepresidente y director de investigaciones del Grupo Gartner,
Howard Dresner, citado en Hilson (2001) coincide con las anteriores
definiciones, y el agrega: "Business Intelligence es simplemente la
habilidad de los usuarios finales para acceder y analizar tipos cuantitativos
de información y ser capaz de actuar en consecuencia".
Elementos del Business Intelligence.
El
mercado de Business Intelligence crecerá aproximadamente a niveles de 148
billones, de acuerdo con Survey.com. Conociendo estas tendencias, es crítico
para cualquier negocio, independientemente del tamaño, contar con la mejor
tecnología que puedan disponer. El surgimiento de estas nuevas tecnologías, así
como las nuevas tecnologías web–based, ofrecen muchas mayor capacidad a un
precio dramáticamente menor que hace apenas un par de años.
Los
sistemas actuales de Business Intelligence están construidos en una moderna
infraestructura, que consisten de una arquitectura federada (también conocida
como modular) que acomoda todos los componentes en un moderno sistema de
inteligencia del negocio (Hackney, 2000). Estos sistemas incluyen:
Data Warehousing y
Data Marts, sistemas de almacén de datos.
Aplicaciones
analíticas.
Data Mining,
herramientas para minería de datos.
OLAP, herramientas
de procesamiento analítico de datos.
Herramientas de
consulta y reporte de datos.
Herramientas de
producción de reportes personalizados.
ELT, herramientas
de extracción, traducción y carga de datos.
Herramientas de
administración de sistemas.
Portales de
información empresarial.
Sistemas de base
de datos.
Sistemas de
administración del conocimiento.
Tecnologías para toma de decisiones
administrativas
La
tecnología a través del impacto que genera el aumento en la velocidad con la
cual se generan las transacciones financieras, a través del fenómeno INTERNET.
La segunda variable de complejidad y globalización de los negocios, requiere
que la contabilidad establezca nuevos métodos para el tratamiento y
presentación de la información financiera. La última variable relacionada con
la formación y educación requiere que los futuros gerentes dominen el lenguaje
de los negocios.
Un
sistema de información contable comprende los métodos, procedimientos y
recursos utilizados por una entidad para llevar un control de las actividades
financieras y resumirlas en forma útil para la toma de decisiones.
La
información contable se puede clasificar en dos grandes categorías: la
contabilidad financiera o la contabilidad externa y la contabilidad de costos o
contabilidad interna. La contabilidad financiera muestra la información que se
facilita al público en general, y que no participa en la administración de la
empresa, como son los accionistas, los acreedores, los clientes, los
proveedores, los analistas financieros, entre otros, aunque esta información
también es de mucho interés para los administradores y directivos de la
empresa. Esta contabilidad permite obtener información sobre la posición
financiera de la empresa, su grado de liquidez y sobre la rentabilidad de la
empresa.
La
contabilidad de costos estudia las relaciones costos - beneficios - volumen de
producción, el grado de eficiencia y productividad, y permite la planificación
y el control de la producción, la toma de decisiones sobre precios, los
presupuestos y la política del capital. Esta información no suele difundirse al
público. Mientras que la contabilidad financiera tiene como objetivo genérico
facilitar al público información sobre la situación económica - financiera de
la empresa; y la contabilidad de costos tiene como objetivo esencial facilitar
información a los distintos departamentos, a los directivos y a los
planificadores para que puedan desempeñar sus funciones.
El
propósito de la contabilidad es proporcionar información financiera sobre una
entidad económica. Quienes toman las decisiones administrativas necesitan de
esa información financiera de la empresa para realizar una buena planeación y
control de las actividades de la organización.
El papel del sistema contable de la
organización es desarrollar y comunicar esta información. Para lograr estos
objetivos se puede hacer uso de computadores, como también de registros
manuales e informes impresos.
Almacenes de datos
(Datawarehouse)
Almacén de datos (del inglés data warehouse) es una colección
de datos orientadas a un dominio, integrado, no volátil y varía en el tiempo
que ayuda a la toma de decisiones de la empresa u organización.
Se trata de un expediente de una empresa más allá de la
información transaccional y operacional, almacenada en una base de datos diseñada
para favorecer análisis y la divulgación eficientes de datos (especialmente
OLAP). El almacenamiento de los datos no debe usarse con datos de uso actual.
Los almacenes de los datos contienen a menudo grandes cantidades de información
que se subdividen a veces en unidades lógicas más pequeñas, llamadas los
centros comerciales, dependientes de los datos.
Generalmente, dos ideas
básicas dirigen la creación de un almacén de los datos:
Integración de los
datos de bases de datos distribuidas y diferentemente estructuradas, que
facilita una descripción global y un análisis comprensivo en el almacén de los
datos.
Separación de los
datos usados en operaciones diarias de los datos usados en el almacén de los
datos para los propósitos de la divulgación, de la ayuda en la toma de
decisiones, para el análisis y para controlar.
Un Almacén de Datos debe entregar la información correcta a la
gente indicada en el momento adecuado en el formato correcto. El Almacén de
Datos da respuesta a las necesidades de usuarios conocedores, utilizando
Sistemas de Soporte de Decisiones (DSS), Sistemas de información ejecutiva
(EIS) o herramientas para hacer consulta o informes. Los usuarios finales
fácilmente pueden hacer consultas sobre sus Almacenes de Datos sin tocar o
afectar la operación del sistema.
Elementos que integran un DW
(Data Warehouse).
Metadata
Uno de los
componentes más importantes de la arquitectura de un DW es el Metadata. Es
definido comúnmente como "datos acerca de los datos", en el sentido
de que se trata de datos que describen cuál es la estructura de los datos y
cómo se relacionan. El Metadata documenta exactamente, entre otras cosas, qué
tablas existen para esa aplicación, qué columnas posee cada una de las tablas y
qué tipo de datos se pueden almacenar. Los datos son de interés para el usuario
final, el Metadata es de interés para los programas que tienen que manejar
estos datos. Sin embargo, el rol que cumple el Metadata en un ambiente de DW es
muy diferente al rol que cumple en los ambientes operacionales. En un ambiente
de DW el Metadata juega un papel fundamental.
Middleware
La función
del Middleware es la de asegurar la conectividad entre todos los componentes de
la arquitectura de un DW. El Middleware puede verse como una capa API, en base
a la cual los programadores pueden desarrollar aplicaciones que trabajen en
diferentes ambientes sin preocuparse de los protocolos de red y comunicaciones
en que se correrán. De esta manera se ofrece una mejor relación
costo/rendimiento que pasa por el desarrollo de aplicaciones más complejas, en
menos tiempo.
API
Application
Programmer Interface. Interfaz de Programación de Aplicación. Lenguaje y
formato de mensaje utilizados por un programa para activar e interactuar con
las funciones de otro programa o de un equipo físico. Asegura la conectividad
entre todos los componentes de una infraestructura informática. Es la estructura para enlazar todas
las aplicaciones en forma integrada.
Mecanismos de Extracción
Otro de los
componentes de la arquitectura de un DW son los sistemas OLAP. Estos tipos de
sistemas están orientados a la realización de análisis estratégicos de la
información contenida en un DW de una manera ad-hoc. Los análisis estratégicos
requieren de una visión dinámica y multidimensional de la información diferente
a la que se encuentra en los sistemas OLTP. Este tipo de análisis esta
orientado a procesar grandes volúmenes de datos de forma de poder medir la
evolución del negocio a través del tiempo, mediante la confección de
comparaciones, el estudio de indicadores, desviaciones, etc. Esto requiere la
posibilidad de realizar análisis Top Down, es decir que estos sistemas deben
poseer el dinamismo necesario para permitir la reformulación de la consulta
realizada de acuerdo al análisis de los resultados obtenidos en una primera
instancia.
Mecanismos de Carga
Existen dos
formas básicas de desarrollar esta tarea, las que se explican a continuación.
Acumulación Simple
La acumulación simple es, sin duda, la más sencilla y común, y
consiste en realizar una sumarización o resumen de todas las transacciones
comprendidas en el período de tiempo seleccionado y transportar el resultado
como una única transacción hacia el DW.
Rolling
El proceso de
Rolling por su parte, se aplica en los casos en que se opta por mantener varios
niveles de granularidad. Para ello se almacena información resumida a distintos
niveles, correspondientes a distintas agrupaciones de la unidad de tiempo.
Diseño de un Data Warehouse
Para construir un Data Warehouse se
necesitan herramientas para ayudar a la migración y a la transformación de los
datos hacia la bodega de datos. Ya construido, se requieren medios para manejar
grandes volúmenes de información. Dependiendo de la estructura interna de los
datos de
Ambiente Actual
Cualquier solución propuesta de Data
Warehouse debe estar muy orientada por las necesidades del negocio y debe ser
compatible con la arquitectura técnica existente y planeada de la compañía.
Ambiente De Negocios
Es indispensable tener el
conocimiento exacto sobre el tipo de negocios de
Ambiente Técnico
Se debe incluir tanto el aspecto de
ambiente hardware: mainframes, servidores, redes, así como aplicaciones y
herramientas. Se dará énfasis a los Sistemas de Soporte en
Expectativas De Los Usuarios Un proyecto de
Bodega de Datos no es un proyecto tecnológico, es una forma de Vida de las
Organizaciones y como tal, tiene que contar con el apoyo de todos los usuarios
y su convencimiento sobre su bondad.
Etapas de Desarrollo
Con el conocimiento previo, ya se
entra en el desarrollo de una Estrategia Conceptual para la construcción de un
DW.
Ambiente de Negocios
Es indispensable tener el
conocimiento exacto sobre el tipo de negocios de la organización y el soporte
que representa la información dentro de todo su proceso de toma de decisiones.
Prototipo
Un prototipo es un esfuerzo
designado a simular tanto como sea posible el producto que será entregado a los
usuarios.
Piloto
El piloto de
Prueba del concepto
tecnológico
Es un paso opcional que se puede
necesitar para determinar si la arquitectura especificada del DW funcionará
finalmente como se espera.
Minería de datos (Dataminig)
Tradicionalmente,
las técnicas de minería de datos se aplicaban sobre información contenida en
almacenes de datos. De hecho, muchas grandes empresas e instituciones han
creado y alimentan bases de datos especialmente diseñadas para proyectos de
minería de datos en las que centralizan información potencialmente útil de
todas sus áreas de negocio, etc. No obstante, actualmente está cobrando una
importancia cada vez mayor la minería de datos desestructurados como
información contenida en ficheros de texto, en Internet, etc.
Suscita cierta polémica el definir las fronteras existentes entre la
minería de datos y disciplinas análogas, como pueden serlo la estadística, la
inteligencia artificial, etc. Hay quienes sostienen que la minería de datos no
es sino estadística envuelta en una
jerga de negocios que la conviertan en un producto vendible. Otros, en cambio,
encuentran en ella una serie de problemas
y métodos específicos que la hacen distinta de otras disciplinas.
El hecho es
que la práctica totalidad de los modelos y algoritmos de uso general en minería
de datos —redes neuronales, árboles
de regresión y clasificación, modelos logísticos, análisis de componentes
principales, etc. — gozan de una tradición relativamente larga en otros campos.
Ciertamente,
. Análisis de
. Regresión: define la relación entre una o más variables y un
conjunto de variables predictoras de las primeras.
. Ji cuadrado: por medio del cual se realiza el contraste la
hipótesis de dependencia entre variables.
. Análisis cluster: permite la clasificación de una población
en un número determinado de grupos, en base a semejanzas y desemejanzas de
perfiles existentes entre los diferentes componentes de la población.
. Análisis discriminante: permite la clasificación de
individuos en grupos que previamente se han establecido, permite encontrar la
regla de clasificación de los elementos de estos grupos, y por tanto una mejor
identificación de cuáles son las variables que definan la pertenencia al grupo.
. Series temporales: permite el estudio de la evolución de una
variable a través del tiempo para, a partir de ese conocimiento, y bajo el
supuesto de que no van a producirse cambios estructurales, poder realizar
predicciones.
De
Algoritmos
genéticos: Son métodos numéricos de optimización, en los que aquella variable o
variables que se pretenden optimizar junto con las variables de estudio
constituyen un segmento de información. Aquellas configuraciones de las
variables de análisis que obtengan mejores valores para la variable de
respuesta, corresponderán a segmentos con mayor capacidad reproductiva. A
través de la reproducción, los mejores segmentos perduran y su proporción crece
de generación en generación. Se puede además introducir elementos aleatorios
para la modificación de las variables (mutaciones). Al cabo de cierto número de
iteraciones, la población estará constituida por buenas soluciones al problema
de optimización, pues las malas soluciones han ido descartándose, iteración
tras iteración.
Inteligencia
Artificial: Mediante un sistema informático que simula un sistema inteligente,
se procede al análisis de los datos disponibles. Entre los sistemas de
Inteligencia Artificial se encuadrarían los Sistemas Expertos y las Redes
Neuronales.
Sistemas
Expertos: Son sistemas inteligentes que han sido creados a partir de reglas
practicas extraídas del conocimiento de expertos.
Redes neuronales: Genéricamente, son métodos de proceso numérico en paralelo, en el que las variables interactúan mediante transformaciones lineales o no lineales, hasta obtener unas salidas. Estas salidas se contrastan con los que tenían que haber salido, basándose en unos datos de prueba, dando lugar a un proceso de retroalimentación mediante el cual la red se reconfigura, hasta obtener un modelo adecuado.
Las
técnicas de minería de datos se emplean para mejorar el rendimiento de procesos
de negocio o industriales en los que se manejan grandes volúmenes de
información estructurada y almacenada en bases de datos. Por ejemplo, se usan
con éxito en aplicaciones de control de procesos productivos, como herramienta
de ayuda a la planificación y a la decisión en marketing, finanzas, etc.
Asimismo, la
minería de datos es fundamental en la investigación científica y técnica, como
herramienta de análisis y descubrimiento de conocimiento a partir de datos de
observación o de resultados de experimentos.
Fases
de un Proyecto de Minería de Datos
Casos
de Estudio: Ejemplos de Proyectos de Aplicación de
Data
Mining, la extracción de información oculta y predecible de grandes bases de
datos, es una poderosa tecnología nueva con gran potencial para ayudar a las
compañías a concentrarse en la información más importante de sus Bases de
Información (Data Warehouse). Las herramientas de Data Mining predicen futuras
tendencias y comportamientos, permitiendo en los negocios tomar decisiones
proactivas y conducidas por un conocimiento acabado de la información
(knowledge-driven). Los análisis prospectivos automatizados ofrecidos por un
producto así van más allá de los eventos pasados provistos por herramientas
retrospectivas típicas de sistemas de soporte de decisión. Las herramientas de
Data Mining pueden responder a preguntas de negocios que tradicionalmente
consumen demasiado tiempo para poder ser resueltas y a los cuales los usuarios
de esta información casi no están dispuestos a aceptar. Estas herramientas
exploran las bases de datos en busca de patrones ocultos, encontrando
información predecible que un experto no puede llegar a encontrar porque se
encuentra fuera de sus expectativas.
Fundamentos del
Data Mining
Las
técnicas de Data Mining son el resultado de un largo proceso de investigación y
desarrollo de productos. Esta evolución comenzó cuando los datos de negocios
fueron almacenados por primera vez en computadoras, y continuó con mejoras en
el acceso a los datos, y más recientemente con tecnologías generadas para
permitir a los usuarios navegar a través de los datos en tiempo real. Data
Mining toma este proceso de evolución más allá del acceso y navegación
retrospectiva de los datos, hacia la entrega de información prospectiva y
proactiva. Data Mining está listo para su aplicación en la comunidad de
negocios porque está soportado por tres tecnologías que ya están
suficientemente maduras:
Recolección masiva
de datos
Potentes
computadoras con multiprocesadores
Algoritmos de Data
Mining
Técnicas más
comúnmente usadas en Data Mining son:
Redes neuronales
artificiales: modelos predecibles no-lineales que aprenden a través del
entrenamiento y semejan la estructura de una red neuronal biológica.
Árboles de
decisión: estructuras de forma de árbol que representan conjuntos de
decisiones. Estas decisiones generan reglas para la clasificación de un
conjunto de datos. Métodos específicos de árboles de decisión incluyen Árboles
de Clasificación y Regresión (CART: Classification And Regression Tree) y
Detección de Interacción Automática de Chi Cuadrado (CHAI: Chi Square Automatic
Interaction Detection)
Algoritmos genéticos:
técnicas de optimización que usan procesos tales como combinaciones genéticas,
mutaciones y selección natural en un diseño basado en los conceptos de
evolución.
Método del vecino
más cercano: una técnica que clasifica cada registro en un conjunto de datos
basado en una combinación de las clases del/de los k registro (s) más
similar/es a él en un conjunto de datos históricos (donde k 1). Algunas veces se llama la técnica del vecino k-más
cercano.
Regla de
inducción: la extracción de reglas if-then de datos basados en significado
estadístico.
Minería Web (Web Mining)
La minería Web trata de descubrir
patrones interesantes en la estructura, el contenido y la utilización de los
sitios Web. Herramienta imprescindible para el Web master, todavía tiene, sin
embargo, un largo recorrido por delante en el que la visualización juega un
importante papel.
El
término "Web mining" fue acuñado por O. Etzioni* en 1996 y se podría
definir como la integración de
información obtenida mediante los métodos tradicionales de la minería de datos
con información recogida sobre
Mapa conceptual de
Fuente: mapa creado por el
autor con IHMC CmapTools v3.10
Como muy bien expone Patricio Galeas
en su página sobre minería Web, ésta se nutre principalmente de tres ámbitos
dentro del campo del descubrimiento del conocimiento:
- Minería de
Esta especialidad pretende revelar la estructura real de un sitio Web a través de la recogida de datos referentes a su estructura y, principalmente a su conectividad. Típicamente tiene en cuenta dos tipos de enlaces: estáticos y dinámicos. - Minería de
Contenido de
Su objetivo es la recogida de datos e identificación de patrones relativos a los contenidos de - Minería de páginas Web, que
extraen patrones directamente de los contenidos existentes en las
páginas. Los datos que se utilizan en este caso son
- Texto libre
- Páginas escritas en HTML
- Páginas escritas en XML
- Elementos multimedia
- Cualquier otro tipo de contenido presente en
- Minería de resultados
de búsqueda, que intenta
identificar patrones en los resultados de los motores de búsqueda.
- Minería de
Aquí lo que se intenta es bucear en los registros de los servidores (log files) sobre las transacciones informáticas que se realizan en - Seguimiento de patrones
generales de acceso. Interesa en esta estrategia no los
patrones de un visitante concreto son la integración de ellos en tendencias
generales que nos permitan reestructurar
- Seguimiento personalizado
de patrones de acceso. Aquí lo que interesa es obtener datos sobre el
comportamiento y la interacción con nuestro sitio Web por parte de
visitantes individuales a fin de establecer perfiles de acceso / compra
de forma que se pueda ofrecer una experiencia personalizada a cada
cliente. Caso arquetípico el de amazon.com y
sus sugerencias de compra.
La minería
Web es una disciplina con un importante potencial. Pese al creciente y enorme
volumen de sitios Web existentes,
todavía es baja la proporción de sitios Web
que emplean herramientas de minería Web para analizar su
estructura, contenido y utilización en aras de un mejor servicio al usuario y
de la mejora del negocio.
Por
otro lado la minería Web sufre de los mismos problemas que la avalancha de
datos general, hacen falta
herramientas de visualización.
ERP
Los sistemas de planificación de recursos
empresariales (ERPs) son sistemas de información gerenciales que
integran y manejan muchas de las prácticas de los negocios asociados con las
operaciones de producción y de los aspectos de distribución de una compañía
comprometida en la producción de bienes o servicios
Los sistemas
ERP son sistemas integrales de gestión para la empresa. Se caracterizan por
estar compuestos por diferentes partes integradas en una única aplicación.
Estas partes son de diferente uso, por ejemplo: producción, ventas, compras,
logística, contabilidad (de varios tipos), gestión de proyectos, GIS (sistema
de información geográfica), inventarios y control de almacenes, pedidos,
nóminas, etc. Solo podemos definir un ERP como la integración de todas estas
partes. Lo contrario sería como considerar un simple programa de facturación
como un ERP por el simple hecho de que una empresa integre únicamente esa
parte. Ésta es la diferencia fundamental entre un ERP y otra aplicación de
gestión. El ERP integra todo lo necesario para el funcionamiento de los
procesos de negocio de la empresa. No podemos hablar de ERP en el momento que
tan sólo se integra uno o una pequeña parte de los procesos de negocio. La
propia definición de ERP indica la necesidad de "Disponibilidad de toda la
información para todo el mundo todo el tiempo".
Los objetivos
principales de los sistemas ERP son:
- Optimización
de los procesos empresariales.
- Acceso a toda
la información de forma confiable, precisa y oportuna (integridad de
datos).
- La
posibilidad de compartir información entre todos los componentes de la
organización.
- Eliminación
de datos y operaciones innecesarias (o redundantes).
- Reducción de
tiempos y de los costes de los procesos (mediante procesos de
reingeniería).
El propósito
fundamental de un ERP es otorgar apoyo a los clientes del negocio, tiempos
rápidos de respuesta a sus problemas así como un eficiente manejo de
información que permita la toma oportuna de decisiones y disminución de los
costos totales de operación.
Hay tres
características que distinguen a un ERP y eso es que son sistemas integrales,
modulares y adaptables:
- Integrales, porque permiten controlar los diferentes procesos de la compañía
entendiendo que todos los departamentos de una empresa se relacionan entre
sí, es decir, que el resultado de un proceso es punto de inicio del
siguiente. Por ejemplo, en una compañía, el que un cliente haga un pedido
representa que se cree una orden de venta que desencadena el proceso de
producción, de control de inventarios, de planeación de distribución del
producto, cobranza, y por supuesto sus respectivos movimientos contables.
Si la empresa no usa un ERP, necesitará tener varios programas que
controlen todos los procesos mencionados, con la desventaja de que al no
estar integrados, la información se duplica, crece el margen de contaminación
en la información (sobre todo por errores de captura) y se crea un
escenario favorable para malversaciones. Con un ERP, el operador
simplemente captura el pedido y el sistema se encarga de todo lo demás,
por lo que la información no se manipula y se encuentra protegida.
- Modulares. Los ERP entienden que una empresa es un conjunto de departamentos
que se encuentran interrelacionados por la información que comparten y que
se genera a partir de sus procesos. Una ventaja de los ERP, tanto
económica como técnicamente es que la funcionalidad se encuentra dividida
en módulos, los cuales pueden instalarse de acuerdo con los requerimientos
del cliente. Ejemplo: Ventas, Materiales, Finanzas, Control de Almacén,
etc.
- Adaptables. Los ERP están creados para adaptarse a la idiosincrasia de cada
empresa. Esto se logra por medio de la configuración o parametrización de
los procesos de acuerdo con las salidas que se necesiten de cada uno. Por
ejemplo, para controlar inventarios, es posible que una empresa necesite
manejar la partición de lotes pero otra empresa no
CRM
CRM (del inglés
"Customer Relationship Management"), significa de manera literal, la
administración de la relación comercial con los clientes de una empresa
La parte
fundamental de toda estrategia CRM es la base de datos.
Para comenzar
con el desarrollo de una buena base de datos se aconseja el desarrollo de un
club de la empresa, aunque pueden generarse muchos datos con estrategias de
comunicación convencionales como pueden ser
¿Qué son las
bases de datos de marketing? Las bases de marketing tienen como finalidad
cargar y almacenar perfiles de los clientes con datos más subjetivos como, por
ejemplo, qué le gusta hacer en su tiempo libre, qué tipo de comida consume,
etc., datos que están enfocados a poder desarrollar un perfil de cliente de modo
que podamos brindarle una oferta que esté realmente hecha para él. Por esto es
que las estrategias de marketing directo basadas en un desarrollo CRM tienen
tanto éxito en todo el mundo.
Cada vez más
empresas en todo el mundo hacen uso de una herramienta informática llamada CRM
(Customer Relationship Management). El motivo es que dicha herramienta le ayuda
a mejorar las relaciones con sus clientes conduciéndole a una mayor
rentabilidad comercial
Algunos factores claves a cubrir
en una implementación CRM:
· Compartir información con los proveedores: de esta manera
no estamos asegurando de que el producto, desde su materia prima, cuente con
las características deseadas por el cliente.
· Determinación de las campañas de mercadeo: se debe
identificar cuáles son las formas de mercadeo que realmente llegan a nuestros
clientes y cuáles son las que permiten atraer nuevos. Hay que determinar
si se pueden realizar campañas de correo directo, de email marketing, de
contacto directo en puntos de venta, etc.
· Gestión rápida y efectiva de peticiones de servicio y
pedidos: a través de la operacionalización de call centers o la automatización
de la fuerza de ventas aprovechando
Business Process Management
Disciplina empresarial cuyo objetivo es mejorar la eficiencia
a través de la gestión sistemática de los procesos de negocio (BPR), que se
deben modelar, automatizar, integrar, monitorizar y optimizar de forma
continua.
Como su
nombre lo sugiere Business Process Management (BPM) se enfoca en la
administración de los procesos del negocio. Podemos decir que es una estrategia
empresarial cuyo objetivo es mejorar la eficiencia a través de la gestión
sistemática de los procesos de negocio, donde es necesario continuamente
modelar, automatizar, administrar y optimizar los mismos.
A través del modelado de las actividades y procesos
logramos un mejor entendimiento del negocio y muchas veces esto presenta la
oportunidad de mejorarlos. La automatización
de los procesos reduce errores, asegurando que los mismos se comporten siempre
de la misma manera y dando elementos que permitan visualizar el estado de los
mismos. La administración de los
procesos nos permite asegurarnos de que los mismos estén ejecutándose
eficientemente y obtener información que luego puede ser usada para mejorarlos.
Es a través de la información que se obtiene de la ejecución diaria de los
procesos que se puede identificar posibles ineficiencias en los mismos y de
esta forma optimizarlos.
Metodologías de Inteligencia de
Negocios
BI
es una alternativa tecnológica y de administración de negocios, que cubre los
aspectos del manejo de información para la toma de decisiones, desde su
extracción en los sistemas, depuración, transformación, diseño de estructuras
de datos o modelos especiales para el almacenamiento de datos, hasta la
explotación de la información mediante herramientas comerciales de fácil uso
para los usuarios. Éste concepto es llamado también DataWarehouse (DWH).
A continuación se detalla cada uno de los elementos
de los elementos del DWH:
Extracción:
Procesos automatizados cuyo objetivo es el de obtener los datos necesarios para
la toma de decisiones de la fuente oficial dentro de la organización, sistema
transaccional, Microsoft Excel, etc.
Depuración:
Detección y arreglo mediante reglas de negocio, de las inconsistencias
información extraída
Transformación:
Aplicación de reglas para transformar los datos almacenados en las fuentes
oficiales en información para toma de decisiones, aplicación de cálculos y
fórmulas para indicadores
Diseño de estructuras:
Diseño y creación de bases de datos especiales para el almacenamiento de la
información de toma de decisiones
Herramientas de Explotación: Éstas son sistemas que ayudan al usuario a la exploración de los datos
y generación de vistas de información. Se dividen en Reporteadores, Sistemas de
Análisis Multidimensional, Sistemas de Apoyo a
Metodología de desarrollo de Ralph Kimball
Ralph
Kimball, es reconocido como uno de los padres del concepto de Datawarehouse, se
ha dedicado desde hace más de 10 años al desarrollo de su metodología para que
éste concepto sea bien aplicado en las organizaciones y se asegure la calidad
en el desarrollo de estos proyectos.
La
metodología de Ralph Kimball se enfoca principalmente en el diseño de la base
de datos que almacenará la información para la toma de decisiones.
El
diseño se basa en la creación de tablas de hechos, es decir, tablas que
contengan la información numérica de los indicadores a analizar, o sea la parte
cuantitativa de la información para la toma de decisiones.
Las
tablas anteriores se relacionan con tablas de dimensiones, las cuales contienen
la información cualitativa, de los indicadores, es decir, toda aquella
información que clasifique la información requerida.
A éste modelo de
datos se le conoce como "diseño
estrella", existen variaciones de éste, llamados "copo de nieve" y "diseño flat". Todos estos
diseños tienen la característica de preparar la información de acuerdo a la
necesidad de tomar decisiones y no a los argumentos técnicos de espacio de
almacenamiento.
Metodologías de Gestión de Conocimiento
Proceso de Estrategia del
Conocimiento.
Infografias:
http://www.tecnotendencias.com/modules.php?name=Encyclopedia&op=content&tid=203
http://www.urudata.com/Esp/PYS_USO_SOC_KnoMan.asp
http://www.intangiblecapital.org/Articulos/N4/0026.htm
http://www.gestiopolis.com/recursos/documentos/fulldocs/ger/bintna.htm
http://es.wikipedia.org/wiki/Almac%C3%A9n_de_datos
http://www.monografias.com/trabajos/datamining/datamining.shtml
http://html.rincondelvago.com/automatizacion-del-sistema-contable.html
http://es.wikipedia.org/wiki/Miner%C3%ADa_de_datos
http://www.daedalus.es/AreasMD-E.php
http://www.infovis.net/printMag.php?num=172&lang=1
http://www.tuobra.unam.mx/publicadas/040702105342-ERP.html
http://es.wikipedia.org/wiki/Planificaci%C3%B3n_de_recursos_empresariales
http://es.wikipedia.org/wiki/CRM
http://www.gestiopolis.com/canales/gerencial/articulos/20/crm.htm
http://es.wikipedia.org/wiki/Business_Process_Management
http://www.gopac.com.mx/bi/que.htm
http://www.gestiopolis.com/dirgp/adm/gestionconocimiento.htm
http://www.monografias.com/trabajos28/gestion-conocimiento/gestion-conocimiento.shtml