Unidad 3 - Fase 4 - Identificar técnicas inteligentes en la Gestión del Conocimiento

Flowchart nodes

• TÉCNICAS INTELIGENTES PARA LA GESTIÓN DEL CONOCIMIENTO

• La gestión del conocimiento (del inglés Knowledge Management) es un concepto importante y crucial para fortalecer verdaderamente la ventaja competitiva ya que está relacionada con el talento estratégico para conseguir los objetivos del negocio, administrando una infraestructura estratégica de personas, procesos e información para que ese conocimiento compartido apoye en decisiones acertadas y efectivas.

• BENEFICIOS - Combinar habilidades de aprender a aprender - Comunicación y colaboración - Pensamiento creativo y solución de problemas - Cultura tecnológica - Cultura global de negocios - Desarrollo de liderazgo - Autogestión de la carrera profesional  

• Diferentes técnicas inteligentes

• Inteligencia Empresarial (BI)

• la ayuda  a las organización en el análisis de los datos históricos y actuales de  modo que permitan extraer el conocimiento útil con rapidez para la toma de decisiones estratégicas. permite la recopilar y transformar los datos de distintos orígenes , revela las tendencias e incoherencias entre otros 

•     Las soluciones de BI podrían convertirse en una herramienta esencial para la toma de decisiones y el desarrollo de estrategias.  - Medir los resultados de las campañas de marketing. - Obtener visibilidad de la liquidez, los márgenes brutos y los gastos operativos. - Capturar información sobre empleados y clientes potenciales para optimizar los procesos de RR. HH. y la contratación. - Seguimiento de las tendencias de piezas y materiales y el rendimiento de los proveedores. - Previsión de ingresos y transacciones. -accesibilidad a la información  - Optimización de los niveles de personal del almacén y el call center. - Obtención de vistas interempresariales. - estrecha relación con el BIG DATA      

• Mineria de datos 

• Es el proceso  de análisis de los datos en el campo de la estadística y las ciencias de la computación  con el fin de descubrir los patrones en grandes volúmenes de los conjuntos de los datos 

• Inteligencia artificial  Aprendizaje automático estadística los sistemas de bases de datos 

• Sistemas de Soporte a la Decisión (DSS)

• Es una herramienta de  Business intelligence enfocada en el análisis de los datos de una organización, facilitan la toma de decisiones  utilizando los datos y modelos para resolver los problemas no estructurados. tiene como función la recolección de los datos de todo tipo de fuente  facilitando su extracción  de información de forma ordenada 

•  Informes dinámicos, flexibles e interactivos:   No requiere conocimientos técnicos:   Rapidez en el tiempo de respuesta:  Integración entre todos los sistemas/departamentos de la compañía Cada usuario dispone de información adecuada a su perfil  Disponibilidad de información histórica

•   - Están diseñados para cubrir las necesidades específicas y particulares de la alta administración de la empresa. - Extraen, filtran, comprimen y dan seguimiento a información crítica del negocio. - Implica que los ejecutivos puedan interactuar en forma directa con el sistema sin el apoyo o auxilio de intermediarios. - Es un sistema desarrollado con altos estándares en sus interfaces hombre- máquina, caracterizado por gráficas de alta calidad, información tabular y en forma de texto. - Pueden acceder a información que se encuentra en línea, extrayéndose en forma directa de las bases de datos de la organización. - El sistema está soportado por elementos especializados de hardware, tales como monitores o videos de alta resolución y sensibles al tacto, ratón e impresoras con tecnología avanzada.

• Sistema de Información Ejecutiva (EIS )

• Es una herramienta software, basada en un DSS, que provee a los gerentes de un acceso sencillo a la información interna y externa de su compañía, y que es relevante para sus factores clave de éxito .su finalidad principal es la  que el ejecutivo tenga disposición de un panorama completo  en el estado de los indcadores  del negocio que afecten directa o indirectamente. 

• - permite la información a tiempo con un acceso mas rápido , con información exacta, relevante y concisa  - mejora el acceso  ala información  con los datos externos y mas información competitiva - mejora la comunicación y el desempeño ahorrando tiempo y una mejor presentación en los datos    

• Sistema de procesamiento analítico (OLAP) 

• .  es conocido como CSCW utilizado para describir un entorno de trabajo colaborativo asistido por computadora es utilizado para describir  cualquier tecnología que combina los recursos  del software y hardware para permitir  a las personas compartir la tecnología. Con las redes, la flexibilidad y capacidad de los sistemas de apoyo a las decisiones han crecido enormemente

•   En los últimos diez años el CSCW ha cambiado en todas las formas posibles,  cuando enTexas se celebró el primer workshop en 1986, desde entonces se ha cambiado convirtiéndose en una disciplina más madura que ha hecho  importantes aportes en áreas como Internet, workflow, mundos  virtuales.Estas características son: - Comunicaciones entre miembros del grupo. - Compartición de información. - Coordinación y control de objetos compartidos.   - Compartición de un espacio de trabajo, de Organización y entendimiento común del proceso de trabajo - Soporte a la decisión. 

• trabajo cooperativo asistido por computadora (CSCW )

•     Los sistemas OLAP (procesamiento analítico en línea) generalmente se dividen en uno de cuatro tipos: - OLAP multidimensional (MOLAP) es OLAP que indexa directamente en una base de datos multidimensional. - OLAP relacional (ROLAP) es OLAP que realiza un análisis multidimensional dinámico de datos almacenados en una base de datos relacional. - OLAP híbrido (HOLAP) es una combinación de ROLAP y MOLAP. HOLAP fue desarrollado para combinar la mayor capacidad de datos de ROLAP con la capacidad de procesamiento superior de MOLAP. - DOLAP es  orientado a equipos de escritorio (Desktop OLAP). Trae toda la información que necesita analizar desde la base de datos relacional y la guarda en el escritorio. Desde ese momento, todas las consultas y análisis son hechas contra los datos guardados en el escritorio.  

• Sistema s Expertos  (ES)

• Es un sistema que emplea conocimiento humano capturado en un ordenador para resolver problemas que normalmente resolverían humanos. Los sistemas bien diseñados imitan el proceso de razonamiento que los expertos utilizan para resolver problemas específicos. Estos sistemas pueden funcionar mejor que cualquier humano experto tomando decisiones individualmente en determinados dominios y pueden ser utilizados por humanos no expertos para mejorar sus habilidades en la resolución de problemas.

•   existen tres tipos de sistemas: basados en las reglas previamente establecido RBR (rule based reasoning) basados en casos o CBR (case based reasoning) basados en las redes bayesianas   

•  los sistemas expertos cuentan con cinco componentes: - Base de conocimiento: en este componente se representan los hechos y reglas. Aquí se almacena el conocimiento en un dominio particular, así como en las reglas para resolver un problema, procedimientos y datos intrínsecos relevantes para el dominio. - Motor de inferencia: es el cerebro del sistema experto. Su función es obtener el conocimiento relevante de la base de conocimientos, interpretarlo y encontrar una solución relevante para el problema del usuario. Contiene las reglas de su base de conocimiento y las aplica a los hechos conocidos para inferir nuevos hechos.  - Módulo de adquisición de conocimiento y aprendizaje: es la parte de estos sistemas que permite que el sistema experto adquiera cada vez más conocimiento de diversas fuentes y lo almacene en la base de conocimiento. - Interfaz de usuario: es la parte más crucial del sistema experto. Este módulo hace posible que un usuario no experto interactúe con el sistema experto y encuentre una solución a un problema. El componente toma la consulta de un usuario en una forma legible y pasa al motor de inferencia. Una vez allí, entran en funcionamiento los otros componentes y posteriormente muestra los resultados al usuario. En otras palabras, es una interfaz que ayuda al usuario a comunicarse con el sistema experto. - Módulo de explicación: en este módulo el sistema experto da una explicación al usuario sobre cómo el sistema experto llegó a una conclusión particular.  

•   Debe contar con la colaboración del experto Un SE no debe demorar más de 3 horas en resolver un problema. El conocimiento está distribuido pertenece a varias personas. Los sistemas expertos tienen pocos niveles de profundidad. Pueden explicar su razonamiento o decisiones sugeridas. Puede mostrar un comportamiento inteligente.  Puede obtener conclusiones de relaciones complejas.    

• - Que su acceso sea para solo lectura, a través de consultas, que por lo general presentan pocas inserciones de nuevos datos, actualizaciones de los mismos o eliminaciones. - Estos datos se deben estructurar de acuerdo a las áreas de negocios de la empresa y en formatos que se puedan integran con uniformidad en toda la empresa. - El historial de los datos almacenados debe permanecer en uso por largo plazo, en un tiempo que puede ir de dos a cinco años. - Estas bases deben tener fuentes de alimentación que vengan de los mismos sistemas operativos que existen en la empresa, y se buscan a través de métodos de extracción, transformación y de carga (ETL).

•   Ayuda a la toma de decisiones: una cantidad enorme de datos no sirve de mucho si no se analizan y extraen conclusiones. Este “trabajo de minería” hace referencia precisamente a bucear dentro de esos datos para quedarse con los relevantes, los que pueden aportar información que lleve a conclusiones y a “decisiones informadas”.   Tendencias: uno de los retos de la minería de datos es conseguir hallar tendencias entre grandes volúmenes. Son patrones o reglas que se repiten y que pueden llegar a explicar o detectar ciertos comportamientos. Por ejemplo, en el ámbito del marketing es posible agrupar personas con intereses y metas comunes y establecer un patrón sobre sus compras.   Previsión: como hemos visto en la definición de Minería de Datos, este trabajo ayuda a predecir y, por lo tanto, puede ser un complemento para que las empresas se anticipen a posibles escenarios. Por ejemplo, gestionando el riesgo o cubriendo una probable demanda de recursos.   Descubrir conocimiento: la minería de datos busca descubrir conocimientos en las bases de datos. Por ello, lo importante no es tener una inmensa base de datos, sino dar con la clave de patrones que nos permitan generar ese conocimiento.   Tecnología: el Data Mining no es una cuestión nueva, de hecho, este término se utiliza desde los años 90. Sus técnicas van mejorando conforme lo hace su tecnología y, actualmente, se sirve de disciplinas como la estadística (estudia la variabilidad), inteligencia artificial (inteligencia llevada a cabo por máquinas) y machine learning (aprendizaje automático de máquinas).   Diferentes ámbitos: este análisis predictivo se puede realizar en cualquier sector, aunque los más recurrentes son el marketing, los comercios o la banca. Por ejemplo, en el marketing se puede realizar una segmentación más precisa y crear campañas más personalizadas. En la banca, no solo sirve para estudiar tendencias a través de los pagos realizados por tarjetas de crédito, sino que también permite analizar transacciones para detectar el fraude.  

•   *   Sistemas de información gerencial (MIS):  Los sistemas de información gerencial (MIS, Management Information Systems), tambien llamados Sistemas de Información Administrativa (AIS) dan soporte a un espectro más amplio de tareas organizacionales, encontrándose a medio camino entre un DSS tradicional y una aplicación CRM/ERP implantada en la misma compañía.  * Sistemas expertos basados en inteligencia artificial (SSEE): Los sistemas expertos, también llamados sistemas basados en conocimiento, utilizan redes neuronales para simular el conocimiento de un experto y utilizarlo de forma efectiva para resolver un problema concreto. Este concepto está muy relacionado con el datamining. *  Sistemas de apoyo a decisiones de grupo (GDSS): Un sistema de apoyo a decisiones en grupos (GDSS, Group Decision Support Systems) es "un sistema basado en computadoras que apoya a grupos de personas que tienen una tarea (u objetivo) común, y que sirve como interfaz con un entorno compartido". El supuesto en que se basa el GDSS es que si se mejoran las comunicaciones se pueden mejorar las decisiones.

•   -  tomar decisiones para tratar de resolver problemas semiestructurados - incrementar el control organizacional  - Mejora la eficacia en la toma de decisiones más que su eficiencia - revela los nuevos enfoques  - fomenta la exploración y descubrimiento     

• Se define como

•   - Incremento de la eficiencia: Al contar con los datos de manera accesible y ágil puedes generar información de valor centralizada. - ​​​​​​Respuestas rápidas a situaciones de negocio: Poder tomar decisiones en el momento indicado. Gracias al BI  tener las respuestas en minutos de manera clara y concisa. - Control de las áreas funcionales de la empresa: La información de valor día a día, se puede aprovechar para conocer tendencias, proyectar datos, analizar escenarios, etc. - Mejora tu servicio al cliente: Al contar con la información más importante y en tiempo real se puede ofrecer a los clientes un servicio de mayor calidad desde el pedido hasta el servicio post-venta. - Presenta información por medio de tableros de indicadores para una comunicación más simple y directa de la situación de la empresa. 

• ventajas  

• Se caracteriza por:

• Que es 

•  tipos o métodos : 

•   redes neuronales:  es el paradigma de aprendizaje y el procesamiento automático  inspirado en la forma  que funciona el sistema nervioso  como la interconexión de las neuronas en la red que produce el estimulo. regresión lineal: es la mas utilizada para formar  la relación entre los datos Arboles de decisión: es el modelo de predicción utilizado en el ámbito de la inteligencia artificial y el análisis predictivo Modelos estadísticos: es la expresión simbólica en forma de igualdad o ecuación que se emplea en todos los diseños experimentales o de regresión. Agrupamiento o clustering: es una seri de vectores según los criterios habitualmente de distancia  Reglas de asociación: se utiliza para descubrir  los hechos que ocurren en común en un conjunto de datos         

•  tecnicas

• Se caracteriza por:

• Se define como

• beneficios

• tipos de sistemas

• Se caracteriza por 

• Se define como

• Beneficios 

• Se caracteriza por

• Se define como

• Sus caracteristicas son

• Se define como

• Sus caracteristicas son

• tipología

• Se define como

• tipos de sistemas 

• Sus componentes son

• caracteristicas  

•  Es una tecnología que organiza las bases de datos empresariales  y proporciona un análisis complejo  que se utiliza para realizar las consultas analíticas y complejas  sin afectar negativamente en los sistemas transaccionales 

• componentes 

• - esquema de creación de informes el conjunto de procesos de extracción y los análisis incorporados todos ellos incluidos en la aplicación. Se proporcionan paneles de control de Business Intelligence centrados en áreas de negocio específicas, como el Soporte de ingresos y los Servicios para la infancia.

• Beneficios 

• - Facilita la elaboración de informes con exhaustividad al manejar grandes cantidades de datos. Además, facilita el reporting haciendo los datos accesibles de manera intuitiva y rápida. - Permite conocer los comportamientos de los consumidores y las tendencias de los diferentes mercados y sectores. Esto supone una ventaja añadida, ya que se puede saber cuáles son las necesidades de los usuarios para ofrecerles soluciones que aumenten su nivel de satisfacción. se Identifica los puntos débiles de la empresa, permitiendo corregirlos y mejorar la eficiencia operativa, optimizar procesos, reducir costes y aumentar ingresos.  Ofrece una perspectiva más amplia de la empresa, lo que favorece un mayor control de la misma. Se pueden detectar deficiencias en las situaciones laborales de los empleados, pudiendo mejorarlas y aumentando su nivel de satisfacción, motivación y compromiso con la compañía.

• tipos 

• cuadro de mando integral  datamining datamart Datawarehouse

• beneficios 

• - permite a los empleados colaborar en tareas relacionadas con el trabajo a través de redes informáticas compartidas, software y procesos que ofrecen actualizaciones, ediciones e información en tiempo real - Los trabajadores también pueden interactuar entre sí a través de reuniones grupales y pueden mantener una conexión constante entre ellos mientras trabajan, ya sea que estén en el mismo lugar o en extremos opuestos del mundo

• componentes 

• -  Mismo tiempo/mismo lugar: Interacción cara a cara Mismo tiempo/diferente lugar: Interacción remota Diferente tiempo/mismo lugar: Trabajo continuo Diferente tiempo/diferente lugar: Comunicación y coordinación

• Beneficios

• contribuye a los usuarios a encontrar tendencias, detectar patrones y explorar los datos sin tener que conocer los detalles del análisis de datos tradicional

• componentes 

• se compone a través de los hechos numéricos o medidas que se clasifican por dimensiones 

• beneficios 

• una Producción y productividad mayor facilidad de trasmitir experiencia a través de fronteras internacionales accesiblidad  del conocimiento y a la información de las personas  en diversos lugares Confiabilidad Capacidad para trabajar con información incompleta o inconcreta