34655161
Descripción
Mapa Mental por Angelica Garcia Fuentes, actualizado hace más de 1 año
|
Creado por Angelica Garcia Fuentes
hace alrededor de 3 años
|
|
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)
- Se define como:
- Es el conjunto de procesos, aplicaciones y tecnologías
que facilitan la obtención rápida y sencilla de datos
provenientes de los sistemas de gestión empresarial
para su análisis e interpretación, de manera que puedan
ser aprovechados para la toma de decisiones y se
conviertan en conocimiento para los responsables del
negocio.
- Tiene ventajas 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.
- - 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.
- Se caracteriza por:
- Las soluciones de BI podrían convertirse en una
herramienta esencial para la toma de decisiones y el
desarrollo de estrategias. La información resultante
se puede utilizar en toda la empresa, desde el
marketing y las ventas hasta la cadena de suministro
y las finanzas, para tareas como: - 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. - Optimización de los
niveles de personal del almacén y el call center. -
Obtención de vistas interempresariales. - Detección
de nuevas oportunidades y patrones de ingresos.
- Las soluciones de BI podrían convertirse en una
herramienta esencial para la toma de decisiones y el
desarrollo de estrategias. La información resultante
se puede utilizar en toda la empresa, desde el
marketing y las ventas hasta la cadena de suministro
y las finanzas, para tareas como: - 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. - Optimización de los
niveles de personal del almacén y el call center. -
Obtención de vistas interempresariales. - Detección
de nuevas oportunidades y patrones de ingresos.
- Tiene ventajas como:
- Es el conjunto de procesos, aplicaciones y tecnologías
que facilitan la obtención rápida y sencilla de datos
provenientes de los sistemas de gestión empresarial
para su análisis e interpretación, de manera que puedan
ser aprovechados para la toma de decisiones y se
conviertan en conocimiento para los responsables del
negocio.
- Se define como:
- Sistema de Información Ejecutiva (EIS )
- Se define como
- Es una herramienta software, basada en un DSS, que provee a
los gerentes de un acceso sencillo a información interna y
externa de su compañía, y que es relevante para sus factores
clave de éxito. Presenta la información a través de
indicadores empresariales con cualidades específicas que
dependen del comportamiento del análisis. La información
de un EIS trabaja a través de matrices multidimensionales y
formatos de datos no típicos como Data Mart.
- Sus objetivos son
- Mantener informados a los ejecutivos sobre su división,
departamento, empresa y el entorno en que se encuentra.
Simplificar y organizar el acceso de la información.
Descubrir o identificar problemas que puedan surgir.
Generar información acerca del desempeño de sus
subordinados. Establecer medidas de eficiencia en los
factores críticos.
- Se caracteriza por
- - 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.
- - 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.
- Se caracteriza por
- Mantener informados a los ejecutivos sobre su división,
departamento, empresa y el entorno en que se encuentra.
Simplificar y organizar el acceso de la información.
Descubrir o identificar problemas que puedan surgir.
Generar información acerca del desempeño de sus
subordinados. Establecer medidas de eficiencia en los
factores críticos.
- Sus objetivos son
- Es una herramienta software, basada en un DSS, que provee a
los gerentes de un acceso sencillo a información interna y
externa de su compañía, y que es relevante para sus factores
clave de éxito. Presenta la información a través de
indicadores empresariales con cualidades específicas que
dependen del comportamiento del análisis. La información
de un EIS trabaja a través de matrices multidimensionales y
formatos de datos no típicos como Data Mart.
- Sistemas de Soporte a la Decisión (DSS)
- Se define como
- Son sistemas informáticos interactivos que
facilitan a los encargados tomar decisiones
utilizando datos y modelos para resolver
problemas no estructurados. Los DSS apoyan a
la toma de decisiones en base a datos
objetivos a nivel gerencial. Ayudan a
profundizar en la información hasta llegar a
un alto nivel de detalle, analizando los datos
desde diferentes perspectivas, permitiendo
realizar proyecciones de información para
pronosticar lo que puede ocurrir en el futuro,
análisis de tendencias, análisis prospectivo,
etc.
- Algunos tipos son:
- * 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
- * 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
- Se caracteriza por
- * Informes dinámicos, flexibles e interactivos: de
manera que el usuario no tenga que ceñirse a los
listados predefinidos que se configuraron en el
momento de la implantación, y que no siempre
responden a sus dudas reales. * No requiere
conocimientos técnicos: Un usuario no técnico puede
crear nuevos gráficos e informes y navegar entre
ellos, haciendo drag&drop o drill through. Por tanto,
para examinar la información disponible o crear
nuevas métricas no es imprescindible buscar auxilio
en el departamento de informática. * Rapidez en el
tiempo de respuesta: ya que la base de datos
subyacente suele ser un datawarehouse corporativo
o un datamart, con modelos de datos en estrella o
copo de nieve. Este tipo de bases de datos están
optimizadas para el análisis de grandes volúmenes
de información (vease ánalisis OLTP-OLAP). *
Integración entre todos los sistemas/departamentos
de la compañía: El proceso de ETL previo a la
implantación de un Sistema de Soporte a la Decisión
garantiza
- * Informes dinámicos, flexibles e interactivos: de
manera que el usuario no tenga que ceñirse a los
listados predefinidos que se configuraron en el
momento de la implantación, y que no siempre
responden a sus dudas reales. * No requiere
conocimientos técnicos: Un usuario no técnico puede
crear nuevos gráficos e informes y navegar entre
ellos, haciendo drag&drop o drill through. Por tanto,
para examinar la información disponible o crear
nuevas métricas no es imprescindible buscar auxilio
en el departamento de informática. * Rapidez en el
tiempo de respuesta: ya que la base de datos
subyacente suele ser un datawarehouse corporativo
o un datamart, con modelos de datos en estrella o
copo de nieve. Este tipo de bases de datos están
optimizadas para el análisis de grandes volúmenes
de información (vease ánalisis OLTP-OLAP). *
Integración entre todos los sistemas/departamentos
de la compañía: El proceso de ETL previo a la
implantación de un Sistema de Soporte a la Decisión
garantiza
- Sus objetivos son
- - Ayuda a los gerentes a tomar decisiones
para tratar de resolver problemas
semiestructurados - Apoya el juicio del
gerente en lugar de tratar de reemplazarlo -
Mejora la eficacia del gerente en la toma de
decisiones más que su eficiencia
- - Ayuda a los gerentes a tomar decisiones
para tratar de resolver problemas
semiestructurados - Apoya el juicio del
gerente en lugar de tratar de reemplazarlo -
Mejora la eficacia del gerente en la toma de
decisiones más que su eficiencia
- Algunos tipos son:
- Son sistemas informáticos interactivos que
facilitan a los encargados tomar decisiones
utilizando datos y modelos para resolver
problemas no estructurados. Los DSS apoyan a
la toma de decisiones en base a datos
objetivos a nivel gerencial. Ayudan a
profundizar en la información hasta llegar a
un alto nivel de detalle, analizando los datos
desde diferentes perspectivas, permitiendo
realizar proyecciones de información para
pronosticar lo que puede ocurrir en el futuro,
análisis de tendencias, análisis prospectivo,
etc.
- Se define como
- Se define como
- Sistemas Expertos (ES)
- Se define como
- 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.
- Sus componentes son
- Algunas de sus aplicaciones son
- A lo largo de los años, el uso de los sistemas expertos
se ha convertido en una necesidad de primer orden,
adaptándose a multitud de sectores y ramas dispares.
Estas son sus aplicaciones más destacadas: - Análisis
de préstamos. - Optimización de almacenes logísticos.
- Toma de decisiones financieras. - Planificación y
programación. - Gestión de datos. - Instalaciones
sanitarias. - Evaluación del desempeño de empleados.
- Monitorización y control de procesos.
- A lo largo de los años, el uso de los sistemas expertos
se ha convertido en una necesidad de primer orden,
adaptándose a multitud de sectores y ramas dispares.
Estas son sus aplicaciones más destacadas: - Análisis
de préstamos. - Optimización de almacenes logísticos.
- Toma de decisiones financieras. - Planificación y
programación. - Gestión de datos. - Instalaciones
sanitarias. - Evaluación del desempeño de empleados.
- Monitorización y control de procesos.
- tipología
- En la actualidad, existen tres tipos de sistemas
expertos: - Basados en reglas previamente
establecidas o RBR (Rule Based Reasoning), en
los que se aplican leyes heurísticas apoyadas en
la lógica difusa. - Basados en casos o CBR (Case
Based Reasoning) en los que se aplica el
razonamiento basado en la experiencia, es decir,
la solución a un problema se adapta a uno
nuevo. - Basados en redes bayesianas en los que
se aplican las redes bayesianas, basadas en
estadística y el teorema de Bayes.
- En la actualidad, existen tres tipos de sistemas
expertos: - Basados en reglas previamente
establecidas o RBR (Rule Based Reasoning), en
los que se aplican leyes heurísticas apoyadas en
la lógica difusa. - Basados en casos o CBR (Case
Based Reasoning) en los que se aplica el
razonamiento basado en la experiencia, es decir,
la solución a un problema se adapta a uno
nuevo. - Basados en redes bayesianas en los que
se aplican las redes bayesianas, basadas en
estadística y el teorema de Bayes.
- Esencialmente, 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
- Algunas de sus aplicaciones son
- Sus componentes son
- 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.
- Se define como
- trabajo cooperativo asistido por computadora (CSCW )
- Se define como
- Término utilizado para describir
cualquier tecnología que combina
recursos de hardware y software
para permitir a grupos de personas
colaborar y compartir tecnología. el
trabajo cooperativo asistido por
computadora en realidad busca
describir el impacto sociológico y
psicológico de compartir las
responsabilidades laborales
electrónicamente, además de la
interacción humano-computadora
que debe tener lugar en dicho
entorno.
- Dimensiones principales
- - Equipo -
Espacio - Estilo
de interacción
- Tamaño del
grupo -
Infraestructura
- Contexto -
Privacidad -
Movilidad del
colaborador -
Extensibilidad -
Selección de
participantes
- - Equipo -
Espacio - Estilo
de interacción
- Tamaño del
grupo -
Infraestructura
- Contexto -
Privacidad -
Movilidad del
colaborador -
Extensibilidad -
Selección de
participantes
- Sus caracteristicas son
- 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.
- 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.
- Dimensiones principales
- Término utilizado para describir
cualquier tecnología que combina
recursos de hardware y software
para permitir a grupos de personas
colaborar y compartir tecnología. el
trabajo cooperativo asistido por
computadora en realidad busca
describir el impacto sociológico y
psicológico de compartir las
responsabilidades laborales
electrónicamente, además de la
interacción humano-computadora
que debe tener lugar en dicho
entorno.
- Se define como
- Sistema de procesamiento analítico (OLAP)
- Se define como
- Es una tecnología que se usa para organizar bases de datos empresariales
grandes y admitir inteligencia empresarial. Las bases de datos OLAP se dividen
en uno o varios cubos y cada cubo está organizado y diseñado por un
administrador de cubos para que se ajuste a la forma en que se recuperan y
analizan los datos para que sea más fácil crear y usar los informes de tabla
dinámica y los informes de Gráfico dinámico que necesite.
- Sus características son
- - 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).
- - 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).
- tipología
- 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.
- 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.
- Sus características son
- Es una tecnología que se usa para organizar bases de datos empresariales
grandes y admitir inteligencia empresarial. Las bases de datos OLAP se dividen
en uno o varios cubos y cada cubo está organizado y diseñado por un
administrador de cubos para que se ajuste a la forma en que se recuperan y
analizan los datos para que sea más fácil crear y usar los informes de tabla
dinámica y los informes de Gráfico dinámico que necesite.
- Se define como
- Minería de datos
- Se define como
- Es el proceso de hallar anomalías, patrones y
correlaciones en grandes conjuntos de datos para
predecir resultados. Empleando una amplia variedad de
técnicas, pudiendo utilizar esta información para
incrementar ingresos, recortar costos, mejorar relaciones
con clientes, reducir riesgos y más.
- Tiene los siguientes modelos
- - Modelado descriptivo: Descubre
similitudes o agrupaciones compartidas
en datos históricos para determinar
razones detrás del éxito o el fracaso,
como la clasificación de clientes por
preferencias de productos o sentimiento.
- Modelado predictivo: Este modelo llega
más a fondo para clasificar eventos en el
futuro o calcular resultados
desconocidos, también ayuda a descubrir
insights de cosas como la rotación de
clientes, respuesta a campañas o
coberturas. - Modelado prescriptivo: Con
el incremento de los datos no
estructurados de la Web, campos de
comentarios, libros, correo electrónico,
PDFs, audio y otras fuentes de texto, la
adopción de la minería de texto como
disciplina relacionada con la minería de
datos también ha crecido de manera
considerable. Necesita la posibilidad de
analizar, filtrar y transformar con éxito
datos no estructurados para incluirlos en
modelos predictivos para mejorar la
precisión de las predicciones.
- - Modelado descriptivo: Descubre
similitudes o agrupaciones compartidas
en datos históricos para determinar
razones detrás del éxito o el fracaso,
como la clasificación de clientes por
preferencias de productos o sentimiento.
- Modelado predictivo: Este modelo llega
más a fondo para clasificar eventos en el
futuro o calcular resultados
desconocidos, también ayuda a descubrir
insights de cosas como la rotación de
clientes, respuesta a campañas o
coberturas. - Modelado prescriptivo: Con
el incremento de los datos no
estructurados de la Web, campos de
comentarios, libros, correo electrónico,
PDFs, audio y otras fuentes de texto, la
adopción de la minería de texto como
disciplina relacionada con la minería de
datos también ha crecido de manera
considerable. Necesita la posibilidad de
analizar, filtrar y transformar con éxito
datos no estructurados para incluirlos en
modelos predictivos para mejorar la
precisión de las predicciones.
- Permite realizar:
- - Filtrar todo el ruido caótico y
repetitivo en sus datos. -
Entender qué es relevante y
luego hacer un buen uso de esa
información para evaluar
resultados probables. - Acelerar
el ritmo de la toma de
decisiones informadas.
- - Filtrar todo el ruido caótico y
repetitivo en sus datos. -
Entender qué es relevante y
luego hacer un buen uso de esa
información para evaluar
resultados probables. - Acelerar
el ritmo de la toma de
decisiones informadas.
- Se caracteriza por:
- 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 mine
- 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 mine
- Tiene los siguientes modelos
- Es el proceso de hallar anomalías, patrones y
correlaciones en grandes conjuntos de datos para
predecir resultados. Empleando una amplia variedad de
técnicas, pudiendo utilizar esta información para
incrementar ingresos, recortar costos, mejorar relaciones
con clientes, reducir riesgos y más.
- Se define como
- Inteligencia Empresarial (BI)
- 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
¿Quieres crear tus propios Mapas Mentales gratis con GoConqr? Más información.