Publicado:
2014-03-01Número:
Vol. 2 Núm. 1 (2014): enero-junioSección:
InvestigaciónREVELANDO LOS SECRETOS CÓMO SE CONSTRUYE UN SISTEMA INTELIGENTE DE NEGOCIOS PARA LA TOMA DE DECISIONES ASERTIVAS EN LAS GRANDES EMPRESAS
Palabras clave:
análisis, datamart, inteligencia de negocios, Metodología. (es).Descargas
Resumen (es)
La inteligencia de negocios es un detonador de la innovación porque da importancia a las empresas u organizaciones dándoles el poder de apoyarse en herramientas de trabajo que le permita a la gerencia tomar decisiones, la clasificación o predicción de las ventas, encontrar nuevos clientes, con el objetivo de anticiparse al futuro, de forma que con base en la información obtenida de un análisis de datos la gerencia pueda planear estratégicamente y mejorar todos sus procesos internos con el fin de lograr la satisfacción total del cliente y así generar un valor basado en conocimiento, es decir que lo que se vende en realidad no es la materia prima sino la tecnología y el conocimiento para fabricar productos que le permitan estar un paso adelante de la competencia. Hay que tener en cuenta que para el uso de estas herramientas es necesario contar con un software de aplicaciones que asista el análisis y la presentación de los datos. Una empresa que quiera ser competitiva a nivel mundial debe enfocar su trabajo en la dirección de generar valor basado en el conocimiento como un intangible que representa muchas ventajas que se han convertido en los pilares de las economías más desarrolladas del mundoReferencias
Abril D., Pérez J. 2007. Estado actual de las tecnologías de bodega de datos y OLAP aplicadas a bases de datos espaciales, Abril 2007. Disponible en: http://www.scielo.org.co/pdf/iei/v27n1/v27n1a08.pdf
Ameur A., Yankovski V., Enroth S., Spjuth O. y Komorowski J. Databases and ontologies The LCB Data Warehouse, 2006. Disponible en: http://bioinformatics.oxfordjournals.org/cgi/reprint/22/8/1024
Ángeles L., María y Santillán G., Angélica. Minería de datos, concepto, características, estructura y aplicaciones. Disponible en: http://www.ejournal.unam.mx/rca/190/RCA19007.pdf
Arturo L., Carmona C. 2001. Guía para obtener el retorno a la inversión en proyectos de data warehouse. Disponible en: http://copernico.mty.itesm.mx/phronesis/mty/tmp/ITESMMTY2002175.pdf
Ballard, C., Abdel-Hamid A., Frankus R., Hasegawa F., Larrechart J., Leo P. y Ramos J. 2006. Improving Business Performance Insight with Business Intelligence and Business Process Management. Disponible en: http://www.redbooks.ibm.com/redbooks/pdfs/sg247210.pdf
Bellaachia A., Guven E.2006. Predicting Breast Cancer Survivability Using Data Mining Techniques, 2006. Disponible en: http://www.siam.org/meetings/sdm06/workproceed/Scientific%20Datasets/bellaachia.pdf
Bernier E., Gosselin P., Badard T., Bédard .2009. Easier surveillance of climaterelated health vulnerabilities through a Webbased spatial OLAP application, 2009. Disponible en: www.ijhealthgeographics.com/content/8/1/52
Cockbaine J., Casas I.2004. UN metamodelo olap para la evaluación de ambientes tel, Noviembre 2004. Disponible en: http://www.scielo.cl/pdf/rfacing/v13n1/art02.pdf
Chen H., Chung W., JieXu J., Yi Qin G., Chau M.2004. Crime Data Mining: A General Framework and Some Examples, 2004. Disponible en: http://citeseerx.ist.psu.edu/viewdoc/download?doi=10.1.1.58.5929&rep=rep1&type=pdf
Danubianu M., Socaciu Y. Does Data Mining Techniques Optimize the Personalized Therapy of Speech Disorders?, 2009. Disponible en: http://jacs.usv.ro/getpdf.php?issue=5&paperid=52
Cómo citar
APA
ACM
ACS
ABNT
Chicago
Harvard
IEEE
MLA
Turabian
Vancouver
Descargar cita
Visitas
Descargas
Licencia
Reconocimiento – NoComercial – CompartirIgual (by-nc-sa): No se permite el uso comercial de la obra original, las obras derivadas deben circular con las mismas condiciones de esta licencia realizando la correcta atribución al autor.
Esta obra está bajo una licencia de Creative Commons Reconocimiento-NoComercial-CompartirIgual 4.0 Internacional