Descubrimiento de conocimiento en los negocios

Johany Armando Carreño Gamboa

doi:10.15765/pnrm.v2i4.263

Authors

Johany Armando Carreño Gamboa Politécnico Grancolombiano

DOI:

https://doi.org/10.15765/pnrm.v2i4.263

Abstract

Ante la internacionalización de la economía, las organizaciones requieren basarse en la información y el conocimiento, apoyadas en tecnologías de la información y comunicación (TIC), pensar globalmente en políticas integrales y basarse en economías en red bajo esquemas asociativos que las fortalezcan. El creciendo de empresas en los últimos años, hace prioritario tratar de obtener conocimiento útil desde los propios datos y dar un paso más allá en el apoyo a la toma de decisiones más acertada. A tal fin, se ofrece en el documento información básica acerca de la minería de datos, se reconocen sus diferentes etapas y se determina su relación con otras disciplinas. Además se da a conocer el funcionamiento del tipo de algoritmo “árboles de decisión” y, se utiliza la herramienta “Weka” para ajustar modelos a conjuntos de datos.

Downloads

Download data is not yet available.

Author Biography

Johany Armando Carreño Gamboa, Politécnico Grancolombiano

Ingeniero de Sistemas de la Universidad Autónoma de Bucaramanga; consultor y asesor en implanta- ción de proyectos de Gestión Tecnológica en em- presas nacionales; analista y diseñador de software para gestión de datos y toma de decisiones. Do- cente investigador de tiempo completo adscrito a la Facultad de Ingeniería y Ciencias Básicas del Po- litécnico Grancolombiano Institución Universitaria. Coordinador de los semilleros de investigación en “Descubrimiento de Conocimiento y Minería de Datos” (http://si.kdmind.googlepages.com/home) y “Diseño y Desarrollo de Aplicaciones para Dispositivos Móviles” (http://sid.mobi.googlepages. com/home). Actualmente, hace parte del grupo de Expertos en Redes NGN Colombia, en calidad de representante del Politécnico Grancolombiano.

References

• TURBAN, E. (008). Business intelligence: A ma-nage- rial approach . Upper Saddle River, N.J.: Pearson Prentice Hall.

• WILLIAMS, S., y WILLIAMS, N. (007). The profit impact of business intelligence . Amsterdam: Elsevier/ Morgan Kaufmann.

• CASTILLO HERNÁNDEZ, Mario (006). Toma de de- cisiones en las empresas: entre el arte y la técnica: met- odologías, modelos y herramientas . Bogotá: Ediciones Uniandes.

• VITT, E.; LUCKEVICH, M. y MISNER, S. (003). Business intelligence: técnicas de análisis para la toma de decisiones . IT/Tecnología y Empresa. Madrid: McGraw- Hill Interamericana.

• MOSS, L. T. y ATRE, S. (003). Business intelligence roadmap: the complete project lifecycle for decision- support applications . Boston, MA: Addison-Wesley.

• FAyyAD, U., PIATESKy-SHAPIRO, G. y SMyTH, P. (996). Advances in knowledge discovery and data mining . Masachussetts: MIT Press.

• BERRy, M. J. A., y Linoff, G. (004). Data mining tech- niques for marketing, sales, and customer relationship management . Indianapolis: Wiley.

• LAVRAC, N. “Selected techniques for data mining in medicine”. Artificial Intelligence in Medicine . Vol. 6 (), pp. 3-3, 999.

• MORENO, María y otros. “Obtención y validación de modelos de estimación de software mediante técnicas de minería de datos”. Bogotá: Revista Colombiana de Computación . Volumen 3, número , pág. 53-7, 00.

• HERNÁNDEZ, O. José y otros (004). Introducción a la minería de datos . Madrid: Pearson Educación S.A.

• WITTEN, I. H. y FRANK, E. (999). Data mining: Practical machine learning tools and techniques with Java implementations . San Francisco: Morgan Kaufmann.

• WITTEN, I. H., & FRANK, E. (005) Data Mining: Practical machine learning tools and techniques . San Francisco: Morgan Kaufmann, Segunda edicion.

• PéREZ, César y SANTÍN, Daniel (006). Data mi-ning: soluciones con enterprise miner . Madrid: Alfaomega Ra-Ma.

• CHAPMAN, P. y otros (999). The crisp-dm process model . Technical Report, CRISPDM Consortium.

• CRISP-DM; “Cross Industry Standard Process for Data Mining”, [en línea] <http://www.crisp-dm.org> [Consul- tado 05 de julio de 007].

• Portal www.sas.com, “Descripción de la metodología SEMMA”, [en línea] <http://www.sas.com/technolo- gies/analytics/datamining/miner/semma.html> [ Con- sulta: 9 de abril de 006].

• Portal www.isixsigma.com, “consulta sobre metodología 6-Sigma” [en línea] < http://www.isixsigma. com/sixsigma/six_sigma.asp> [Consulta: 3 de junio de 006].

• LAUDON, K. C. (00). Sistemas de información ge- rencial, organización y tecnología de la empresa conectada en red . Mexico: Ed. Prentice Hall.

• Machine Learning Project. “Minería de Datos” 006. [en línea] <http://www.cs.waikato.ac.nz/ml/weka/> [Consultado 0 de septiembre 006].

• Portal http://www.cs.waikato.ac.nz/ml/weka/, “Consulta sobre la herramienta WEKA, archivos ARFF, algoritmos y técnicas de minería de datos” [en línea], <http://www.cs.waikato.ac.nz/~ml/publications.html> [Consulta: 3 de junio de 006].

• CABENA, P. y otros (997). Discovering data mining: from concept to implementation. New york: Editorial Prentice Hall, Upper Saddle River.

• VALCARCEL ASENCIOS, Violeta (004). Data mining y el descubrimiento del conocimiento . Lima: Universidad Nacional Mayor de San Marcos.

• CIOS, K. J.(00). Medical data mining and knowledge discovery. New york: Physica-Verlag Heidelberg. Two Crows Corporation. (999). Introduction to data mining and knowledge discovery . Potomac, MD: Two Crows Corp.

• CHEN, H. (005). Medical informatics: knowledge ma- nagement and data mining in biomedicine. Integrated series in information systems . New york: Springer.

• ASEERVATHAM, S. y OSMANI A. Mining short se- quential patterns for hepatitis type detection . Université de Paris-Nord, Laboratoire LIPN-CNRS UMR 7030F- 93430 Villetaneuse Cedex, France: ECML/PKDD Discovery Challenge, 005.

• PIZZI, L. C.; RIBEIRO, M. X. yVIEIRA, M. T. P. Analysis of hepatitis dataset using multirelational association rules. Department of Computer Science, Federal University of São Carlos, São Carlos, Brazil: ECML/PKDD Discovery Challenge, 005.