Ayúdanos a dar forma a GoConqr. ¿Qué deberíamos añadir?

Mapa mental

INTELIGENCIA DE NEGOCIOS

Yordi Copete Español

INTELIGENCIA DE NEGOCIOS

Contenido del mapa

INTELIGENCIA DE NEGOCIOS

  1. CONTEXTO DE BI

    • ECONOMIA DE LA INFORMACION
      • La clave del éxito empresarial está hoy, en llevar la información adecuada, en el momento oportuno, a la persona correcta
      • La informacion es el factor determinante en la economia de hoy, una economia en la cual el conocimiento es una materia prima fundamental, y a la vez una fuente generadora de valor
      • la habilidad de una organización para adaptar ágilmente sus políticas estrategias a los permanentes cambios del entorno, es fundamental para su viabilidad y sostenibilidad
      • La información debe en consecuencia, manejarse como un activo estratégico de la organización, y ser valorada y administrada como cualquier otra inversión
    • DATOS OPERACIONALES
      • Información accionable habilitado promesa proceso de toma de decisiones y definición de estrategias y acciones encaminadas a mejorar el desempeño de un negocio
      • MINERIA DE DATOS
        • Exploracion y Analisis de datos, utilizando metodos automaticos o semiautomaticos, con el objeto de descubrir patrones no evidentes, significativos y reglas de comportamiento
        • Es un Proceso de Negocio cuyo objetivo es encontrar y significativos, quegeneren conocimiento e ideas de como conducir el negocio de una manera mas eficiente y eficaz
        • DESARROLLO HISTORICO DE LA MINERIA DE DATOS
      • MODELO DE MADUREZ EN BI (BIMM)
        • ADVERTENCIA
          • Interpretacion libre
          • No todas las organizaciones evolucionan igual, con la misma velocidad o en el mismo orden necesariamente
          • A mi juicio no es un modelo a seguir estrictamente (etapa de niñez)
          • Curva de incorporacion en campana
        • PRENATAL (ANTES)
          • Valor de la informacion es subestimado
          • Reportes de sistemas OLTP, estaticos
          • Usuarios sin acceso directo a la informacion
          • Fuentes dispersas, diversos formatos
          • Problemas de conciliacion y calidad de datos
          • Varias versiones de "la verdad"
          • No existe un diccionario de terminos corporativo
        • INFANCIA
          • Se empieza a valorar la informacion
          • Hojas electronicas "fuera de control"
          • Se copian datos de los sistemas OLTP y se manejan de manera independiente
          • Procesamiento requiere gran esfuerzo
          • Siguen varias versiones de la verdad
          • Siguen problemas de conciliacion y calidad de fuentes
        • NIÑEZ
          • Se reconoce el valor de la informacion
          • Se exploran herramientas mas poderosas como generadoras de reportes, OLAP y Mineria de datos
          • Eventualmente se aplican directamente sobre sistemas OLTP
        • NIÑEZ (CONT)
          • Finalmente infraestructura separada pero departamental y no corporativa
          • Hay una verdad "departamental" y calidad y conciliacion "departamental"
          • Se repite el esquema creando "silos"
          • NO ES LO IDEAL - CONTRARIO A PROPUESTA DE KIMBALL
        • ADOLESCENCIA
          • Se lleva a cabo una planeacion y analisis a nivel corporativo
          • Identificacion de dimensiones y medidas fundamentales del negocio - conformes
          • Existe metadata corporativa que guia la consulta y explotacion de informacion del negocio
        • ADOLESCENCIA (CONT)
          • Planear global - construir local
          • Se empiezan a solucionar de raiz los problemas de calidad en las fuentes, hay conciliacion e integracion
          • Herramientas de generacion de reportes, OLAP, monitoreo
        • MADUREZ
          • Integracion entre la gestion estrategica y la gestion operacional
          • Sistema para toma de decisiones proactivo, oportuno, con alto nivel de calidad
          • Fundamentando en bodega de datos corporativa
        • SABIDURIA
          • El sistema desborda los limites corporativos y se extiende a "stakeholders"
          • Herramientas analiticas inmersas en sistemas OLTP
          • "Conexion" de BI con otras tecnologias como BPM, reduciendo en gap ahora entre la toma de decision y su implementacion
        • MADUREZ (CONT)
          • Informacion accesible (entendible, navegable, alto desempeño)
          • Informacion consistente (dos elementos con el mismo nombre son iguales)
          • Informacion adaptable y resistente a cambios
          • Seguridad(control de acceso y visibilidad)
          • Una sola fuente para la toma de decisiones
  2. TECNOLOGIA COMO ESTRATEGIA

    • 2012
      • Grupo Gartner -· Octubre de 2011
      • Impactarán significativamente los negocios en los siguientes 3 años
        • Mayor potencial de trastornar IT o negocio
        • Mayor requerimiento de inversión
      • Impactan los planes programas e iniciativas a largo plazo y son estratégicas
        • Son maduras y de amplio actualización
        • Generan ventajas estratégicas por adopción temprana
    • 2011
      • Dispositivos tipo tableta
      • Aplicaciones e interfaces centradas en movilidad
      • Internet of things
      • Big data
      • Experiencia de usuario contextual y social
      • App store y marketplace
      • Analítica de siguiente generación
      • Servidores de consumo extra bajo de energía
      • Computación in memory
      • Computación en la nube
    • ANALITICA AVANZADA
      • ofrecer mecanismo de simulación predicción optimización y otras técnicas de análisis con el fin de lograr una mayor flexibilidad en la toma de decisiones, oportuna y el lugar requerido para cada ción de un proceso de negocio
    • ANALITICA DE SIGUIENTE GENERACION
      • Analitica embebida en linea
      • Analisis de informacion historica y en tiempo real
      • Analisis de informacion estructurada y no estructurada (texto, video, sonido..)
      • Analisis colaborativo
      • Aprovechamiento de cloud y grid computing
  3. CONCEPTOS

    • ELEMENTOS ETICOS Y LEGALES
      • Pueden verse como metodos de discriminacion
      • Es necesario tener en cuenta las condiciones bajo las condiciones bajo las cuales se recoge la informacion - Las personas deben ser informadas de los objetivos del proceso
      • Deben existir una explicacion de negocio asociada a una decision tomada con base en DM
    • POR QUE ES FACTIBLE HOY
      • Los datos necesarios se estan produciendo y recopilando en DWH (90%, 1950)
      • La potencia computacional esta al alcance ($)
      • CRM es importante en el negocio
        • Todo negocio es un negocio de servicios
        • La informacion se percibe como un producto
      • Disponible de productos comerciales que implementan tecnicas mas sofisticadas
    • ANTECEDENTES
      • El concepto de promedios y agrupacion se remite al siglo 6 AC en china , seguido de la invencion del ábaco de bambu
      • En la china antigua y grecia, se recogian estadisticas para ayudar a las cabezas de los estados a gobernar sus paises en las areas fiscales y militares ( es posible que STATE y STATISTICS provengan de la misma raiz)
      • En los siglos XVI y XVII los juegos de azar eran comunes entre los ricos, proponiendo varias preguntas sobre porbabilidad que debieron ser respondidas por matematicos como Fermart y Leibnitz entre otros
      • Dos ramas de analisis estadistico se desarrollaron en el siglo XVII
      • Siguiendo a Pearson, Sir R.A. Fisher desarrolló su sistema de pruebas de inferencia en estudios médicos basado en su concepto de la desviación estándar
    • ANTECEDENTES (1° GENERACION)
      • Los datos se acomodan a una distribución conocida (Normal, logística, poisson etc)
      • Independencia de factores las variables predictoras x tienen efectos independientes en la variable objetivos Y
      • Las variables numéricas y continuas
    • ANTECEDENTES (2° GENERACION)
      • Logit model (incluyendo regresión logística): se asume que los datos siguen una distribución lógica y que la variable dependiente es categórica (1:0). La variable dependiente y se define como una función exponencial de las variables predictoras. Puede manejar no linealidad entre las variables X y la dependiente Y, pero no la interacción entre las variables X.
      • THE ,GENERALIIZE LINEAR MODEL (GML, Modelo Lineal ,Generalizado)" Y= f(X)
    • ANTECEDENTES (3° GENERACION)
      • Surgen de, Inteligencia Artificial, inicialmente dos caminos paralelos: Redes Neuronales y Arboles de Decisión
      • Aunque expresan eventos no lineales de una manera más completa que el método paramétrico, son intrínsecamente lineales ,en las funciones de agregación
    • ANTECEDENTES (4° GENERACION)
      • Se busca solucionar la limitación de linealidad en las funciones de agregación de los efectos de las variables
      • Una estrategia es ver la infonmación como vectores y aprovechar conceptos de Algebra Lineal (producto punto)
    • ANTECEDENTES (5 GENERACION)
      • Grid Computing: Utilización de un conjunto de computadores en red para dividir y conquistar" problemas computacionales
      • Cloud Computing: Utilizar Internet para distribuir datos y tareas computacionales en varios computadores alrededor del mundo, sin contar con una infraestructura centralizada de harware como la de grid computing
    • MINERIA DE DATOS
      • Los métodos de minería de datos descubren patrones en los datos de manera inductiva, siguiendo una enfoque Platónico,.
      • Orden en que se busca en el espacio de búsqueda (search bias)
      • No siempre las instancias son independientes
    • ESTADISTICA
      • Utiliza un modelo para. caracterizar un patrón en los datos

Imágenes y archivos del mapa

  • INTELIGENCIA DE NEGOCIOS
  • INTELIGENCIA DE NEGOCIOS
  • INTELIGENCIA DE NEGOCIOS

Información

Descripción
Mapa Mental sobre INTELIGENCIA DE NEGOCIOS, creado por Yordi Copete el 17/09/2020.
Creado por
Yordi Copete · sep 2020
Actualizado
18 sep 2020
Visitas
5
Valoración

Más sobre Minería de datos

Escríbenos

¿Sobre qué es tu mensaje?

¿Qué deberíamos añadir?