Cap.6. Information Systems Today Managing The Digital World - Compress (6) .Es

Traducido del inglés al español - www.onlinedoctranslator.
com
6
Mejorar el negocio
Uso de inteligencia
Big Data y análisis
Avance
Gestión en el mundo digital:
Hoy en día, las organizaciones operan en un entorno global, altamente competitivo y que cambia rápidamente. Una
clave para una gestión eficaz es la información oportuna y de alta calidad para apoyar la toma de decisiones. Sin
Inteligencia a través de
Drones
embargo, para mejorar la toma de decisiones, esta información oportuna y de alta calidad debe extraerse de
O
cantidades cada vez mayores de datos estructurados y no estructurados recopilados de una variedad de fuentes.
Aquí, primero describimos la necesidad de mejorar la toma de decisiones, seguida de una descripción de las bases de urante los últimos años, los drones disponibles comercialmente
datos y los almacenes de datos, dos componentes fundamentales para obtener inteligencia comercial. Luego, han hecho un gran progreso; pueden reconocer obstáculos,
describimos los componentes primarios de IS utilizados por las organizaciones para extraer información significativa
mantener una posición de vuelo estable
ciones incluso en condiciones de viento, o regresar de forma

de los datos. En el Capítulo 2, “Obtención de una ventaja competitiva a través de los sistemas de información”, ”
segura a su posición inicial en caso de niveles bajos de batería. En

aprendió sobre los tipos generales de sistemas de información que respaldan los diferentes niveles de toma de
el laboratorio de robótica de la Universidad de Pensilvania, los
decisiones de las organizaciones y las funciones comerciales que ejecutan varios procesos comerciales para alcanzar
investigadores están trabajando arduamente para crear robots
los objetivos estratégicos de la organización. Aquí, presentamos herramientas de inteligencia empresarial y análisis
voladores que puedan detectarse entre sí y las características del
avanzado utilizadas en varios niveles de toma de decisiones de las organizaciones modernas. Finalmente, analizamos entorno, dando la impresión de que tienen una mente propia. En
cómo los sistemas de gestión del conocimiento ayudan a las organizaciones a capturar, almacenar y recuperar el una demostración, un grupo de ocho dispositivos voladores,
conocimiento organizacional de manera efectiva, y cómo los sistemas de información geográfica ayudan a analizar
llamados cuadricópteros, se elevan del suelo al unísono y vuelan
alrededor de la habitación en una formación cuidadosamente
datos espacialmente referenciados para tomar mejores decisiones comerciales. presentamos herramientas de
orquestada. Luego vuelan a través de una pequeña ventana, uno

inteligencia empresarial y análisis avanzado utilizadas en varios niveles de toma de decisiones de las organizaciones
por uno, y se forman en el otro lado. Lo que es particularmente
modernas. Finalmente, analizamos cómo los sistemas de gestión del conocimiento ayudan a las organizaciones a
impresionante de los dispositivos es que son autónomos, lo que
capturar, almacenar y recuperar el conocimiento organizacional de manera efectiva, y cómo los sistemas de
significa que además de recibir instrucciones sobre cómo ir del
información geográfica ayudan a analizar datos espacialmente referenciados para tomar mejores decisiones
punto A al punto B en la habitación, los dispositivos son
comerciales. presentamos herramientas de inteligencia empresarial y análisis avanzado utilizadas en varios niveles de totalmente autónomos, deciden dónde moverse y qué tan rápido
toma de decisiones de las organizaciones modernas. Finalmente, analizamos cómo los sistemas de gestión del llegar allí. y son responsables de evitar colisiones. Estos
conocimiento ayudan a las organizaciones a capturar, almacenar y recuperar el conocimiento organizacional de

dispositivos son los precursores de los drones que podrían usarse
en el mundo real para varios propósitos, que van desde la entrega
manera efectiva, y cómo los sistemas de información geográfica ayudan a analizar datos espacialmente referenciados
de paquetes hasta la vigilancia y las operaciones de búsqueda y

para tomar mejores decisiones comerciales.
rescate.
DARPA, la agencia de investigación del gobierno de EE. UU.,
Más de 10 millones de estudiantes también está trabajando activamente para mejorar las capacidades de
mejoraron sus resultados utilizando estos "micro-drones" y está desarrollando una nueva clase de
TM
Pearson MyLabs. Visitarmimislab. com
pequeños UAV que podrán navegar dentro de edificios sin depender
MiMALLaboratorio para simulaciones, tutoriales y problemas
del GPS para la navegación o tener un control remoto. piloto.
de fin de capítulo.
224
Despues de leer 1.Describir la necesidad de inteligencia comercial y análisis avanzados y cómo las bases
Este capítulo, de datos sirven como base para tomar mejores decisiones comerciales.
Tú serás 2.Explicar los conceptos básicos de inteligencia empresarial y análisis avanzado.
capaz de hacer el 3.Describir cómo las organizaciones pueden mejorar la toma de decisiones mediante el uso de la gestión
siguiendo: del conocimiento y los sistemas de información geográfica.
Estos pequeños UAV autónomos podrán volar a través de una

ventana abierta y luego navegar por habitaciones, escaleras,
pasillos y otros entornos llenos de obstáculos, ¡todo a 45 mph!
Dichos UAV proporcionarán inteligencia previamente
inalcanzable en batalla y otras situaciones de alta seguridad.
En un contexto más mundano, Amazon.com está trabajando
agresivamente en un sistema de entrega de drones, llamado
Amazon Prime Air, que permitiría que un paquete pedido en línea
sea entregado en 30 minutos por un pequeño dron volador. En el
futuro ideal de Amazon.com, cada ciudad tendría un almacén local
y un pequeño grupo de trabajo de drones de entrega, listos en FIGURA 6.1
cualquier momento para entregar miles de paquetes pequeños a Los drones están proporcionando datos valiosos para innumerables propósitos.
Fuente: Stockninja/Fotolia.
los clientes satisfechos de Amazon.com.
Otra implementación de la tecnología de drones consiste en recopilar
Después de leer este capítulo, podrá responder lo
datos geográficos para ayudar a los agricultores a encontrar las parcelas de
siguiente:
suelo más adecuadas para el crecimiento de los cultivos (Figura 6.1). Por
1.¿Cómo pueden las bases de datos apoyar la operación de
ejemplo, los investigadores de la Universidad de Aberdeen están
drones autónomos y semiautónomos?
desarrollando drones con capacidades de imagen avanzadas. Estos drones
2.¿Cómo pueden los creadores de drones usar análisis
se pueden enviar a inspeccionar viñedos para encontrar el suelo más
avanzados para habilitar la tecnología de drones?
óptimo para el crecimiento de la uva. Esto podría ser especialmente valioso
3.¿Cómo pueden los drones apoyar la toma de decisiones espaciales?
para los productores dado que el contenido del suelo y la humedad del área
Residencia en:
tienden a variar de un año a otro. Del mismo modo, los científicos pueden
Amazon Prime Aire. (2016, 14 de junio). EnWikipedia, la enciclopedia libre.
usar drones para mapear la cubierta de árboles. Recuperado el 29 de junio de 2016 de https://en.wikipedia.org/w/index.
php?title=Amazon_Prime_Air&oldid=725315546
Amos, I. (22 de noviembre de 2015). Cómo los drones están ayudando a los
La tecnología descrita aquí todavía está en desarrollo, pero las científicos escoceses a cultivar mejores papas.El escocés.Recuperado el 28 de
cosas están progresando rápidamente. Es probable que ya haya junio de 2016 de http://www.scotsman.com/news/environment/how-drones-are-
helpingscots-scientists-to-grow-better-potatoes-1-3955007
visto drones en eventos deportivos, y los drones han incursionado Bradley, J. (2013, 1 de mayo). ¡Pequeños robots voladores! Conoce el quadrotor.
en el sector de los pasatiempos, donde las personas usan drones CNN. Recuperado el 28 de junio de 2016 de http://edition.cnn.com/2013/05/01/
tech/innovation/flying-robots-quadrotors
para tomar fotografías de viajes, perfeccionar sus habilidades de Statt, N. (2016, 12 de febrero). Mire la velocidad de este dron de DARPA
vuelo o espiar a sus vecinos. Con las capacidades de los drones alrededor de un almacén a 45 mph.El borde.Recuperado el 28 de junio de
2016, de ht tp: / /www. el borde com/ 2016 / 2 / 12 / 10981740 /dron-darpa
relativamente económicos desarrollándose rápidamente, las - programa-fla-vuelo-autónomo
variadas aplicaciones de estas tecnologías pueden beneficiar a la Vehículo aéreo no tripulado. (2016, 28 de junio). EnWikipedia, la enciclopedia libre.
Recuperado el 29 de junio de 2016 de https://en.wikipedia.org/w/index.php?
sociedad de diferentes maneras. title=Unmanned_aerial_vehicle&oldid=727319653
225
226 Capítulo 6 • MEJORA DE LA INTELIGENCIA EMPRESARIAL MEDIANTE GRANDES DATOS Y ANÁLISIS
Mejorar la toma de decisiones organizacionales

En el Capítulo 2, aprendió sobre la importancia de la planificación estratégica para obtener y mantener una
ventaja competitiva. Para mantenerse por delante de la competencia, las organizaciones utilizan sistemas de
información para recopilar y analizar datos e información de fuentes internas y externas a fin de tomar
mejores decisiones comerciales. Para mejorar el desempeño organizacional, los ejecutivos de negocios
buscan respuestas a preguntas como "¿Qué tan efectiva es la promoción de este año en comparación con la
del año pasado?" “¿En qué segmentos de clientes deberíamos centrarnos?” "¿Qué clientes tienen más
probabilidades de cambiarse a un competidor si subimos los precios en un X por ciento?" o, aún más
importante, "¿Nos importa si esos clientes cambian?" Las respuestas a tales preguntas requieren analizar
datos de transacciones pasadas y actuales para comprender qué sucedió.Inteligencia de negocios (BI),
refiriéndose a herramientas y técnicas para analizar y visualizarpasadodatos, puede proporcionar tales
respuestas. A diferencia de,analítica avanzadase refiere a las herramientas y técnicas utilizadas para
comprender por qué sucedió algo, predecirfuturoresultados o descubrir patrones ocultos en grandes
conjuntos de datos (a vecesAnálisis de negociose utiliza como un término general para estos conceptos).
Hoy en día, la necesidad de inteligencia comercial y análisis avanzado va más allá de los "negocios"
tradicionales; más bien, todos los tipos de organizaciones, desde partidos políticos hasta hospitales, utilizan
inteligencia comercial y análisis para mejorar su toma de decisiones basada en datos (consulte la Tabla 6.1). A
continuación, analizaremos la necesidad de inteligencia comercial y análisis avanzados para tomar mejores
decisiones comerciales.
Por qué las organizaciones necesitan Business Intelligence y Advanced Analytics

Aunque la dirección general de una organización se decide en el nivel estratégico, los procesos comerciales abarcan
todos los niveles organizacionales y están altamente interconectados. Como se discutió en el Capítulo 2, los procesos
comerciales se refieren a las actividades que realizan las organizaciones para alcanzar sus objetivos comerciales.
Desafortunadamente, los procesos comerciales descritos en los planes estratégicos a menudo no se implementan
como se prevé en los niveles administrativos y operativos de la organización porque la información necesaria para
monitorear y controlar estos procesos de manera efectiva simplemente no está disponible. Esta información
"faltante", de hecho, a menudo existe pero reside en hojas de cálculo, informes o bases de datos desconectados.
Organizaciones impulsadas por datos.En el mundo dinámico de hoy, las organizaciones deben tener información
actualizada, precisa yintegradoinformación para monitorear y afinar una amplia gama de procesos comerciales y
para alcanzar las metas de sus planes estratégicos. En consecuencia, muchas organizaciones intentan crear
conocimientos significativos a partir de una variedad de fuentes de datos para tomar mejores decisiones
comerciales. Las organizaciones que toman decisiones que pueden respaldarse con datos verificables se conocen
comoorganizaciones basadas en datos; tales organizaciones son considerablemente más productivas y rentables
(McAfee & Brynjolfsson, 2012), pueden responder mejor a las amenazas y oportunidades actuales y pueden planificar
mejor para el futuro. Además, al permitir que los datos impulsen las decisiones, la toma de decisiones puede
trasladarse a niveles inferiores de la organización, lo que libera tiempo de la alta gerencia para tomar decisiones más
importantes (Redman, 2013). Por lo tanto, los sistemas de información, como la inteligencia comercial y las
herramientas de análisis avanzado, que permiten recopilar y analizar grandes cantidades de datos de varias fuentes
y entregar la información necesaria al responsable de la toma de decisiones en el momento adecuado, facilitan la
transición a una organización basada en datos. Como con cualquier tecnología,
CUADRO 6.1Ejemplo de usos de la inteligencia empresarial y el análisis en entornos no empresariales

Contextos
Contexto Ejemplo
partidos politicos Modelar la influencia de las redes sociales en los resultados electorales
Gobierno Analizar el desempeño de los programas de beneficios públicos
Defensa Gestionar el mantenimiento y la logística durante los despliegues en el extranjero
hospitales Predecir el volumen de pacientes y la utilización de recursos
Organizaciones sin ánimo de lucro Gestionar campañas de recaudación de fondos y orientar a los donantes
Capítulo 6 • MEJORA DE LA INTELIGENCIA EMPRESARIAL MEDIANTE GRANDES DATOS Y ANÁLISIS 227
sin embargo, tener las herramientas adecuadas no es suficiente para el éxito empresarial. En las organizaciones
basadas en datos, la familiaridad con el análisis de datos y las herramientas de análisis no es solo responsabilidad de
los analistas de datos, sino que es una habilidad requerida de todos los usuarios comerciales. Además, mientras que
la inteligencia comercial y el análisis avanzado pueden proporcionar información valiosa, se necesita el juicio y la
creatividad humanos para traducir esta información en acción y tomar mejores decisiones comerciales.
RESPUESTA A LAS AMENAZAS Y OPORTUNIDADES.Factores externos como la globalización,

Las presiones competitivas, las demandas de los consumidores, los cambios sociales y las regulaciones
gubernamentales pueden crear tanto oportunidades como amenazas para las organizaciones modernas. Por
ejemplo, la globalización brinda oportunidades para competir en nuevos mercados, pero también crea el
desafío de recopilar nuevos tipos de datos para explotar estas oportunidades de manera efectiva. La
globalización también puede generar la amenaza de una mayor competencia de los países en desarrollo, lo
que obliga a las organizaciones a repensar las estrategias o mejorar aún más los procesos comerciales. Por lo
tanto, a medida que el mundo se vuelve cada vez más interconectado, las oportunidades de mercado se
expandirán, pero al mismo tiempo, los mercados se volverán más competitivos, lo que obligará a las
empresas a desarrollar nuevos productos a un ritmo cada vez mayor. Similarmente, Los consumidores de
hoy en día tienen un acceso cada vez mayor a la información a través de las redes sociales y los dispositivos
móviles y pueden cambiar mucho más fácilmente a los productos o servicios de la competencia. Además, las
grandes quiebras bancarias y corporativas han dado lugar a normas y reglamentos más estrictos (como la
Ley Sarbanes-Oxley; consulte el Capítulo 10, "Seguridad de los sistemas de información"), y las
organizaciones tienen que cumplir con los requisitos de informes gubernamentales cada vez mayores. En
resumen, el entorno comercial actual se caracteriza por factores tales como condiciones de mercado
inestables, competencia feroz, ciclos de vida de productos más cortos, regulaciones más estrictas y opciones
más amplias para los clientes que nunca. La inteligencia empresarial y los análisis avanzados pueden ayudar
a las organizaciones a tomar mejores decisiones en este entorno cada vez más complejo, que cambia
rápidamente.
Con una presión cada vez mayor para reducir los costos, las organizaciones deben concentrarse en invertir en sistemas
que brinden los mayores rendimientos. Las soluciones de inteligencia empresarial y análisis avanzado pueden proporcionar
resultados rápidos, ya que ayudan a reaccionar rápidamente ante los problemas al proporcionar la información correcta en el
momento adecuado. Además, estas herramientas ayudan a aprovechar los sistemas existentes (como los sistemas de
información de toda la empresa; consulte el Capítulo 7, "Mejora de los procesos comerciales mediante los sistemas de
información empresarial") al permitir que los responsables de la toma de decisiones extraigan y analicen los datos
proporcionados por esos sistemas. Finalmente, enfocarse en la satisfacción del cliente puede proporcionar retornos rápidos al
ayudar a retener a los clientes más rentables.
Grandes datos.Una oportunidad importante para las organizaciones es la abundancia de datos disponibles
para la toma de decisiones. Como se destacó en el Capítulo 1, “Gestión en el mundo digital”, con
Factores externos FIGURA 6.2

El análisis empresarial ayuda a las
organizaciones a responder rápidamente a las
amenazas y oportunidades externas.
Oportunidades amenazas
Negocio
Analítica
FIGURA 6.3
Big Data se caracteriza por el
volumen, la variedad y la velocidad.
Fuente: Alswart/Fotolia.
Grandes datos
disminuyendo los costos de captura y almacenamiento de datos, los datos ahora no solo son ubicuos sino
también baratos. Con cantidades cada vez mayores de datos, aumenta la capacidad de detectar relaciones y
regularidades significativas; por lo tanto, los conocimientos obtenidos del análisis de Big Data no solo
pueden contribuir al éxito empresarial, sino que también pueden ayudar a abordar los tremendos desafíos
que enfrenta la sociedad. La investigación ha demostrado un fuerte vínculo entre la gestión eficaz de datos y
el desempeño organizacional, y las organizaciones han tratado durante mucho tiempo de recopilar, analizar
y utilizar datos internos y externos para obtener y mantener una ventaja competitiva. Las megatendencias
móvil y social, así como la Internet de las cosas, han llevado a un tremendo aumento de datos
potencialmente útiles, recopilados de dispositivos móviles, redes sociales, sensores automatizados y otros
dispositivos.volumen,variedad, yvelocidad(ver Figura 6.3). Una de las mayores oportunidades es el gran
volumen de datos que, por ejemplo, permite a las organizaciones tomar decisiones comerciales en función
de más factores; sin embargo, al mismo tiempo, el almacenamiento, el análisis y la gestión de cantidades
cada vez mayores de datos plantean enormes desafíos. La segunda característica es la variedad; Los datos
útiles pueden venir en forma dedatos estructurados(como datos de transacciones), que encajan
perfectamente en hojas de cálculo o bases de datos;datos semiestructurados, como secuencias de clics y
datos de sensores; odatos no estructurados, como datos de texto, audio y video, comentarios en redes
sociales, etc. Los datos especialmente semiestructurados y no estructurados tienden a ser desordenados y, a
menudo, están incompletos, y la calidad y los orígenes de los datos, como el contenido generado por el
usuario, suelen ser poco claros y, en ocasiones, cuestionables; además, el análisis de datos no estructurados
tiende a ser costoso en términos de esfuerzo, tiempo y experiencia necesarios. Finalmente, el Big Data se
caracteriza por su alta velocidad. Por un lado, los datos fluyen hacia las organizaciones a tasas cada vez más
altas; por otro lado, las organizaciones basadas en datos tienen que procesar y utilizar los datos cada vez más
rápido, como cuando el minorista en línea Amazon. com proporciona recomendaciones para productos
adicionales. Por lo tanto, Big Data, que va desde los datos geoespaciales hasta los sentimientos de los
clientes, puede resultar invaluable para formular y ejecutar la estrategia de una organización. Los datos son
cada vez más abundantes, pero muchas organizaciones se encuentran incapaces de utilizar estos datos para
tomar decisiones comerciales sólidas; Ser capaz de hacer las preguntas correctas y utilizar Big Data con éxito
sigue siendo difícil para muchas organizaciones. Al darse cuenta de las oportunidades y los desafíos que
plantea Big Data y su gestión, los ejecutivos de alto nivel de las empresas se centran cada vez más en diseñar
una estrategia de gestión de datos para toda la organización.
LA PLANIFICACIÓN EFICAZ ES CONTINUA.En el pasado, las organizaciones carecían de los datos y herramientas
necesarios para planificar continuamente su futuro. Por lo general, las organizaciones primero desarrollarían
un plan estratégico para algún ciclo de planificación (digamos, un año); luego, una vez que se acordó un plan
estratégico, los gerentes de varias unidades de negocios prepararían presupuestos para ejecutar su parte del
plan. Estos presupuestos a menudo eran "retrospectivos" porque generalmente se basaban en datos
históricos en lugar de basarse en una comprensión clara de las condiciones actuales y los pronósticos de
tendencias futuras. Con el tiempo, los gerentes ejecutarían sus partes del plan. Para muchas organizaciones,
este método de planificación y gestión fue adecuado dado el ritmo relativamente lento del cambio.
Sin embargo, hoy en día, dada la necesidad de responder rápidamente a un entorno altamente competitivo y que
cambia rápidamente, las organizaciones deben implementar nuevas formas de planificación. De hecho, exitoso
GRAMO RÉENLO
Big Datos, Internet de las cosas y análisis alimentan instalaciones más ecológicas
dos megatendencias, s específicamente Big Data e internet de diferentes partes de un espacio de trabajo y luego use esta información para planificar
Things (IoT), están transformando innumerables áreas de los negocios y diseños de espacio de trabajo más eficientes. del mismo modo, si las habitaciones están
la sociedad. Un área que se está transformando mediante el uso de Big infrautilizadas, podrían reutilizarse para un uso más adecuado.
Data y análisis es la gestión de instalaciones, una función comercial en última instancia, Big Data, generado a través de iot y otros sensores,
interdisciplinaria que coordina el espacio, la infraestructura y las es muy prometedor para identificar ahorros de costos, prevenir fallas en los
personas dentro de una organización. A menudo asociada con la equipos y conservar energía al administrar las instalaciones. Hoy, apenas
administración de bloques de oficinas, estadios, escuelas, universidades, comenzamos a entender cómo optimizar la gestión de las instalaciones
complejos deportivos, centros de convenciones, complejos comerciales, utilizando tales conocimientos de Big Data. Además, los edificios más antiguos
hospitales, hoteles o fabricación y transporte marítimo, la gestión de con sistemas antiguos solo se están adaptando lentamente con sensores para
instalaciones es un gran negocio que actualmente representa alrededor proporcionar una mejor inteligencia comercial. Sin embargo, en el futuro,
del 5 por ciento del PIB mundial. cuando se diseñen y construyan nuevos edificios, incluirán una gran cantidad
Dentro de un gran edificio o campus de edificios, hay una variedad de sensores, lo que realmente proporcionará edificios inteligentes para
de sistemas y componentes que trabajan juntos para iluminar, calentar o mejorar la gestión de las instalaciones.
enfriar el ambiente. Por ejemplo, el campus de Microsoft en el área de
Puget Sound consta de más de 100 edificios separados. En esos edificios, Residencia en:
hay más de 30,000 componentes de sistemas de construcción y más de 2
Gestión de instalaciones. (2016, 27 de mayo). EnWikipedia, la enciclopedia libre
millones de puntos donde los sistemas de construcción que van desde . Recuperado el 27 de mayo de 2016, de https://en.wikipedia.org/w/index. php?
calefacción, ventilación y aire acondicionado (HVAC) hasta iluminación y title=Gestión_de_instalaciones&oldid=722364047
monitoreo de energía están conectados a sensores, es decir, cada uno es Risaman, C. (2013, septiembre). Microsoft usa Big Data para administrar
un dispositivo IoT. En un período de 24 horas, esos sistemas producen edificios.Instalacionesnet.Recuperado el 27 de mayo de 2016, de http://
más de mil millones de puntos de datos. estos datos proporcionan Big www. instalacionesnet.com/energyefficiency/article/Microsoft-uses-Big-
Datato-Manage-Buildings-Facilities-Management-energy-efficiency-
Data para alimentar muchos sistemas analíticos para mejorar las
Feature--14359
operaciones y la gestión de las instalaciones.
patel, B. (2015, mayo/junio). tecnología y FM: el internet de las cosas. Ejecutivo
Por ejemplo, además de una mejor gestión de la calefacción y la refrigeración,
de instalaciones.Recuperado el 27 de mayo de 2016, de http://facilityexecutive.
los sensores de movimiento se pueden utilizar para identificar el espacio
com/2015/05/el-internet-de-las-cosas
infrautilizado o para organizar mejor los departamentos para que se pueda mejorar
spence, D. (2016, 16 de abril). Lo que los FM deben saber sobre Big Data.
la colaboración. Con tales datos, un administrador de instalaciones podría identificar Software de espacio de oficina.Recuperado el 27 de mayo de 2016, de http://
la cantidad de tiempo de los empleados que se desperdicia moviéndose entre www. officespacesoftware.com/blog/what-fms-need-to-know-about-big-data
organizaciones están utilizando unproceso de planificación continua(Figura 6.4). En un proceso continuo de

planificación, las organizacionescontinuamentemonitorear y analizar datos y procesos comerciales; los resultados
conducen a ajustes continuos en la forma en que se gestiona la organización, pero estos resultados también se
reflejan en actualizaciones continuas de los planes organizacionales. Es sólo a través de oportuna y precisa
califique los conocimientos obtenidos del análisis de datos relevantes que la planificación continua se puede ejecutar.
La respuesta a amenazas y oportunidades y la planificación continua se basan en el análisis de datos internos
(principalmente del nivel operativo de la organización) así como de datos externos. En la siguiente sección,
describimos cómo se pueden usar las bases de datos para proporcionar las entradas necesarias para las aplicaciones
de inteligencia empresarial y análisis avanzado.
Bases de datos: Proporcionando insumos para Business Intelligence y

Advanced Analytics
Los datos y el conocimiento se encuentran probablemente entre los activos más importantes que tiene una
organización, ya que ambos son esenciales para ejecutar procesos comerciales, obtener inteligencia comercial y
realizar análisis avanzados. Las bases de datos, que son colecciones de datos relacionados organizados de manera
que facilitan las búsquedas de datos, son vitales para el éxito de una organización.
Por ejemplo, las bases de datos son esenciales para mantener los registros de los clientes y respaldar los procesos
comerciales, como las transacciones de ventas y el seguimiento del inventario, pero también son necesarias para fines de
marketing, como la identificación de clientes objetivo para comunicaciones de marketing personalizadas. Además, la
tecnología de bases de datos impulsa el comercio electrónico, desde el seguimiento de los productos disponibles
FIGURA 6.4
La planificación empresarial eficaz
es continua. Tiempo real
administración
Administrar
Actualizar &
Ajustar
planes
Continuo
Analizar Planificación
Plan
Proceso
Comparar
Actual
Actuación
Contra
Metas
Monitor Pista &

Monitor
Negocio
Procesos
en venta para brindar servicio al cliente. Las bases de datos son la base del mundo digital. Los datos sobre todos los
productos que están disponibles para la venta en Amazon.com se almacenan en bases de datos, y los datos sobre todos los
cursos disponibles en su universidad se almacenan en una base de datos. Si bien puede esperar que las organizaciones usen
una variedad de bases de datos, las bases de datos también están impulsando muchas de las aplicaciones con las que
interactúa diariamente en sus dispositivos personales. Por ejemplo, los datos (como la ubicación de almacenamiento, las
calificaciones o los comentarios) sobre todas las canciones de su biblioteca de iTunes, junto con sus listas de reproducción, se
almacenan en una base de datos. Las bases de datos no solo almacenan datos sobre productos, cursos, canciones y listas de
reproducción, sino que también almacenan las interrelaciones entre varias cosas. Por ejemplo, Amazon. com tiene bases de
datos que realizan un seguimiento de sus millones de clientes y otras bases de datos que realizan un seguimiento de los miles
de millones de transacciones de ventas que vinculan productos a clientes específicos. Sin bases de datos, gran parte de lo que
damos por sentado en el mundo digital sería imposible.
HABILITACIÓN DE SITIOS WEB INTERACTIVOS UTILIZANDO BASES DE DATOS.En el mundo digital altamente dinámico de hoy
En el mundo, cualquier organización dedicada al comercio electrónico hace un uso extensivo de las bases de datos
para proporcionar contenido dinámico y personalizado en sus páginas web. Como se describe en el Capítulo 3,
"Gestión de la infraestructura de los sistemas de información", acciones como personas que usan el sitio web de una
organización para ver catálogos de productos, verificar el inventario y realizar pedidos, en última instancia, leen y
escriben en las bases de datos de la organización. De manera similar, los datos sobre los productos (nombre,
descripción, dimensiones, peso del envío, etc.) se almacenan en bases de datos y se insertan dinámicamente en una
plantilla de página web, lo que libera a la empresa de tener que desarrollar una página web separada para cada
producto individual. Por ejemplo, empresas como Amazon.com solo necesitan unas pocas plantillas de página para
diferentes categorías de productos. Dependiendo de lo que el usuario esté buscando, estas plantillas luego se
completan dinámicamente con los datos de productos relevantes que se extraen de una base de datos; De manera
similar, cada vez que un usuario registrado realiza un pedido, la información de facturación y envío del cliente se
recupera de una base de datos y se muestra al cliente para su confirmación.
Algunas aplicaciones de comercio electrónico pueden recibir y procesar millones de transacciones por día. Para
garantizar el rendimiento adecuado del sistema para los clientes, así como para obtener la mayor comprensión del
comportamiento del cliente, las organizaciones deben administrar los datos en línea de manera efectiva. Por
ejemplo, Amazon.com, la librería más grande del mundo, está abierta las 24 horas del día, los 365 días del año, y sus
servidores registran millones de transacciones por día, con docenas de lecturas y escrituras en la base de datos para
cada transacción. Este es solo un ejemplo que muestra que la clave para diseñar efectivamente un negocio de
comercio electrónico en línea es la gestión efectiva de los datos en línea. Más allá de los sitios web y el comercio
electrónico, es importante destacar que las bases de datos están en el corazón del sistema de registro de estudiantes
de su universidad, el sistema de inventario en la tienda de comestibles local, la tienda iTunes de Apple,
Biblioteca Equivalente DBMS oficina FIGURA 6.5

Las computadoras facilitan mucho el proceso
de almacenamiento y administración de
datos.
Catalogo de cartas SGBD Archivador
Cajón de tarjetas Base de datos cajón de archivo
Tarjeta de catálogo Registro Carpeta de archivos
nasd zx kdv wsdms nasd zx kdv

Ningún cliente.
wsdms nasd zx kdv wsdms nasd zx
kdv wsdms nasd zx kdv wsdms nasd Nombre del cliente
zx kdv wsdms
Dirección del cliente
Datos de la tarjeta Atributos Reporte
de lo contrario, puede pensar que requiere registrar y analizar grandes cantidades de datos. A continuación, examinamos
algunos conceptos básicos, las ventajas del enfoque de la base de datos y la administración de la base de datos.
BASES DE DATOS: CONCEPTOS FUNDAMENTALES.El enfoque de la base de datos domina casi todos los sistemas de
información basados en computadora que se usan en la actualidad. Para entender las bases de datos, debemos
familiarizarnos con alguna terminología. En la Figura 6.5, comparamos la terminología de la base de datos (columna
central) con los equivalentes en una biblioteca (columna izquierda) y una oficina comercial (columna derecha).
Utilizamos sistemas de administración de bases de datos (DBMS, como Microsoft Access, un DBMS popular para
computadoras personales) para interactuar con los datos en las bases de datos (consulte el Capítulo 3,
"Administración de la infraestructura y los servicios de los sistemas de información"). Un DBMS es una aplicación de
software con la que crea, almacena, organiza y recupera datos de una sola base de datos o de varias bases de datos.
En el DBMS, la base de datos individual es una colección de atributos relacionados sobre entidades. Unentidades
algo sobre lo que recopila datos, como personas o clases (Figura 6.6). A menudo pensamos en las entidades como
mesas, donde cada fila es unaregistroy cada columna es unaatributo(también conocido como campo). Un registro
es una colección de atributos relacionados sobre una única instancia de una entidad. Cada registro generalmente
consta de muchos atributos, que son piezas individuales de datos. Por ejemplo, un nombre y un número de Seguro
Social son atributos de una persona en particular.
FIGURA 6.6
Esta tabla de datos de muestra para la
entidadAlumnoincluye 10 registros y 7
atributos.
Fuente: Access 2016, Windows 10,
Microsoft Corporation.
BASES DE DATOS: VENTAJAS.Antes de la llegada de DBMS, las organizaciones usaban el enfoque de procesamiento de
archivos para almacenar y manipular datos electrónicamente. Como los datos generalmente se guardaban en
archivos informáticos largos y secuenciales que a menudo se almacenaban en cinta, los datos sobre entidades a
menudo aparecían en varios lugares diferentes en todo el sistema de información; además, los datos se
almacenaban junto con el código de programación que utilizaba los datos y, a veces, se incrustaban en él. La gente
aún no había imaginado el concepto de almacenar por separado datos sobre entidades en bases de datos no
redundantes, por lo que diferentes archivos frecuentemente contenían datos repetitivos sobre un cliente, un
proveedor u otra entidad. Cuando la dirección de alguien cambiaba, había que cambiarla en cada archivo donde
ocurría, un proceso tedioso. De manera similar, si los programadores cambiaban el código, tenían que cambiar los
datos correspondientes junto con él. Más lejos,cómolos datos fueron almacenados con el fin de realizar cualquier
cambio. A menudo, esto no era mejor que un enfoque de lápiz y papel para almacenar datos.
Es posible que una base de datos consista en un solo archivo o tabla. Sin embargo, la mayoría de las
bases de datos administradas bajo un DBMS consisten en varias tablas o entidades, a menudo organizadas
en varios archivos. Un DBMS puede administrar cientos o incluso miles de tablas simultáneamente al vincular
las tablas como parte de un solo sistema. El DBMS nos ayuda a administrar el tremendo volumen y la
complejidad de los datos interrelacionados para que podamos estar seguros de que se accede, modifica o
elimina los datos correctos. Por ejemplo, si se cambia la dirección de un estudiante o de un cliente, ese
cambio se realiza a través de todas las partes del sistema donde pueden ocurrir esos datos. El uso de un
enfoque de base de datos evita redundancias innecesarias y problemáticas de los datos, y los datos se
mantienen separados del código de programación de las aplicaciones. Esto significa que no es necesario
cambiar la base de datos si se realiza un cambio en una aplicación. En consecuencia, existen numerosas
ventajas en el uso de un enfoque de base de datos para administrar los datos de la organización; estos se
resumen en la Tabla 6.2.
BASES DE DATOS: TIPOS.Tradicionalmente, las organizaciones han utilizadosistemas de gestión de bases de datos relacionales
(RDBMS)para apoyar sus procesos de negocio. Un RDBMS intenta equilibrar la eficiencia de las necesidades de
almacenamiento, la facilidad de recuperación y otros factores mediante el almacenamiento de datos en tablas vinculadas
mediante relaciones. Sin embargo, los RDBMS no son fácilmente escalables en respuesta a picos de demanda, como suele ser
el caso en aplicaciones de uso intensivo de datos, como el comercio electrónico y las redes sociales, y es posible que los
RDBMS tradicionales simplemente no puedan manejar volúmenes masivos de datos a menudo no estructurados.
TABLA 6.2ventajas del enfoque de base de datos
Ventajas Descripción
Redundancia de datos mínima Una única copia de los datos garantiza que se minimicen los requisitos de
almacenamiento.
Consistencia de datos mejorada La eliminación de la redundancia reduce en gran medida las posibilidades de
inconsistencia.
Seguridad incrementada Un sistema centralizado facilita el cumplimiento de las restricciones de acceso.
Calidad de datos mejorada El control centralizado, la redundancia minimizada y la coherencia de datos

mejorada ayudan a mejorar la calidad de los datos.
Accesibilidad y uso compartido de Un sistema centralizado facilita la implementación y el control del acceso del
datos mejorados personal dentro o fuera de los límites de la organización.
Aplicación de las normas Un sistema centralizado facilita mucho la aplicación de estándares y reglas para
la creación, modificación, denominación y eliminación de datos.
Independencia programa-datos Es mucho más fácil evolucionar y modificar el software para adaptarlo a las cambiantes necesidades
comerciales cuando los datos y los programas son independientes.
Aumento de la productividad Los estándares de datos facilitan la creación y modificación de aplicaciones.

del desarrollo de aplicaciones.
programa reducido Los datos modificados en la base de datos central se replican sin
mantenimiento problemas en todas las aplicaciones.
CUANDO LAS COSAS VAN MAL

Fiebre de Twitter: mire antes de twittear
Durante los últimos años, Twitter ha trans- las cuentas de personas famosas que suelen tener millones de
formó tanto las formas de transmisión de información como seguidores. En algunos casos macabros, las cuentas de
el pulso de la cultura pop. Al servir como una fuente de personas famosas que han fallecido han sido secuestradas por
noticias para un número creciente de personas, Twitter bots, aparentemente enviando mensajes desde el más allá. En
también funciona como un lugar de reunión para expresar un caso, la cuenta del periodista fallecido David Carr fue
compasión, compartir el dolor y apoyar los esfuerzos de secuestrada por un llamado "bot porno" en 2016, cambió la
socorro en casos de desastre. Cuando la estrella de rock imagen de portada de la cuenta y envió mensajes
Prince murió en 2016, por ejemplo, innumerables perturbadores a los seguidores de Carr. Actualmente, Twitter no
colaboradores, amigos y conocidos fanáticos compartieron ofrece ningún acceso a las cuentas de los fallecidos, a menos
su tristeza y recuerdos por la trágica noticia. Por ejemplo, el que el propietario de la cuenta les haya dado las credenciales de
actor Will Smith publicó: “Estoy atónito y desconsolado. la cuenta a amigos o familiares antes de su muerte. Sin
Acabo de hablar con él anoche. hoy, Jada y yo lloramos con embargo, los miembros de la familia pueden solicitar que se
todos ustedes la pérdida de un hermoso poeta, una desactive una cuenta. De lo contrario, continúa existiendo y
verdadera inspiración y uno de los artistas más magníficos potencialmente puede ser pirateado. Muchos están discutiendo
que jamás haya honrado esta tierra. qué es lo más apropiado para hacer con las cuentas en línea de
los fallecidos.
De hecho, la capacidad de los usuarios de Twitter para publicar Cuando se usa correctamente para el bien, Twitter es, sin duda, una
pensamientos en pequeños fragmentos (llamados tweets) permite una plataforma significativa para llegar a la gente. A veces, sin embargo, las
difusión rápida y sencilla del contenido a una amplia audiencia. Un tweet personas parecen retuitear primero y hacer preguntas después; puede
no puede exceder los 140 caracteres y, por lo tanto, puede leerse ser mejor hacer la "diligencia debida" y tratar de buscar un tema en
fácilmente fuera de contexto; la gran cantidad de tweets, que aparecen a Google primero para asegurarse de que sea cierto antes de retuitearlo.
un ritmo rápido y, a menudo, con poco contexto, puede generar Además, si sigues a algunas personas famosas en Twitter, si recibes un
fácilmente una confusión interminable. Gracias al efecto red, Twitter se mensaje loco de ellos, esmayoser de un bot.
ha vuelto capaz de tomar impulso tan rápido que a veces es difícil
diferenciar entre la verdad y la ficción. Y, debido a que los tweets se Residencia en:
pueden enviar tan fácilmente, a menudo sin que el remitente lo piense David Carr (periodista). (2016, 11 de abril). enWikipedia, la enciclopedia
mucho, existen innumerables ejemplos de los llamados tweets "tontos" libre. Recuperado el 26 de mayo de 2016, de https://en.wikipedia.org/w/
index.php?title=David_Carr_(journalist)&oldid=714740240
que se vuelven virales instantáneamente. Por ejemplo, Oprah Winfrey
habló sobre su amor por la tableta Microsoft Surface al twittear: “¡Tengo Fee, R. (2015, 18 de agosto). 20 de los Tweets de celebridades más tontos de todos los
tiempos, vol. 2.Obligatorio.Recuperado el 26 de mayo de 2016, de http://www.mandatory.
que decir que me encanta esa superficie! Ya he comprado 12 para
com/2015/08/18/20-of-the-dumbest-celebrity-tweets-of-all-time-vol-2
regalos de Navidad.” ¡Twitterverse se apresuró a identificar que su tweet
Golding, S. (21 de abril de 2016). Cuando las palomas lloran: las celebridades
de adoración fue enviado desde su ipad!
reaccionan en Twitter a la prematura muerte de Prince. Recuperado el 26 de mayo de
En un problema más serio, los Twitterbots están causando confusión en
2016, de http://www.vibe.com/2016/04/twitter-reacts-prince-death
Twitterverse. Un Twitterbot es un programa que se utiliza para producir
Gorjeo. (2016, 25 de mayo). EnWikipedia, la enciclopedia libre.
publicaciones automáticas o para seguir automáticamente a los usuarios de
Recuperado el 26 de mayo de 2016, de https://en.wikipedia.org/w/
Twitter. Los bots de Twitter vienen en varias formas. Por ejemplo, muchos index.php?title=Twitter&oldid=722022910
publican clickbait, clics tentadores en enlaces promocionales. Otros publican
Twitterbot. (2016, 25 de mayo). EnWikipedia, la enciclopedia libre.
respuestas o automáticamente "retuitean" (es decir, reenvían) mensajes que Recuperado el 25 de mayo de 2016, de https://en.wikipedia.org/w/
incluyen una determinada palabra o frase. Twitterbots maliciosos siguen index.php ?title=Twitterbot&oldid=721939432
Grandes datos. Por ejemplo, impulsado por las megatendencias Internet de las cosas (IoT), móvil y social,
innumerables sensores y millones de usuarios ahora generan varios tipos de datos. Además, dado que los
RDBMS tienden a ser muy complejos, cualquier cambio debe planificarse y administrarse cuidadosamente, lo
que podría reducir la agilidad de una empresa. Para superar estas limitaciones, una nueva generación de
sistemas de administración de bases de datos, llamadaNo SQL, es cada vez más popular.No SQL las bases de
datos como SimpleDB de Amazon.com son altamente escalables, ya que pueden distribuirse en varias
máquinas, lo que funciona especialmente bien en una infraestructura de computación en la nube. La
capacidad de usar no solo una sola computadora, sino también un entorno de computación distribuida,
dividiendo las tareas de procesamiento entre cientos o miles de máquinas y usando marcos como Apache
Hadoop (consulte el Resumen de tecnología), es clave para manejar y procesar Big Data. Además, las bases
de datos NoSQL a menudo ofrecen mucha flexibilidad en los tipos de datos que pueden
manejar (como comentarios de varias longitudes hechos por usuarios de Facebook o datos de audio o video). Sin
embargo, implementar bases de datos NoSQL tiene un costo, ya que aún se encuentran en sus primeras etapas de
desarrollo; por lo tanto, es posible que falten algunas características necesarias y que sea difícil encontrar
desarrolladores NoSQL experimentados.
BASES DE DATOS: GESTIÓN EFICAZ.Ahora que hemos explicado por qué las bases de datos son importantes para las
organizaciones, podemos hablar sobre cómo se pueden administrar las bases de datos organizacionales de manera
efectiva. La mejor base de datos del mundo no es mejor que los datos que contiene. Por el contrario, todos los datos
del mundo no le servirán de nada si no están organizados de una manera en la que haya pocas o ninguna
redundancia y en la que pueda recuperarlos, analizarlos y comprenderlos. Los dos elementos clave de una base de
datos organizacional son los datos y la estructura de esos datos. La estructura de los datos normalmente se captura
en unmodelo de datos, es decir, un mapa o diagrama que representa entidades y sus relaciones. Además, la
estructura de los datos está documentada para facilitar la gestión de la base de datos.
Cada atributo de la base de datos debe ser de un tipo determinado. Por ejemplo, un atributo puede
contener texto, números o fechas. Estetipo de datosayuda al DBMS a organizar y ordenar los datos,
completar los cálculos y asignar espacio de almacenamiento. Si las tablas se diseñan correctamente, será
más fácil actualizarlas y será más rápido extraer información vital para mejorar las capacidades de
inteligencia comercial de una organización.
Una vez que se crea el modelo de datos, el formato de los datos se documenta en unDiccionario de
datos. El diccionario de datos (o repositorio de metadatos) es un documento que explica varias piezas de
metadatos para cada atributo, como su nombre, el tipo de datos esperado (fechas, alfanuméricos, números,
etc.) y valores válidos. Los diccionarios de datos pueden incluir información como por qué se necesita el
elemento de datos, con qué frecuencia debe actualizarse y en qué formularios e informes aparecen los datos.
Los diccionarios de datos a menudo incluyenreglas del negocio—es decir, las políticas por las que se ejecuta
una empresa— que ayudan a evitar que entren en la base de datos entradas ilegales o ilógicas. Por ejemplo, los
diseñadores de una base de datos de inventario de almacén podrían capturar una regla en el diccionario de datos
para evitar que se ingrese en la base de datos una fecha de envío no válida para un pedido futuro. Aunque es posible
que las bases de datos NoSQL no sean tan rígidas como los RDMBS o que no apliquen reglas comerciales en absoluto
(dejando el cumplimiento a las aplicaciones), es aconsejable crear modelos de datos y considerar qué datos se
capturarán, cómo se relacionarán los datos y qué reglas se deben hacer cumplir.
Gestión de datos maestrosPara tomar decisiones comerciales operativas, tácticas y estratégicas sólidas, es imperativo
que las decisiones tomadas en diferentes departamentos se basen en los mismos datos, definiciones y suposiciones
subyacentes, es decir, que haya una "versión única de la verdad". Por ejemplo, ¿los departamentos de marketing y
contabilidad tienen las mismas definiciones de cliente o de venta? ¿Un “cliente” incluye a cualquier persona que
pueda estar interesada en el producto o servicio de la empresa (visión de marketing) o solo a aquellos que realmente
realizaron una compra (visión de contabilidad)? Parte de crear una versión única de la verdad esgestión de datos
maestros.Datos maestrosson los datos que se consideran más importantes en el funcionamiento de una empresa.
Normalmente compartidos entre varias unidades organizativas, los datos maestros incluyen datos sobre clientes,
proveedores, inventario, empleados y similares. Puede pensar en los datos maestros como los "actores" en las
transacciones de una organización; por ejemplo, unclientecompra algo, unempleadose paga, etc. Dada la
importancia de los datos maestros de una organización, la gestión de datos maestros es una cuestión centrada en la
gestión más que en la tecnología, ya que las diferentes unidades de negocio y los diferentes niveles corporativos
tienen que llegar a un consenso sobre el significado de los elementos de datos maestros o sobre cómo tratarlos.
duplicados Especialmente para las grandes organizaciones, llegar a una versión única de la verdad puede ser un
desafío, ya que los datos maestros a menudo deben integrarse desde múltiples sistemas. Asimismo, después de
fusiones o adquisiciones, las organizaciones deben tratar de consolidar los datos maestros de dos o más empresas.
Una vez que se ha acordado el significado y el formato de los datos maestros, las aplicaciones de inteligencia
comercial pueden basar sus análisis en la única versión de la verdad.
INGRESO Y CONSULTA DE DATOS.En algún momento, los datos deben ingresarse en la base de datos. Tradicionalmente,
un empleado u otro profesional de entrada de datos crearía registros en la base de datos ingresando datos. Estos
datos pueden provenir de conversaciones telefónicas, formularios preimpresos que deben completarse, registros
históricos o archivos electrónicos. Hoy en día, muchos datos organizacionales se capturan electrónicamente, como es
el caso de la entrada de un usuario en un formulario web; cada vez que realiza un pedido en la web, se suscribe a un
boletín informativo o responde a una encuesta en línea, su entrada se almacena directamente
g datos y análisis 235
FIGURA 6.7
Un formulario basado en computadora utilizado
para ingresar información del cliente.
en una base de datos. Aforma(Figura 6.7) normalmente tiene espacios en blanco donde el usuario
puede ingresar datos o hacer elecciones, cada uno de los cuales representa un atributo dentro de un
registro de la base de datos (como el nombre del usuario, apellido, sexo, etc.). Un formulario debe
organizarse de manera intuitiva para que el usuario pueda ver fácilmente los elementos requeridos e
ingresar los datos. Los formularios se utilizan a menudo para capturar datos que se agregarán,
modificarán o eliminarán de la base de datos (por ejemplo, para modificar su contraseña o eliminar su
antigua dirección de envío en Amazon.com). Además, en el entorno dinámico actual, los datos se
generan y capturan cada vez más de forma automática. Por ejemplo, capturar datos transaccionales
desde un terminal de punto de venta o ingresar datos de sensores desde teléfonos inteligentes o
dispositivos IoT no requiere intervención humana; igualmente,
Para recuperar datos de una base de datos, utilizamos unconsulta. De hecho, cada vez que una página web se
llena dinámicamente con contenido, se ejecuta una consulta para recuperar los datos de una base de datos. El
lenguaje más común utilizado para interactuar con RDBMS esLenguaje de consulta estructurado (SQL). La figura
6.8 es un ejemplo de una instrucción SQL que una librería en línea usaría para recuperar la información necesaria
para completar una página de resumen que contenga todos los libros escritos por el primer autor de este libro de
texto, ordenados por fecha de publicación. Escribir declaraciones SQL puede ser difícil, especialmente cuando se
trata de bases de datos complejas con muchas entidades o cuando se escriben consultas complejas con múltiples
criterios integrados, como agregar números mientras se clasifican según dos atributos diferentes. Muchos paquetes
DBMS de escritorio proporcionan interfaces gráficas de usuario, donde el usuario puede elegir los datos deseados de
la base de datos para crear consultas de forma rápida y sencilla (Figura 6.9).
CONSULTAS E INFORMES AD HOC.Los usuarios comerciales de una organización necesitan la información

correcta en el momento adecuado; por lo tanto, para apoyar la toma de decisiones, los resultados de las
consultas suelen presentarse en forma de informes. Areportees una recopilación de datos de la base de
datos que se organiza y se muestra al usuario (ya sea en pantalla o en papel). Sofisticadogeneradores de
informesy herramientas de análisis como Crystal Reports o Tableau pueden ayudar a los usuarios a
FIGURA 6.8
SELECCIONE AUTOR, TÍTULO, PUBLICACIÓN_FECHA, Esta instrucción SQL de muestra se usaría
para recuperar la información necesaria
PRECIO DE LIBROS para completar una página web de resumen
que contenga todos los libros escritos por el
WHERE AUTOR=“VALACICH” ORDEN primer autor de este libro de texto,
ordenados por fecha de publicación.
POR PUBLICACIÓN_FECHA;
236 Capítulo 6 • MEJORA DE NEGOCIOS
FIGURA 6.9
Microsoft Access proporciona una interfaz gráfica de
usuario que permite a los usuarios seleccionar los
datos necesarios.
Fuente: Access 2016, Windows 10,
Cree informes y visualizaciones interactivos para presentar los datos en un formato útil y ayude a los usuarios comerciales a
entender las grandes cantidades de datos que normalmente se almacenan en las bases de datos de la organización. Los
informes pueden adoptar la forma deinformes programados,informes detallados,informes de excepción, y informes de
indicadores clave(Tabla 6.3) (como se discutió en el Capítulo 2, los indicadores clave de desempeño son las métricas
consideradas más críticas para evaluar el progreso hacia una determinada meta). Estos informes se producen a intervalos
preespecificados o se crean cada vez que ocurre un evento preespecificado; a menudo, esto se combina con alertas
automáticas si se alcanzan ciertos umbrales. Sin embargo, los tomadores de decisiones frecuentemente tienen necesidades
de información imprevistas y es posible que nunca vuelvan a surgir. En tales casos, los usuarios deben ejecutarconsultas ad
hoc(es decir, consultas creadas debido a necesidades de información no planificadas que normalmente no se guardan para su
uso posterior). Las herramientas de consulta ad hoc brindan una interfaz fácil de usar, lo que permite a los gerentes ejecutar
consultas e informes por sí mismos sin tener que conocer los lenguajes de consulta o la estructura de los datos subyacentes.
Instaladas en el escritorio, la computadora portátil o el dispositivo móvil de una persona, estas herramientas se pueden usar
para ejecutar consultas e informes siempre que surja una necesidad de información no planificada sin tener que recurrir a
llamar al departamento de SI para obtener ayuda en la creación de una consulta compleja o un informe especial.
PROCESAMIENTO DE TRANSACCIONES EN LÍNEA.Los sistemas que se utilizan para interactuar con los clientes y administrar un
negocio en tiempo real se denominansistemas operativos. Ejemplos de sistemas operativos son el procesamiento de
órdenes de venta y los sistemas de reserva. Dado que la respuesta rápida del cliente es fundamental para tener un negocio
exitoso basado en Internet, las respuestas automáticas inmediatas a las solicitudes de
CUADRO 6.3Informes y consultas comunes
Informe/Consulta Descripción
Informes programados Informes producidos a intervalos predefinidos (diarios, semanales o mensuales) para
respaldar las decisiones de rutina
Informes de indicadores clave Informes que brindan un resumen de métricas críticas en un programa recurrente
Informes de excepción Informes que resaltan situaciones que están fuera del rango normal
Informes detallados Informes que brindan mayor detalle, para ayudar a analizar por qué un indicador clave no
está en un nivel adecuado o por qué ocurrió una excepción
Consultas ad hoc Consultas que responden a solicitudes de información no planificadas para respaldar una decisión no
rutinaria; por lo general, no se guarda para volver a ejecutarse
Se requieren usuarios.Procesamiento de transacciones en línea (OLTP)los sistemas brindan esto y están

diseñados para manejar múltiples transacciones simultáneas de clientes. Por lo general, estas transacciones
tienen un número fijo de entradas, como artículos de pedido, datos de pago y el nombre y la dirección del
cliente, y salidas específicas, como el precio total del pedido o el número de seguimiento del pedido. Las
transacciones comunes incluyen la actualización de datos de clientes, el procesamiento de pedidos y la
generación de recibos de ventas. En consecuencia, OLTP es una gran parte de las aplicaciones de comercio
electrónico interactivo. Debido a que los clientes pueden estar ubicados prácticamente en cualquier parte del
mundo, es fundamental que las transacciones se procesen de manera eficiente. La velocidad con la que los
sistemas OLTP pueden procesar transacciones es, por lo tanto, una decisión de diseño importante. Además
de qué tecnología se elige para procesar las transacciones,
Aunque las operaciones de la base de datos detrás de la mayoría de las transacciones son relativamente simples, los
diseñadores a menudo dedican un tiempo considerable a realizar ajustes en el diseño de la base de datos para "ajustar" el
procesamiento para un rendimiento óptimo del sistema. Una vez que una organización tiene todos estos datos, debe diseñar
formas de obtener el mayor valor de su recopilación; cada sistema OLTP individual se puede consultar individualmente, pero
el poder real para una organización proviene del análisis de la agregación de datos de diferentes sistemas utilizando métodos
como el procesamiento analítico en línea (que se analiza más adelante).
SISTEMAS OPERACIONALES Y DE INFORMACIÓN.Los sistemas operativos pueden generar una gran cantidad de datos que
pueden servir como insumos útiles para las aplicaciones de inteligencia empresarial y análisis avanzado. Por ejemplo,
un sistema de pago de comestibles procesa una transacción específica (la compra) que se puede vincular a un
sistema de inventario (para fines de reordenación), pero también puede capturar datos valiosos como la hora de la
compra, los artículos comprados juntos, la forma de pago , o detalles del programa de fidelización. Junto con los
datos externos (como la ubicación de la tienda, los datos meteorológicos o la información de la competencia), estos
datos se pueden analizar para patrones de gasto, efectividad de las promociones de ventas o perfiles de clientes.
Los sistemas diseñados para respaldar la toma de decisiones con base en datos históricos o puntuales estables se denominansistemas de información. Los requisitos para
diseñar y respaldar sistemas operativos e informativos son bastante diferentes (Tabla 6.4). En un entorno en línea distribuido, realizar un procesamiento analítico en tiempo real
disminuye el rendimiento del procesamiento de transacciones. Por ejemplo, las consultas analíticas complejas requieren el bloqueo de los recursos de datos durante períodos
prolongados de tiempo de ejecución, mientras que los eventos transaccionales (inserciones de datos y consultas simples de los clientes) son rápidos y, a menudo, pueden ocurrir
simultáneamente; además, las bases de datos operativas normalmente solo contienen datos actuales. Por lo tanto, un sistema de procesamiento de transacciones bien ajustado y
con capacidad de respuesta puede tener un rendimiento desigual para los clientes mientras se lleva a cabo el procesamiento analítico. Como resultado, muchas organizaciones
replican todas las transacciones en un segundo servidor de base de datos para que el procesamiento analítico no afecte el rendimiento del procesamiento de transacciones. Esta
replicación generalmente ocurre en lotes durante las horas de menor actividad, cuando los volúmenes de tráfico del sitio son mínimos. Sin embargo, especialmente para situaciones
en las que se necesita análisis en tiempo real (como la detección de fraudes), incluso una demora de unas pocas horas es inaceptable. Por lo tanto, los sistemas modernos de
administración de bases de datos brindan análisis operativos en tiempo real, lo que permite que OLTP y el análisis se realicen simultáneamente, para el análisis de datos provenientes
de una única fuente de datos (como el sistema ERP de una organización). especialmente para situaciones en las que se necesita análisis en tiempo real (como la detección de fraudes),
incluso una demora de unas pocas horas es inaceptable. Por lo tanto, los sistemas modernos de administración de bases de datos brindan análisis operativos en tiempo real, lo que
permite que OLTP y el análisis se realicen simultáneamente, para el análisis de datos provenientes de una única fuente de datos (como el sistema ERP de una organización).
especialmente para situaciones en las que se necesita análisis en tiempo real (como la detección de fraudes), incluso una demora de unas pocas horas es inaceptable. Por lo tanto, los
sistemas modernos de administración de bases de datos brindan análisis operativos en tiempo real, lo que permite que OLTP y el análisis se realicen simultáneamente, para el
análisis de datos provenientes de una única fuente de datos (como el sistema ERP de una organización).
TABLA 6.4Comparación de sistemas operativos e informativos
Característica Sistema operacional Sistema Informativo
Propósito primario Dirigir el negocio sobre una base actual Apoyar la toma de decisiones gerenciales.
tipo de datos Representación actual del estado del Histórico o de un punto en el tiempo (instantánea)
negocio
Usuarios principales Clientes en línea, empleados, Gerentes, analistas comerciales y

vendedores, administradores clientes (verificación de estado e
historial)
Ámbito de uso Actualizaciones y consultas estrechas y Consultas y análisis amplios y

simples complejos
objetivo de diseño Actuación Facilidad de acceso y uso

TABLA 6.5industria de muestra Usos del almacenamiento de datos
Usos del almacenamiento de datos Empresas Representativas
Análisis de los datos de pago del escáner Camino seguro
Seguimiento, análisis y ajuste de promociones de ventas y cupones. Costco, Corporación CVS
Gestión del programa de clientes frecuentes objetivo, aerolíneas unidas
Análisis de rentabilidad y segmentación de mercado Walgreens, Toyota
Promociones de productos para segmentos de mercado enfocados Walmart, Williams-Sonoma
marketing de segmento cruzado Citigroup
Análisis de riesgo y crédito HSBC
perfil del cliente Morgan Stanley
Almacenes de datos.Sin embargo, para muchos análisis complejos, se necesitan datos de varias fuentes. Por lo
tanto, las grandes organizaciones, como Walmart, UPS y Alaska Airlines, han construido almacenes de datos
que integran múltiples bases de datos grandes y otras fuentes de datos en un solo repositorio. Dicho
depósito, que contiene datos históricos y (casi) actuales para análisis y elaboración de informes, es adecuado
para consultas, análisis o procesamiento directos. Al igual que un almacén físico para productos y
componentes, un almacén de datos almacena y distribuye datos en sistemas de información basados en
computadora. Un almacén de datos es el almacén virtual de una empresa de datos valiosos de los sistemas
de información dispares de la organización y fuentes externas. Admite el análisis de ventas, inventario y otros
datos comerciales vitales que se han seleccionado de los sistemas operativos. El propósito de un almacén de
datos es poner información comercial clave en manos de más tomadores de decisiones, y una organización
que implementa con éxito un almacén de datos se ha comprometido a reunir, integrar y compartir datos
corporativos críticos en toda la empresa. La tabla 6.5 enumera ejemplos de usos industriales de los
almacenes de datos. Los almacenes de datos pueden ocupar cientos de gigabytes (incluso terabytes) de
datos. Por lo general, se ejecutan en computadoras centrales bastante poderosas y pueden costar millones
de dólares.
Si bien no se realizan cambios en los datos históricos existentes contenidos en el almacén de datos, los datos en
un almacén de datos se agregan periódicamente con datos "nuevos" de los sistemas operativos. En consecuencia, un
proceso crucial para consolidar datos de sistemas operativos con otros datos organizacionales (para facilitar el uso
de técnicas de minería de datos para obtener la mayor y más amplia comprensión de los datos) esextracción,
transformación y carga. Primero, los datos deben extraerse de varios sistemas de origen diferentes. En la etapa de
transformación, los datos se limpian y manipulan para adaptarse a las necesidades del análisis (por ejemplo,
mediante la creación de nuevos campos calculados o valores de resumen).Limpieza de datosse refiere al proceso de
detección, corrección (p. ej., estandarización del formato) o eliminación de datos corruptos o inexactos recuperados
de diferentes sistemas de origen (como las diferencias en la forma en que se almacenan las fechas o los códigos
postales). Finalmente, los datos transformados se cargan en el almacén de datos y están listos para ser utilizados en
análisis complejos (Figura 6.10).
FIGURA 6.10
Transformar
La extracción, la transformación y la
Base de datos 1
carga se utilizan para consolidar los
datos de los sistemas operativos en un
25 de mayo de 2010 25/05/2010
almacén de datos.
Extracto Carga
Género: 1 Genero M
Género masculino Genero M
Base de datos 2 Almacén de datos
Doe, Juan Nombre: Juan

Apellido: Doe
Base de datos 3
PRÓXIMAS ATRACCIONES
Juegos conscientes de las emociones
Imagina jugar un videojuego que parece poder leer tu mente o al alinearse con los cambios en las expresiones faciales. Los investigadores
menos saber cuándo tienes confianza o cuándo tienes miedo. Y, de Affectiva han recopilado más de 40 mil millones de puntos de datos
dependiendo de cómo te sientas, se adaptará para hacerte las cosas para interpretar la emoción del rostro de una persona, un verdadero
más fáciles o más difíciles. Affectiva, una empresa de tecnología del problema de Big Data. Si bien los videojuegos están diseñados para
área de Boston, está utilizando una cámara web para capturar la llevar a los jugadores a un viaje emocional, no han podido adaptarse a
expresión facial de una persona y utiliza algoritmos complejos para los cambios en el estado emocional del jugador. Con su tecnología de
interpretar cómo se siente la persona mientras juega un videojuego. detección de emociones, Affectiva espera diseñar juegos más inmersivos.
Con esta información, los diseñadores de juegos pueden ajustar el La aplicación de esta tecnología se puede usar mucho más allá de los
nivel de juego. En un juego de suspenso psicológico lanzado videojuegos y puede ser extremadamente útil para comprender cómo se
recientemente llamadoNo importa,la tecnología hace que el juego sienten las personas cuando miran películas, candidatos políticos y
sea más difícil cuando los jugadores están más asustados o publicidad.
ansiosos. Por ejemplo, el juego presentará inesperadamente un
desafío estresante, como atrapar a un jugador en un entorno
amenazante, lo que obligará al jugador a mantener la calma
Residencia en:
mientras juega para ponerse a salvo.
Afectivo. (2016). Recuperado el 25 de mayo de 2016, de http://www.affectiva.com
Para construir su tecnología, los investigadores de Affectiva han
subbaramán, n. (2016, 1 de marzo). Affectiva se une a los desarrolladores
estudiado los rostros de millones de personas de todo el mundo, pidiéndoles
para crear videojuegos que conozcan tus sentimientos.El Globo de
que vean videos y mapeando cómo cambian los rostros de diferentes personas
Boston.Recuperado el 25 de mayo de 2016, de http://
mientras se miran diferentes tipos de videos. Además, están investigando www.betaboston.com/news/2016/03/01/affectiva-teams-up-with-
cómo los cambios en las frecuencias cardíacas developers-to-make-videogames-that-know-your-feelings
Data marts.En lugar de almacenar todos los datos de la empresa en un almacén de datos, muchas organizaciones han
creado múltiples data marts, cada uno de los cuales contiene un subconjunto de los datos para un solo aspecto del
negocio de una empresa, como finanzas, inventario o personal. Amercado de datos es un almacén de datos que
tiene un alcance limitado. Contiene datos seleccionados del almacén de datos, de modo que cada data mart por
separado se personaliza para las necesidades de soporte de decisiones de un grupo de usuarios finales en particular.
Dado que un data mart solo contiene los datos que necesita un segmento limitado de usuarios (a diferencia de un
almacén de datos de toda la empresa), normalmente es más fácil de consultar y reduce el tiempo necesario para
realizar consultas analíticas. Los data marts han sido populares entre las pequeñas y medianas empresas y entre los
departamentos dentro de las organizaciones más grandes, a todos los cuales se les prohibió anteriormente
desarrollar sus propios almacenes de datos debido a los altos costos involucrados.
Los data marts suelen contener decenas de gigabytes de datos en comparación con los cientos de gigabytes de los
almacenes de datos. Por lo tanto, los data marts se pueden implementar en hardware menos potente. La diferencia de costos
entre los diferentes tipos de data marts y almacenes de datos puede ser significativa. El costo de desarrollar un data mart
suele ser inferior a 1 millón de dólares estadounidenses, mientras que el costo de un almacén de datos puede superar los 10
millones de dólares estadounidenses. Sin embargo, con la llegada de la computación en la nube, varios proveedores ofrecen
almacenamiento de datos como servicio, lo que puede ayudar a reducir significativamente la inversión inicial de la empresa
(consulte el Capítulo 3); Del mismo modo, empresas como SAP están ofreciendo inteligencia comercial bajo demanda como
servicio.
Inteligencia de negocios y analítica avanzada

Varios proveedores diferentes ofrecen una amplia variedad de herramientas para el soporte de decisiones; dichas herramientas a
menudo se clasifican como inteligencia comercial y aplicaciones de análisis avanzado. Por lo general, las herramientas de inteligencia
comercial brindan soporte para la toma de decisiones al permitir que los usuarios comerciales realicen análisis para obtener una
comprensión de lo queposeesucedió. Las herramientas de análisis avanzado, por el contrario, brindan soporte para la toma de
decisiones al permitir que los usuarios comerciales, así como los analistas comerciales y los científicos de datos, obtengan una
comprensión más profunda depor quécosas sucedieron y construir modelos predictivos. Aunque cada tipo de aplicación por sí mismo
puede ser valioso para una organización, es su convergencia lo que permite

organizaciones para obtener y mantener una ventaja competitiva a través de una mejor toma de decisiones.
En las siguientes secciones, analizamos estas categorías, así como los diversos sistemas y tecnologías que
abarca cada una.
Inteligencia de negocios
Los usuarios comerciales utilizan las herramientas de inteligencia comercial para analizar datos estructurados y no
estructurados para obtener una comprensión del rendimiento actual y pasado, lo que ayuda a guiar los procesos de
planificación. Dadas las grandes cantidades de datos, las herramientas de inteligencia empresarial ayudan a los usuarios a
realizar análisis e interpretar datos. En las siguientes secciones, describimos algunas de estas aplicaciones.
Sistemas de Soporte a la Decisión.Tradicionalmente, las organizaciones utilizabansistemas de apoyo a la toma de
decisiones (DSS)para analizar datos estructurados y apoyar su toma de decisiones. Los empleados de nivel gerencial
a menudo usan los DSS para ayudarlos a resolver problemas como el pronóstico de ventas o la optimización de
recursos, pero los DSS se pueden usar para respaldar decisiones en prácticamente todos los niveles de la
organización. Un DSS está diseñado para ser una ayuda de decisión "interactiva" que utilizamodelospara manipular
datos. Por ejemplo, si tiene algunos datos históricos de ventas, puede usar muchos tipos diferentes de modelos para
crear un pronóstico de ventas futuras. Una técnica es tomar un promedio de las ventas pasadas y ajustarlo según los
cambios estacionales. La fórmula que usaría para calcular y ajustar el promedio es el modelo. Un modelo de
pronóstico más complicado podría usar análisis de series de tiempo o regresión lineal.
Con estos modelos, los DSS pueden aumentar el rendimiento humano en la toma de decisiones y la resolución de problemas al permitir que los gerentes realicen análisis hipotéticos para
examinar soluciones alternativas a un problema. AY si el análisispermite a los usuarios realizar cambios hipotéticos en los datos asociados con un problema (por ejemplo, la duración del préstamo o la tasa
de interés) y observar cómo estos cambios influyen en los resultados. Por ejemplo, un administrador de efectivo de un banco podría examinar escenarios hipotéticos que modelan los efectos de varias
tasas de interés en la disponibilidad de efectivo. Algunos tipos de problemas utilizan una variedad de variables de entrada, cada una de las cuales puede tener una probabilidad diferente de ocurrir (por
ejemplo, hay una probabilidad del 25 por ciento de que la inflación se mantenga igual y una probabilidad del 75 por ciento de que la inflación aumente). El análisis de sensibilidad permite comprender
cómo los diferentes valores de entrada y su probabilidad de ocurrencia (p. ej., la tasa de inflación y su probabilidad de ocurrencia) afectarán los resultados de un modelo. Similarmente, Los análisis de
búsqueda de objetivos ayudan a determinar cómo se deben cambiar los parámetros de entrada para lograr el estado final deseado. Finalmente, los modelos de optimización permiten encontrar el mejor
equilibrio entre ciertos parámetros dentro de las restricciones dadas. Juntos, los DSS brindan a los gerentes varias herramientas de análisis de decisiones para analizar datos o crear información
significativa para respaldar la toma de decisiones relacionadas con una variedad de problemas organizacionales. Consulte la Tabla 6.6 para obtener un resumen de las formas en que las organizaciones
pueden usar DSS para respaldar la toma de decisiones en las organizaciones. Si bien los DSS son útiles para respaldar una variedad de decisiones gerenciales, generalmente se limitan a análisis
relativamente simples de datos estructurados, generalmente de sistemas de procesamiento de transacciones. los modelos de optimización permiten encontrar el mejor equilibrio entre ciertos parámetros
dentro de las restricciones dadas. Juntos, los DSS brindan a los gerentes varias herramientas de análisis de decisiones para analizar datos o crear información significativa para respaldar la toma de
decisiones relacionadas con una variedad de problemas organizacionales. Consulte la Tabla 6.6 para obtener un resumen de las formas en que las organizaciones pueden usar DSS para respaldar la toma
de decisiones en las organizaciones. Si bien los DSS son útiles para respaldar una variedad de decisiones gerenciales, generalmente se limitan a análisis relativamente simples de datos estructurados,
generalmente de sistemas de procesamiento de transacciones. los modelos de optimización permiten encontrar el mejor equilibrio entre ciertos parámetros dentro de las restricciones dadas. Juntos, los
DSS brindan a los gerentes varias herramientas de análisis de decisiones para analizar datos o crear información significativa para respaldar la toma de decisiones relacionadas con una variedad de
problemas organizacionales. Consulte la Tabla 6.6 para obtener un resumen de las formas en que las organizaciones pueden usar DSS para respaldar la toma de decisiones en las organizaciones. Si bien los
DSS son útiles para respaldar una variedad de decisiones gerenciales, generalmente se limitan a análisis relativamente simples de datos estructurados, generalmente de sistemas de procesamiento de
transacciones. 6 para obtener un resumen de las formas en que las organizaciones pueden usar DSS para respaldar la toma de decisiones en las organizaciones. Si bien los DSS son útiles para respaldar una variedad de decisiones gerenciales, generalmen
TABLA 6.6Usos comunes de Dss para áreas organizacionales específicas
Área Usos comunes de DSS
Nivel corporativo Planificación corporativa, análisis de empresas, fusiones y adquisiciones
Contabilidad Análisis de costos, análisis de punto de equilibrio, auditoría, cálculo y análisis de impuestos, métodos
de depreciación, elaboración de presupuestos
Finanzas Análisis de flujo de caja descontado, rendimiento de la inversión, compra o arrendamiento, presupuesto de
capital, refinanciación de bonos, gestión de cartera de acciones, interés compuesto, rendimiento después de
impuestos, valores de cambio de divisas
Marketing Pronóstico de demanda de productos, análisis de estrategias publicitarias, estrategias de precios,

análisis de cuota de mercado, evaluación del crecimiento de ventas, rendimiento de ventas
Recursos humanos Gastos comerciales de empleados, cálculos de beneficios complementarios, nómina y deducciones
Producción Programación de producción, análisis de transporte, combinación de productos, niveles de inventario,

control de calidad, ubicación de la planta, asignación de materiales, análisis de mantenimiento, reemplazo
de máquinas, asignación de trabajos, planificación de requisitos de materiales
Procesamiento analítico en línea.Procesamiento analítico en línea (OLAP)se refiere al proceso de realizar
rápidamente análisis complejos y multidimensionales de datos almacenados en una base de datos que está
optimizada para su recuperación, generalmente utilizando herramientas gráficas de software. Las herramientas
OLAP permiten a los usuarios realizar análisis ad hoc de diferentes dimensiones de datos más allá de simples
resúmenes de datos y agregaciones de datos de consultas de bases de datos normales. Una pregunta típica sería
"¿Cuáles fueron las ganancias de cada semana en 2018 por región de ventas y tipo de cliente?" A diferencia de las
consultas relativamente simples en tablas bidimensionales, ejecutar tales consultas multidimensionales requiere una
comprensión más profunda de los datos subyacentes. Dado el alto volumen de transacciones dentro de los sistemas
basados en Internet y el valor comercial potencial de los datos, las herramientas de inteligencia comercial deben
proporcionar amplias capacidades OLAP a los usuarios comerciales.servidor OLAP, que comprende cómo se
organizan los datos en la base de datos y tiene funciones especiales para analizar los datos. El uso de bases de datos
dedicadas permite enormes aumentos en la velocidad de recuperación. En el pasado, las consultas
multidimensionales en grandes bases de datos transaccionales podían tardar horas en ejecutarse; por el contrario,
los sistemas OLAP agregan previamente los datos para que solo se extraiga el subconjunto de los datos necesarios
para las consultas, lo que mejora en gran medida el rendimiento. Dada la disminución en el costo de la memoria de
acceso aleatorio (RAM, consulte el Resumen de tecnología), una tendencia reciente escomputación en memoria,
donde los datos se almacenan en la memoria principal de una computadora en lugar de en un disco duro
comparativamente lento, eliminando los cuellos de botella asociados con la lectura y escritura de datos. Además, el
uso de la computación en memoria para el procesamiento analítico y de transacciones puede ayudar a proporcionar
respuestas a las preguntas a medida que surgen y permitir la toma de decisiones comerciales basadas en datos en
tiempo real.
Medidas y DimensionesCada vez que ocurre una transacción comercial, los datos asociados se pueden almacenar y
luego analizar desde una variedad de perspectivas. Para facilitar el procesamiento eficiente de las transacciones, las
bases de datos que respaldan los sistemas de procesamiento de transacciones en línea tratan todos los datos de
manera similar. Por el contrario, los sistemas OLAP están diseñados para la recuperación eficiente de datos y
clasifican los datos como medidas y dimensiones.Medidas(o a veces llamadohechos) son los valores o números que
el usuario desea analizar, como los ingresos por ventas o la cantidad de pedidos realizados.Dimensiones
proporcionar una forma de resumir los datos, como la región, la hora o la línea de productos. Por lo tanto, los
ingresos por ventas (una medida) podrían analizarse por producto, tiempo (año, trimestre o semana), región
geográfica o distribuidor (las dimensiones). Para permitir el análisis de datos en niveles más o menos detallados, las
dimensiones se organizan en jerarquías (por ejemplo, en año, trimestre, mes o día). Por ejemplo, al analizar las
ventas por regiones geográficas, un usuario puedeprofundizardel estado, del condado, de la ciudad o de la
ubicación de la tienda individual oenrollardel estado a la región de ventas (noroeste, sur, sureste, etc.), al país o al
continente.
Cubos, rebanar y cortar en cubitosPara permitir tales análisis multidimensionales, OLAP organiza los datos en
los llamados cubos. Uncubo OLAPes una estructura de datos que permite agregar múltiples dimensiones a
una tabla bidimensional tradicional (Figura 6.11). Aunque la figura solo muestra tres dimensiones, los datos
se pueden analizar en más de tres dimensiones. El análisis de los datos en subconjuntos de las dimensiones
se conoce comotajando y cortando. Por ejemplo, una porción puede mostrar las ventas por tipo de
producto y región solo para el segundo trimestre de 2018. Otra porción puede mostrar solo las ventas de
computadoras de escritorio en la región occidental (Figura 6.12).
2018T4 FIGURA 6.11

2018Q3
2018T2 Un cubo OLAP permite
2018T1 analizar datos por múltiples
dimensiones.
Escritorios
portátiles
tabletas
teléfonos inteligentes
rte r te st
e
No Su Es Oe
FIGURA 6.12 2018T4 2018T4

2018Q3 2018Q3
Cortar y cortar en cubitos permite 2018T2 2018T2
analizar subconjuntos de las 2018T1 2018T1
dimensiones.
Escritorios Escritorios
portátiles portátiles
tabletas tabletas
teléfonos inteligentes teléfonos inteligentes
rte r te st
e
rte r t e s te
No Su Es Oe No Su Es Oe
VISUALIZACIÓN DE LA INFORMACIÓN.Además de permitir a los usuarios empresariales realizar diversas consultas y
análisis, un aspecto importante de las aplicaciones de inteligencia empresarial es la visualización de la información.

Visualizaciónse refiere a la visualización de relaciones de datos complejas utilizando una variedad de métodos
gráficos, lo que permite a los administradores comprender rápidamente los resultados de los análisis.
Tableros digitalesCuadros de mando digitalesse utilizan comúnmente para presentar visualmente los indicadores
clave de rendimiento y otra información resumida utilizada por los gerentes y ejecutivos para tomar decisiones. Para
proporcionar los mayores beneficios para los tomadores de decisiones, los tableros digitales generalmente admiten
tres modelos de uso: informes de inserción, informes y alertas de excepción e informes de extracción. Los tableros
digitales no solo brindan a los tomadores de decisiones una descripción general rápida y visual de los indicadores
clave de rendimiento y otras estadísticas y tendencias operativas clave (es decir, informes automáticos), sino que
también alertan al usuario sobre cualquier elemento que requiera atención inmediata (es decir, informes de
excepción y alertas). ); si el usuario desea analizar las causas raíz de una excepción o realizar otros análisis, puede
profundizar o realizar consultas ad hoc de autoservicio (es decir, generar informes).
Los tableros digitales (a veces llamados tableros ejecutivos) brindan a los gerentes de alto nivel la información
necesaria para respaldar los procesos comerciales, como la gestión de efectivo e inversiones, la asignación de
recursos y la negociación de contratos. Por lo general, los ejecutivos requieren información presentada en una forma
altamente agregada para que puedan escanear la información rápidamente en busca de tendencias y anomalías
(Figura 6.13).
Si bien los datos generalmente se brindan en una forma altamente agregada, el ejecutivo también tiene
la capacidad de profundizar y ver los detalles si es necesario. Por ejemplo, suponga que un tablero digital
resume las ganancias por estado. Si el ejecutivo desea obtener una comprensión más profunda de un estado
en particular, una selección en la pantalla puede proporcionar los detalles detrás del agregado. Al
profundizar en los datos, el ejecutivo puede ver que la mayoría de las ganancias se obtuvieron en una región
o ciudad en particular o incluso en una tienda. Además, la información proporcionada se puede compartir
fácilmente en toda la organización para que el ejecutivo pueda enviar rápidamente un mensaje a los
gerentes apropiados para discutir soluciones al problema descubierto en el desglose.
Los tableros hacen uso de una variedad de elementos de diseño para presentar los datos de la manera
más fácil de usar. Para resaltar las desviaciones que deben abordarse o para simbolizar los cambios a lo largo
del tiempo, los tableros usan mapas, gráficos, chispas o gráficos que simbolizan semáforos, termómetros o
velocímetros (Figura 6.14); el formato condicional se usa a menudo para resaltar excepciones y llamar la
atención del usuario sobre las desviaciones del curso normal del negocio.
Una tendencia reciente que influye en el diseño de los tableros es la inteligencia comercial móvil. Con los avances en la
tecnología de comunicación móvil, los ejecutivos de hoy quieren estar en contacto con el desempeño de su organización en
cualquier momento y en cualquier lugar. Además, la mayoría de los trabajadores del conocimiento de hoy en día son cada vez
más móviles en términos del dispositivo que usan: durante una jornada laboral, uno puede usar una computadora de
escritorio, una computadora portátil, un teléfono inteligente o un iPad. Por lo tanto, los proveedores de paneles ofrecen
soluciones para múltiples dispositivos y tamaños de pantalla para que cada usuario pueda obtener la información más
actualizada, independientemente de la ubicación y el dispositivo utilizado, lo que facilita las decisiones comerciales basadas en
datos en tiempo real (Figura 6.15).
Una de las tendencias crecientes de la inteligencia comercial (BI) móvil es el uso de datos de ubicación que se
pueden obtener fácilmente de las redes GPS o Wi-Fi. Esta capacidad puede ser una parte importante
y análisis 243
FIGURA 6.13
Un tablero digital presenta información en
una forma altamente agregada, lo que
permite a los ejecutivos escanear
información rápidamente en busca de
tendencias y anomalías.
fuente: power Bi 2016, Windows 10,
de una solución de BI innovadora porque la información relevante para la ubicación se puede entregar al dispositivo
en función de su ubicación. Por ejemplo, se pueden enviar al dispositivo detalles sobre personas específicas, como
clientes, colegas y personal, dentro de una vecindad particular, además de informes específicos de ubicación. Con
tales capacidades, el dispositivo móvil utiliza sus capacidades de generación de datos para mejorar la inteligencia del
usuario.
Análisis visualComo se discutió en las secciones anteriores, los sistemas de inteligencia comercial pueden
proporcionar a los tomadores de decisiones comerciales una amplia variedad de análisis para respaldar la toma de
decisiones. Sin embargo, al final, siguen siendo los humanos quienes tienen que interpretar el resultado de estos
sistemas. Con la creciente complejidad de los datos subyacentes (como múltiples dimensiones, incluidas las
dimensiones espaciales), la interpretación de los resultados se vuelve extremadamente complicada.
FIGURA 6.14
Importe presupuestado
> 20% por encima del presupuesto Marketing Washington
(2,932) Los tableros usan varios elementos

Por encima del presupuesto
160
Dentro del presupuesto gráficos para resaltar información
mes incompleto 120
importante.
80
40
0
JFMAMJJASOND
Volumen de ventas de inventario

Ganancia bruta QTD/Ingreso total
2.5
Ventas este mes
2
20
1.5
Volumen de ventas de inventario
10
30
1
0
0.5
QTD Ganancia Bruta %
36
0
ene febmar abrmayjun jul agosep oct novdic
Mes
244 Capítulo 6 • MEJORA DE LA INTELIGENCIA EMPRESARIAL
FIGURA 6.15
La inteligencia empresarial móvil puede
proporcionar a los ejecutivos información
relevante independientemente de la ubicación
y el dispositivo.
fuente: power Bi 2016, Windows 10,
desafiante.Análisis visual(aveces llamadodescubrimiento de datos visuales) es la combinación de varias

técnicas de análisis y visualización interactiva para resolver problemas complejos. Al combinar la inteligencia
humana y las capacidades de razonamiento con las capacidades de recuperación y análisis de la tecnología,
el análisis visual puede ayudar en la toma de decisiones, ya que se fusionan las fortalezas tanto del ser
humano como de la máquina. Con la capacidad humana para dar sentido a los datos "ruidosos", se pueden
descubrir patrones o relaciones inesperados en los datos, y los resultados de consultas complejas se pueden
interpretar rápidamente. El análisis visual se utiliza en una variedad de entornos, que van desde la seguridad
nacional hasta el socorro en casos de desastre. Por ejemplo, dar sentido a los datos tabulares sobre la fuerza
de un huracán (incluida la información sobre la ubicación de las nubes, etc.) es casi imposible. La figura 6.16
muestra la visualización de un huracán a medida que gana fuerza. La imagen muestra imponentes nubes
tormentosas (en rojo), llamadas torres calientes, que fueron detectadas justo antes de que el huracán se
intensificara a categoría 5. Una vez que el huracán se representa visualmente, los analistas pueden ver los
cambios a lo largo del tiempo para comprender mejor su comportamiento. De manera similar, las
organizaciones de todo el mundo están utilizando tecnologías de visualización para mejorar la inteligencia
comercial.
FIGURA 6.16
El análisis visual puede ayudar a dar
sentido a las relaciones de datos
complejas utilizando una variedad de
métodos gráficos.
fuente: nasa
QUIÉN SE ESTÁ PASANDO POR EL MÓVIL
Identificación de puntos críticos de malaria
Un punto de acceso es un lugar importante, ya sea un lugar para el comercio o acostumbrarnos a utilizar a través de nuestras rutinas diarias.
un lugar popular para cenar y bailar. Cuando pensamos en tecnología móvil y Cuando un teléfono móvil está dentro del alcance de una torre
puntos de acceso, tendemos a pensar en lugares concurridos con acceso celular, se comunica con la torre para hacerle saber que está
público gratuito a Wi-Fi. Dichos puntos de acceso Wi-Fi a menudo se allí. Y, si hay mensajes almacenados en la red, se pueden enviar
encuentran donde la gente se reúne, como aeropuertos, estaciones de tren, al dispositivo. Al saber qué teléfonos están allí, cuándo y por
bibliotecas, centros de convenciones, cafeterías y hoteles. Debido a que los cuánto tiempo, los investigadores pueden identificar quién vive
puntos de acceso a menudo están rodeados por una gran cantidad de cerca de una torre y quién está viajando por la región. Al
personas dinámicas, los investigadores pueden usarlos para estudiar una estudiar los patrones de comunicación, también pueden
amplia gama de temas que van desde movimientos de multitudes hasta obtener información sobre la red social de amigos y familiares
tendencias de moda y entretenimiento. Para ayudar en este trabajo, Los de un individuo.
investigadores también han creado algoritmos para estimar la cantidad de Dada la falta de servicios médicos en muchas áreas del África
personas en una habitación que no se puede ver o incluso la cantidad de subsahariana, las enfermedades infecciosas son un gran problema, y los
personas en una gran multitud mediante el análisis de la cantidad de brotes a menudo se propagan entre los miembros de una red social. Por lo
dispositivos de teléfonos inteligentes con su antena Wi-Fi encendida dentro de tanto, los investigadores de la salud están estudiando los datos de tráfico de
un área determinada. en los estados unidos y en gran parte del mundo teléfonos celulares no solo para comprender las redes sociales, sino también
desarrollado, existen muchas restricciones relacionadas con el rastreo de para obtener información relacionada con la transmisión de enfermedades
teléfonos celulares debido a numerosas preocupaciones de privacidad, pero infecciosas. Por ejemplo, al estudiar los datos de una sola torre en Kenia, los
actualmente no hay leyes que restrinjan el rastreo de dispositivos conectados investigadores encontraron que las personas que hacían llamadas o enviaban
a Wi-Fi. Si bien el uso de tales técnicas para estimar el número de personas no mensajes de texto desde una torre en particular tenían más probabilidades de
puede conducir a unaPerfecto medida, ya que los investigadores tienen que ser portadoras de malaria. Como la malaria se transmite de persona a persona
hacer suposiciones sobre la cantidad de personas sin dispositivos, la cantidad a través de las picaduras de mosquitos, los investigadores pudieron predecir
con Wi-Fi apagado e incluso aquellas con más de un dispositivo, permite una quién era más probable que se infectara estudiando con quién se
estimación bastante buena. Con una buena estimación del número total de comunicaban estas personas. También pudieron identificar la fuente del brote,
personas, se pueden hacer pronósticos de varias cosas con base en un una plantación de té ocupada que tenía muchos trabajadores migrantes. Si
muestreo aleatorio y conociendo el tamaño de la población. bien el seguimiento del tráfico de teléfonos celulares plantea muchas
preocupaciones sobre la privacidad, el uso de la extracción de datos y el
En las zonas rurales de África, sin embargo, estos puntos de acceso Wi-Fi no son análisis avanzado de estos datos permite a los investigadores combatir mejor
frecuentes, pero sí lo son las torres de telefonía móvil. A diferencia de gran parte del la propagación de enfermedades. Típico en el mundo digital, muchos avances
mundo desarrollado, muchas partes del mundo en desarrollo permiten el rastreo de vienen con preocupaciones igualmente preocupantes.
teléfonos celulares a través de acuerdos con proveedores inalámbricos o con
gobiernos locales. Si bien persisten las preocupaciones sobre la privacidad, los
Residencia en:
investigadores están utilizando datos de seguimiento de teléfonos celulares para
liszewski, a. (2015, 9 de junio). Las redes wifi pueden contar personas, no se
estudiar varios problemas de salud e infraestructura. Debido a que muchas de estas
requieren teléfonos.Gizmodo.recuperado el 28 de junio de 2016, de http://
regiones no tienen una cobertura inalámbrica completa, las personas viajan gizmodo.com/wi-fi-networks-can-count-people-no-phones-required-1710033051
intencionalmente cerca de las torres de telefonía celular para poder realizar llamadas
Talbot, D. (2013). Big Data desde teléfonos baratos.Revisión de tecnología.
o enviar y recibir mensajes. Por lo tanto, en muchos sentidos, una torre celular es una recuperado el 28 de junio de 2016, de https://www.technologyreview. com/s/
versión más grande de los puntos de acceso Wi-Fi populares que todos tenemos. 513721/big-data-desde-teléfonos-baratos
Análisis avanzado
A diferencia de las herramientas de inteligencia empresarial, que se centran principalmente en analizar datos estructurados o
semiestructurados para examinar el rendimiento pasado y actual, los análisis avanzados están diseñados para ayudar a los
usuarios a obtener una comprensión más profunda de por qué sucedieron las cosas y crear modelos predictivos para
respaldar la toma de decisiones humana y automatizada ( el términoCiencia de los datosse utiliza para describir el campo de
estudio y práctica de la analítica avanzada). Como tal, el análisis avanzado utiliza datos estructurados y no estructurados para
obtener automáticamente información significativa mediante el descubrimiento de patrones, tendencias y relaciones.
Mientras que las herramientas de inteligencia comercial son utilizadas principalmente por usuarios comerciales, los análisis
avanzados a menudo son utilizados por analistas comerciales o científicos de datos debido a la complejidad de los modelos y
los datos subyacentes. Habilitados por análisis avanzados hay sistemas inteligentes, que están diseñados para quitar algunas
de estas decisiones de las manos de los tomadores de decisiones humanos, liberando así recursos valiosos.
Procesamiento de datos.Procesamiento de datoscomplementa OLAP en el sentido de que proporciona capacidades
para descubrir relaciones predictivas "ocultas" en los datos. Usando algoritmos complicados en poderosas
computadoras multiprocesador o arquitecturas de computación en la nube, las aplicaciones de minería de datos
pueden analizar cantidades masivas de datos para identificar características de clientes rentables, patrones de
compra o incluso transacciones fraudulentas con tarjetas de crédito. Unalgoritmose refiere a los procedimientos
paso a paso utilizados para hacer un cálculo o realizar algún tipo de proceso basado en computadora. Por lo general,
los algoritmos de minería de datos buscan patrones, tendencias o reglas que están ocultas en los datos para
desarrollar modelos predictivos. Los resultados de un ejercicio de minería de datos (como las características de los
clientes con mayor probabilidad de responder a una campaña de marketing para un nuevo producto específico) se
pueden usar en una consulta ad hoc (por ejemplo, para identificar a los clientes que comparten esas características
para orientarlos). en la próxima campaña). Es importante tener en cuenta que cualquier modelo predictivo
interesante derivado de la minería de datos debe probarse con datos "frescos" para determinar si el modelo
realmente cumple lo que promete.
A veces, la minería de datos es completamente ateórica y las empresas buscan relaciones ocultas entre
los datos, como si buscaran oro. En otros casos, los usuarios comerciales formulan hipótesis (como “los
clientes con un ingreso familiar de US$150 000 tienen el doble de probabilidades de responder a nuestras
campañas de marketing que los clientes con un ingreso de US$60 000 o menos”), y estas hipótesis se
contrastan con las existentes. datos. Sin embargo, al igual que con otras herramientas de inteligencia
comercial, ser capaz de hacer las preguntas correctas es la habilidad más crucial y debe venir antes de sacar
conclusiones sobre los resultados.
Para aumentar el poder predictivo, los algoritmos de minería de datos se ejecutan en grandes conjuntos de datos.
Según el tamaño del conjunto de datos (los conjuntos de datos grandes pueden contener muchos terabytes de datos), los
algoritmos de minería de datos pueden tardar mucho tiempo en ejecutarse; por lo tanto, un paso preparatorio importante
para ejecutar algoritmos de minería de datos esreducción de datos, lo que reduce la complejidad de los datos a analizar. Esto
se puede lograr acumulando un cubo de datos al nivel más pequeño de agregación necesario, reduciendo la dimensionalidad
o dividiendo las medidas continuas en intervalos discretos.
Descubrimiento de asociacionesUna aplicación de minería de datos utilizada con frecuencia es el descubrimiento de

asociaciones.Descubrimiento de asociaciónes una técnica utilizada para encontrar asociaciones o correlaciones
entre conjuntos de elementos. Por ejemplo, una cadena de supermercados desea averiguar qué artículos se suelen
comprar juntos para rediseñar el diseño de la tienda y optimizar la "ruta de navegación" de los clientes a través de la
tienda o para lanzar una nueva promoción. Las transacciones de ventas mineras durante los últimos 5 años pueden
revelar que el 80 por ciento de las veces, las personas que compran café también compran azúcar (Figura 6.17). Las
reglas de asociación normalmente contienen dos números: un porcentaje que indica respaldo (p. ej., la combinación
de café y azúcar ocurre en el 20 % de todas las transacciones analizadas) y un nivel de confianza que indica la
confiabilidad (p. ej., el 80 % de todas las transacciones que contienen café también contienen azúcar). ). Estos
números ayudan a los gerentes a decidir si la regla de asociación es significativa y si hay algún cambio (p. ej., al
diseño de la tienda o la fijación de precios) en función de los hallazgos valen la pena. Similar al descubrimiento de
asociaciones,descubrimiento de secuenciasse utiliza para descubrir asociaciones a lo largo del tiempo. Por ejemplo,
se puede descubrir que el 55 por ciento de todos los clientes que compran un nuevo televisor de alta definición
también compran un reproductor de discos Blu-ray dentro de los próximos 2 meses.
FIGURA 6.17
Las reglas de asociación simbolizan
asociaciones entre conjuntos de elementos.
caféSAzúcar [Apoyo 20%, Confianza 80%]

DILEMA ÉTICO
Internet orwelliano de las cosas
En 1949, el autor inglés George Orwell escribió la novela "1984", que y selección para el reclutamiento, o para obtener acceso a redes o
describía una sociedad tiránica futurista con vigilancia gubernamental credenciales de usuarios”, dijo Clapper a un panel del Senado como parte
omnipresente por parte de una entidad conocida como "Gran Hermano". de su “evaluación de amenazas” anual contra Estados Unidos.
El Gran Hermano no era un hermano servicial y cariñoso, sino una En combinación con análisis avanzados, IoT permitirá a las empresas
entidad que busca el poder por sí mismo y no por el bien de los demás. brindar servicios sin precedentes a los clientes. Los recordatorios, los pedidos
Desde su escritura,orwellianoes un adjetivo que refleja acciones que automáticos, el seguimiento de actividades y una gran cantidad de otras
podrían ser destructivas para el bienestar de una sociedad libre y abierta. comodidades se convertirán en una parte normal de nuestras vidas. Sin
A los defensores de la privacidad les preocupa que muchos tipos de embargo, con todas estas comodidades, también proporcionaremos una gran
dispositivos y dispositivos de automatización del hogar, incluidos en la cantidad de datos sobre nuestra vida diaria que, como mínimo, pueden ser
megatendencia de Internet de las cosas (IoT), cuando se combinan con una invasión de la privacidad o ser utilizados indebidamente por piratas
capacidades de análisis avanzadas, tienen el potencial de tener informáticos malintencionados o incluso por nuestro propio gobierno. Si bien
orwellianoimpactos en la sociedad. tales preocupaciones orwellianas no eran posibles en 1984, en el mundo
Hay una amplia gama de dispositivos IoT que están diseñados para recoger digital actual, el Gran Hermano ha llegado.
cantidades masivas de datos para ayudar a los humanos y otros sistemas en nuestra
sociedad moderna. Pero a medida que se recopilan y analizan más y más datos, Preguntas
muchos defensores de la privacidad temen que estemos perdiendo cada vez más 1.Si usa un rastreador de actividad física o algún otro dispositivo IoT, ¿la
nuestro anonimato y nuestra libertad individual. Por ejemplo, al considerar los empresa debería poder vender sus datos? ¿Sería aceptable compartir
dispositivos IoT, los defensores de la privacidad se preocupan por una variedad de los datos con algunos pero no con otros? Explique.
preguntas. ¿Qué datos recopilan los dispositivos IoT? ¿Quién tiene acceso a estos 2.Por lo general, la empresa que proporciona un dispositivo IoT es propietaria de los
datos? ¿Cómo se pueden utilizar estos datos? Y, como demuestran los informes de datos de sus clientes. ¿Qué leyes o normas se necesitan para equilibrar las
noticias, los datos de IoT se pueden usar de maneras inesperadas, interesantes y necesidades de la empresa y la privacidad de los clientes?
legalmente significativas.
Residencia en:
Imagine todas las cosas que podrían equiparse con un sensor y
recopilar datos sobre su uso. Por ejemplo,cosas como su tostadora, Krieger, M. (10 de febrero de 2016). El funcionario superior estadounidense admite: el
gobierno utilizará "Internet de las cosas" para espiar al público.Libertad relámpago
refrigerador, termostato, iluminación e incluso la cerradura de la
Krieg. Recuperado el 27 de mayo de 2016 de http://libertyblitzkrieg.com/2016/02/10/
puerta principal de su apartamento. Todo eso parece un poco
top-us-official-admits-government-will-use-internet-of-things-to-spyon-the-public
genial, ¿verdad? ¿Qué hay de tu baño? Eso no suena muy bien. Si le
preocupa que un gobierno lea su correo electrónico, ¿qué le
sullivan, CC (2016, 20 de enero). La presidenta de la FtC plantea inquietudes
parecería que una base de datos recopile información cada vez que sobre el Internet de las cosas.Encuentra la ley.Recuperado el 27 de mayo de
tira de la cadena del inodoro? Imagine lo que un grupo de 2016 de http://blogs.findlaw.com/technologist/2016/01/ftc-chairwoman-
investigación médica podría hacer con esos datos. En resumen, los raisesconcerns-over-the-internet-of-things.html
datos recopilados para cadacosapodría terminar en manos de las swanson, B. (25 de febrero de 2015). la política de Internet orwelliana de la
fuerzas del orden, el gobierno, las empresas de marketing e incluso FCC.Mundo de la informática.Recuperado el 27 de mayo de 2016, de http://
www. computerworld.com/article/2888366/the-fcc-s-orwellian-
piratas informáticos malintencionados. Y esto no es ciencia ficción.
internetpolicy.html
en 2016, el gobierno de estados unidos admitió que estaba usando
Timm, T. (2016, 9 de febrero). El gobierno acaba de admitir que utilizará
dispositivos iot para espiar y espiar a posibles terroristas y delincuentes.
dispositivos domésticos inteligentes para espiar.El guardián.Recuperado el 27
el director de inteligencia nacional de estados unidos, james clapper,
de mayo de 2016, de http://www.theguardian.com/commentisfree/2016/feb/
dejó en claro que los sensores y dispositivos de IoT brindan amplias 09/internet-of-things-smart-devices-spying-surveillance-us-government
oportunidades para que las agencias de inteligencia espíen objetivos. “En
ts, M. (2014, 2 de julio). Internet de las cosas está mirando.Inteligencia de
el futuro, los servicios de inteligencia podrían usar [Internet de las cosas] seguridad.Recuperado el 27 de mayo de 2016, de https://
para identificación, vigilancia, monitoreo, rastreo de ubicación, securityintelligence.com/internet-of-things-all-well-or-orwell
Agrupación y ClasificaciónOtra aplicación útil de la minería de datos es el agrupamiento y la clasificación.

Agrupaciónes el proceso de agrupar registros relacionados sobre la base de tener valores similares para los
atributos, y así encontrar una estructura en los datos. Por ejemplo, un fabricante de productos electrónicos
de consumo puede encontrar grupos en torno a preferencias de modelos, grupos de edad y niveles de
ingresos. Estos resultados se pueden usar para dirigirse a ciertos grupos de clientes en campañas de
marketing. A diferencia de,clasificaciónse utiliza cuando los grupos ("clases") se conocen de antemano y los
registros se segmentan en estas clases. Por ejemplo, un banco puede haber encontrado que hay diferentes
clases de clientes que difieren en la probabilidad de incumplimiento de pago de un préstamo. Como tal,
todos los clientes pueden ser clasificados en diferentes categorías de riesgo (conocido) con el fin de
asegurar que el banco no exceda un nivel deseado de riesgo dentro de su cartera de préstamos. Por lo general, la
clasificación usaría un árbol de decisiones para clasificar los registros.
Análisis de datos no estructurados.Aunque los métodos que se acaban de describir pueden ayudar a los responsables de la toma
de decisiones a obtener una mejor visión del desempeño de su organización o del comportamiento de sus clientes, solo
brindan una imagen parcial. Al centrarse únicamente en los datos estructurados (como transacciones, líneas de crédito, etc.),
se deja sin explotar una gran cantidad de datos no estructurados (como las opiniones de los clientes expresadas en foros en
línea, cartas o registros de centros de llamadas relacionados con el servicio); de hecho, los investigadores estiman que el 80
por ciento de todos los datos empresariales consisten en datos no estructurados o semiestructurados (Andriole, 2015), y con
el tremendo aumento del contenido generado por el usuario en la web, es probable que esta cifra aumente aún más. Por lo
tanto, tomar decisiones comerciales importantes basadas únicamente en datos estructurados puede ser peligroso. ya que las
cantidades masivas de datos no estructurados podrían fortalecer o contradecir los hallazgos derivados del análisis solo de
datos estructurados. Por lo tanto, las organizaciones están tratando no solo de llegar a una única versión de la verdad, sino
también de obtener toda la verdad mediante el análisis de datos no estructurados utilizandominería de texto, minería de
contenido web,ominería de uso web.
Minería de texto y minería de contenido webExtracción de textosse refiere al uso de técnicas analíticas para extraer
información de documentos textuales. Para las organizaciones, el análisis de documentos textuales puede proporcionar
información muy valiosa sobre el rendimiento comercial, las actividades de los competidores o el cumplimiento normativo.
Dichos documentos de texto pueden incluir datos internos, como cartas o correos electrónicos de clientes, llamadas de
clientes, comunicaciones internas o datos externos, como publicaciones de blogs, wikis, mensajes de Twitter y publicaciones
de Facebook, así como páginas web de la competencia, materiales de marketing, patentes. presentaciones, y así
sucesivamente. Los sistemas de minería de texto utilizan procesamiento de texto, análisis estadísticos,aprendizaje automático,
y otras técnicas para analizar las estructuras lingüísticas de un documento para extraer datos como lugares, empresas,
conceptos o fechas. La mayoría de los sistemas pueden extraer fácilmente una amplia gama de contenido y pueden
personalizarse para satisfacer las necesidades de una organización agregando palabras clave específicas relacionadas con
competidores, nombres de productos, personas de interés y similares. Obviamente, al analizar y utilizar el contenido
generado por los usuarios, las empresas deben ser conscientes de las cuestiones relacionadas con la ética y la privacidad,
pero también con la seguridad.
minería de contenido webse refiere a la extracción de información textual de documentos web. Para
extraer información de Internet en general (o de algún subconjunto de sitios web), una araña de recopilación
de documentos orastreador web(discutido más adelante), reuniría páginas web y documentos que coincidan
con algunos criterios preespecificados y colocaría su contenido en un almacén de documentos masivo. Una
vez recopilados, el sistema de minería de textos aplicaría una variedad de técnicas analíticas para producir
informes que se pueden usar para obtener información adicional más allá de lo que normalmente se obtiene
cuando solo se extraen datos estructurados (Figura 6.18). El próximo desafío para las organizaciones será
extraer información útil de flujos de audio o video en la web (la llamada minería multimedia).
El análisis de documentos de texto puede ayudar a las organizaciones de varias maneras:
■ ■ El departamento de marketing puede utilizaranálisis de los sentimientospara conocer los pensamientos,
sentimientos y emociones de los clientes analizando no solo los correos electrónicos o cartas de los clientes, sino
también blogs, wikis o foros de discusión.
■ ■ El departamento de operaciones puede obtener información sobre el rendimiento del producto mediante el análisis de los registros de
servicio, las llamadas de los clientes o las reseñas de productos en línea y mejorar las funciones o el rendimiento del producto en
función de los conocimientos adquiridos.
■ ■ Los tomadores de decisiones estratégicas pueden reunirinteligencia competitivamediante el análisis de comunicados de
prensa, artículos de noticias o contenido web generado por los clientes sobre los productos de la competencia.
■ ■ El departamento de ventas puede conocer las principales cuentas analizando la cobertura de noticias. El
■ ■ departamento de recursos humanos puede monitorear la satisfacción de los empleados o el cumplimiento de las
políticas de la empresa mediante el análisis de las comunicaciones internas (esto es especialmente importante para
cumplir con regulaciones como la Ley Sarbanes-Oxley; consulte el Capítulo 10). Los reporteros de noticias o las
■ ■ agencias de inteligencia pueden averiguar qué temas están de moda cuando intentan comprender los sentimientos
públicos en países inestables.

■ ■ Los investigadores pueden identificar posibles instancias de incumplimiento y fraude analizando la comunicación
por correo electrónico dentro de una empresa en una industria regulada.
Muchas empresas importantes, incluidas Capital One, Marriott International, United Airlines y Walmart, utilizan
soluciones de minería de texto para evaluar los sentimientos de los clientes y aumentar su satisfacción. De manera
similar, raveable.com proporciona calificaciones de hoteles agregando información de fuentes
Documentos clasificados FIGURA 6.18

Minería de texto en Internet.
1. Doctor A
2. Doctor B
Internet 3. Doctor C
4. ...
Documentos agrupados
Documento
documento t
Texto Clúster r
Recopilación
Almacén se
Minería A
Araña Sistema
Clúster r
B
Documentos en red
Doctor B
Doctor A Doctor C
Doctor E Doctor D
como Tripadvisor, Expedia y Travelocity, así como blogs de viajes individuales; además de agregar
calificaciones numéricas dadas por aspectos como la limpieza, el valor o la ubicación, raveable. com utiliza la
minería de texto para analizar los comentarios de revisión basados en palabras clave comoTapones para los
oídos,ruido, olimpioy los sentimientos asociados para categorizar las reseñas y clasificarlas como positivas o
negativas. Discutiremos más a fondo el monitoreo de las redes sociales y el análisis de sentimientos y su
papel en la gestión de las relaciones con los clientes en el Capítulo 8, "Fortalecimiento de las relaciones entre
empresas a través de la cadena de suministro y la gestión de las relaciones con los clientes".
Minería de uso webMinería de uso web—también conocido como análisis web— es utilizado por organizaciones como
Amazon.com para determinar patrones en los datos de uso de los clientes, como la forma en que los usuarios
navegan por el sitio o cuánto tiempo pasan en diferentes páginas. Al analizar los usuariosdatos del flujo de clics(es
decir, una grabación de la ruta de un usuario a través de un sitio web), una empresa como Amazon.com puede
evaluar sus páginaspegajosidad(es decir, la capacidad de atraer y mantener visitantes) y cómo los clientes navegan a
través de diferentes categorías de artículos, lo que finalmente ayuda a Amazon.com a optimizar la estructura de su
sitio web. Además, las organizaciones pueden monitorear los movimientos del cursor del mouse de los usuarios para
inferir qué áreas de una página web reciben la mayor atención de los visitantes.
Al igual que con otros sistemas de análisis de negocios, los resultados de estos análisis se pueden proporcionar
en tableros digitales, informes en papel, portales web, alertas por correo electrónico (usando agentes de monitoreo
o minería de datos) y dispositivos móviles, así como una variedad de otros tipos de información. (Figura 6.19).
Aprendizaje automático.Mientras que las computadoras “convencionales” son muy hábiles para procesar grandes
cantidades de datos mediante la ejecución rápida de las instrucciones de un programa, no pueden adaptarse
fácilmente a diferentes circunstancias ni manejar datos ruidosos. Si a una computadora convencional se le presenta
un problema novedoso que no está programado para resolver, no puede lidiar con esta situación.Aprendizaje
automáticoes una rama de la inteligencia artificial que permite que los sistemas aprendan mediante la identificación
de patrones significativos al procesar cantidades masivas de datos estructurados o no estructurados. El aprendizaje
automático ha permitido grandes avances en varios campos; sistemas inteligentes (discutidos a continuación) como
los autos sin conductor de Google, pero también reconocimiento de voz, procesamiento de lenguaje natural, visión
artificial, búsqueda web, reconocimiento de imágenes o escritura predictiva
FIGURA 6.19
La inteligencia comercial se puede Papel
entregar a los usuarios de varias Informes
maneras.
Inventario
Datos
Depósito Digital
Tableros
y otra
Sistemas
sa yo
es
Datos
Depósito
Correo electrónico
Alertas
Inteligencia de negocios
y Avanzado
Sistemas de análisis
Otro
Datos
Fuentes Móvil
Usuarios y
Sistemas
(por ejemplo, el uso de teclados de teléfonos inteligentes como SwiftKey o Swype) se basan en avances en algoritmos
de aprendizaje automático. Recientemente, Netflix comenzó a aplicar algoritmos de aprendizaje automático para
mejorar las recomendaciones de películas. Un enfoque utilizado con frecuencia para el aprendizaje automático es el
uso de redes neuronales artificiales;Redes neuronales, compuesto por una red de elementos de procesamiento (es
decir, "neuronas" artificiales) que trabajan en paralelo para completar una tarea, intentan aproximarse al
funcionamiento del cerebro humano y pueden aprender con el ejemplo. Por lo general, una red neuronal es
entrenadoal hacer que categorice una gran base de datos de información pasada (p. ej., una base de datos de dígitos
escritos a mano) para patrones comunes a fin de inferir reglas (p. ej., qué características diferencian el dígito 1 de un
7). Estas reglas se pueden aplicar a nuevos datos y conclusiones extraídas. Por ejemplo, muchas instituciones
financieras utilizan sistemas de redes neuronales para analizar las solicitudes de préstamos. Estos sistemas
comparan los datos de la solicitud de préstamo de una persona con la red neuronal que contiene elinteligenciadel
éxito y el fracaso de innumerables préstamos anteriores, recomendando finalmente la aceptación (o rechazo) del
préstamo (Figura 6.20). Los enfoques más nuevos basados en redes neuronales, llamados aprendizaje profundo, se
están acercando cada vez más a imitar el cerebro humano y permiten grandes avances en áreas como el
reconocimiento de voz o del habla; en 2016, los bancos comenzaron a utilizar el reconocimiento de voz para
identificar a los clientes de banca en línea. En los últimos años, los algoritmos de aprendizaje automático han
progresado mucho, especialmente en aplicaciones donde las entradas y las tareas son imprecisas, como la
clasificación de imágenes. En particular, usando estadísticas bayesianas ológica difusapermite utilizar
aproximaciones o valores subjetivos para manejar situaciones donde la información sobre un problema es
incompleta o imprecisa. Por ejemplo, un oficial de crédito, al evaluar la solicitud de préstamo de un cliente,
generalmente puede categorizar parte de la información financiera del cliente, como los ingresos y el nivel de deuda,
como alta, moderada o baja en lugar de usar montos precisos. Además de numerosas aplicaciones comerciales, la
lógica difusa se utiliza para controlar mejor los sistemas de frenos antibloqueo y los electrodomésticos, así como
para realizar diagnósticos médicos o filtrar lenguaje ofensivo en las salas de chat.
MODELADO PREDICTIVO.Las aplicaciones de inteligencia empresarial tradicionales están diseñadas para centrarse en el
rendimiento actual y pasado, lo que ayuda a los responsables de la toma de decisiones a obtener una imagen
detallada del estado actual de una empresa. El análisis avanzado aumenta la inteligencia comercial mediante el uso
de combinaciones de análisis estadístico, extracción de datos y aprendizaje automático paramodelado predictivo
para construir modelos explicativos que ayuden a comprender los datos, identificar tendencias o predecir resultados
comerciales; mientras que la inteligencia empresarial es buena para saber quées, el análisis avanzado ayuda a
comprenderpor quéalgo es de cierta manera y previendo lo queestarán. Como tal, las herramientas de modelado
predictivo amplían el DSS tradicional y otras herramientas de BI al admitir pronósticos, simulaciones y
optimizaciones basadas en grandes volúmenes de datos estructurados, semiestructurados y, a veces, no
estructurados. Por ejemplo, el modelado predictivo puede ayudar
Sistema de red neuronal
Aporte Proceso Producción
Recomendación
Años
Ingreso Aprobar préstamo
Nivel de deuda
Rechazar préstamo
Financiero
Historia
Estado del trabajo
Longitud de Años
Empleo Ingreso
Propiedad de la vivienda
Longitud de
Activos
Empleo
Inversiones
Estado civil Inversiones Deuda
Nivel
Ingresos del cónyuge
dependientes
Salud Estado del trabajo
... Activos
Hogar
Propiedad
Esposa
Marital Ingreso
Estado
Financiero
Historia
FIGURA 6.20
Las redes neuronales se aproximan al funcionamiento del cerebro creando patrones comunes en los datos y luego comparando nuevos datos con patrones
aprendidos para hacer una recomendación.
en el desarrollo de patrones predictivos basados no solo en datos históricos de compras (datos

estructurados), sino también en los sentimientos de los clientes expresados en las redes sociales o en los
registros del centro de llamadas (datos no estructurados). Asimismo, Uber está intentando mejorar su
mecanismo de fijación de precios utilizando modelos predictivos. Según el mecanismo actual de "aumento de
precios" de Uber, las tarifas aumentan si hay una mayor demanda (como después de conciertos o durante el
mal tiempo), lo que, en teoría, debería atraer a más conductores a un área donde se produce este aumento
de la demanda. Sin embargo, los clientes a menudo se sienten frustrados cuando se les cobran precios más
altos. Por lo tanto, Uber intenta construir modelos predictivos que sean más capaces de pronosticar una
mayor demanda en ciertas áreas en ciertos momentos, disminuyendo el efecto de los picos. Sin embargo, el
modelado predictivo depende en gran medida de los modelos estadísticos y sus suposiciones subyacentes;
Sistemas inteligentes.Inteligencia artificial (IA)es la ciencia que habilita las tecnologías de la información
(software, hardware, redes, etc.) para simular la inteligencia humana, como el razonamiento y el aprendizaje,
además de adquirir capacidades de detección, como ver, oír o sentir. La IA ha tenido una fuerte conexión con
los escritores de ciencia ficción, quienes han escrito historias sobre tecnologías habilitadas para la IA que
ayudan a los humanos (p. ej., el Sr. Data enViaje a las estrellas: la próxima generación), intentando dominar el
mundo (p. ej.,La matriz), o permitir que los humanos existan en un planeta alienígena (por ejemplo,Avatar).
La realidad actual de la IA es que va muy por detrás de la imaginación de la mayoría de los escritores de
ciencia ficción; sin embargo, se han logrado grandes avances.
Basado en complejos algoritmos de aprendizaje automático,Sistemas inteligentes—compuesto
por sensores, software y computadoras integradas en máquinas y dispositivos—emular y mejorar
capacidades humanas Los sistemas inteligentes están teniendo un tremendo impacto en una variedad de áreas,
incluida la gestión bancaria y financiera, la medicina, la ingeniería y el ejército. Big Data ha sido tanto un desafío
como una oportunidad para la inteligencia artificial. Por un lado, grandes cantidades de diferentes formas de datos
hacen que los algoritmos de las máquinas sean cada vez más complejos; por otro lado, Big Data proporciona un
tesoro oculto de posibles conocimientos y aplicaciones de sistemas inteligentes. Para muchas aplicaciones, los
sistemas inteligentes ayudan o realizan la toma de decisiones en tiempo real, a menudo utilizando grandes
cantidades de datos. Por ejemplo, muchos ven grandes promesas en el uso de la IA para el comercio, eliminando la
influencia de las emociones de los comerciantes, que a menudo conducen a decisiones comerciales subóptimas.
Igualmente, Los sistemas avanzados de asistencia al conductor (como el control de crucero adaptativo o los sistemas
de mantenimiento de carril que se ofrecen en varios modelos de automóviles nuevos) o los automóviles sin
conductor del futuro dependen de sistemas inteligentes para tomar decisiones en tiempo real basadas en hasta 1 GB
de datos por segundo, provenientes de varios sensores, cámaras o radares. En los últimos años, el costo de los
sensores ha estado en caída libre; por ejemplo, los sensores de acelerómetro (integrados en muchos teléfonos
inteligentes para medir el movimiento) ahora cuestan alrededor de US$0,50. La combinación de aprendizaje
automático y la disminución de los precios de los sensores está impulsando el desarrollo de la informática impulsada
por sensores. Los sensores que proporcionan datos sobre todo, desde el movimiento hasta el voltaje, la presión o
incluso la química, pueden proporcionar una gran cantidad de datos útiles, que luego se pueden usar para mejorar
el rendimiento, la vida útil de un dispositivo, etc. La inteligencia artificial también impulsa los rápidos avances en
tecnología de drones y robótica que vemos hoy, como drones que pueden monitorear la colocación de productos y
los niveles de existencias en los almacenes de Walmart o robots construidos para reemplazar a los recolectores
humanos en los almacenes de Amazon. Además, la combinación de IA y sensores ha permitido la creación de robots
colaborativos, que pueden trabajar junto a trabajadores humanos (y reaccionar si existe un posible peligro) en lugar
de tener que colocarlos en áreas segregadas.
Sin embargo, los avances en inteligencia artificial han alimentado muchos debates éticos, por ejemplo,
cómo garantizar que la IA (y los robots) solo aprendan de la forma en que los humanos pretenden. Por
ejemplo, usando el aprendizaje no supervisado, un robot (u otro sistema inteligente) puede mejorar su
propio aprendizaje haciendo cambios en las reglas de aprendizaje y monitoreando los resultados; como
consecuencia, dichos sistemas inteligentes deben programarse para detener el sistema sin que el sistema
aprenda a eludir esto.
Sistemas de agentes inteligentesUnagente inteligente, o simplemente unagente(también llamado unbot—

abreviatura de "robot de software"), es un programa que funciona en segundo plano para proporcionar algún
servicio cuando ocurre un evento específico. Hay varios tipos de agentes para su uso en una amplia gama de
contextos, incluidos los siguientes:
■ ■ Agentes de usuario.Agentes que realizan automáticamente una tarea para un usuario, como enviar
automáticamente un informe el primer día del mes, ensamblar noticias personalizadas o completar un
formulario web con información de rutina.
■ ■ Agentes compradores(Robots de compras).Agentes que buscan encontrar el mejor precio para un producto en
particular que desea comprar.

■ ■ Agentes de monitoreo y detección.Agentes que realizan un seguimiento de los datos clave, como los datos
proporcionados por varios sensores, medidores, cámaras y similares, notificando al usuario cuando cambian las
condiciones.
■ ■ Agentes de minería de datos.Agentes que analizan continuamente grandes almacenes de datos para detectar cambios
considerados importantes por un usuario, enviando una notificación cuando se producen dichos cambios. Rastreadores
■ ■ web.Agentes que navegan continuamente por la web en busca de información específica (p. ej., utilizada por los motores de
búsqueda), también conocidos comoarañas web.

■ ■ Chatbots.Agentes que simulan conversaciones humanas, como en los sistemas de ayuda en línea. Agentes
■ ■ destructivos.Agentes maliciosos diseñados por spammers y otros atacantes de Internet para extraer
direcciones de correo electrónico de sitios web o depositar spyware en máquinas.
Un ejemplo de un agente inteligente es el asistente personal Siri de Apple, integrado en sus iPhones. De
manera similar, Cortana es un asistente personal integrado en varias plataformas de Microsoft. Con el tiempo,
Cortana aprende acerca de los hábitos de un usuario y realiza ciertas acciones en función de determinados
desencadenantes, como la hora del día, la ubicación, las llamadas telefónicas entrantes o salientes, las búsquedas,
etc. Por ejemplo, en la mañana, el usuario recibe automáticamente una alerta sobre el clima en su ubicación actual;
al pasar por una estación de metro, se presenta información de transporte público; cuando está de viaje, el tiempo
de viaje de regreso a casa se calcula automáticamente (teniendo en cuenta factores como la situación del tráfico); y
así sucesivamente (Figura 6.21).
CUESTIONES DE SEGURIDAD
Hacktivistas versus fembots: el caso de Ashley Madison
El 15 de julio de 2015, el equipo de impacto, un grupo de Es discutible si administrar o no un portal de citas para aventuras
hacktivistas, irrumpió en los sistemas del sitio web de citas extramatrimoniales en la búsqueda de ganar dinero es ético. Es discutible si
extramatrimoniales Ashley Madison, al que acusó de prácticas pedir a los usuarios que paguen por eliminar los datos de la cuenta o usar
comerciales engañosas, como exigir a los usuarios que pagaran por chatbots para atraer a clientes desprevenidos se consideraría una práctica
tener su cuenta (y los datos asociados). ) eliminado. Habiendo comercial engañosa. del mismo modo, es discutible si las acciones del Equipo
obtenido acceso a varios gigabytes de datos, incluidos nombres de de Impacto en respuesta a que Ashley Madison usó prácticas comerciales
inicio de sesión, información de identificación e incluso deseos engañosas estaban justificadas o no. Lo que está claro es que Ashley Madison
sexuales expresados de los usuarios del sitio, los hacktivistas no protegió suficientemente los datos de los usuarios, lo que permitió que los
exigieron el cierre del sitio y amenazaron con publicar los datos de hacktivistas obtuvieran acceso a los datos, lo que resultó en una avalancha de
los usuarios. Para reforzar la demanda, Impact Team publicó una consecuencias negativas para muchos.
pequeña cantidad de sus datos varios días después, luego de que el
Residencia en:
sitio no se cerrara como lo solicitaron los piratas informáticos. Más
Violación de datos de Ashley Madison. (2016, 19 de mayo). EnWikipedia, la
tarde, en agosto de 2015, los piratas informáticos publicaron datos
enciclopedia libre. Recuperado el 28 de mayo de 2016, de https://en.wikipedia.org/w/
sobre 32 millones de usuarios, lo que provocó una reacción en index.php?title=Ashley_Madison_data_breach&oldid=721001290
cadena de eventos en la vida de muchos de los nombrados en los
Calpito, D. (2015, 16 de septiembre). Los términos de servicio de Ashley
datos publicados. Algunos negaron su participación, Madison lo dicen: los usuarios engañan a sus cónyuges con fembots.
Tech-Times.recuperado el 17 de junio de 2016, de http://
Un análisis posterior de los datos pirateados reveló que una gran www.techtimes.com/articles/85172/20150916/ashley-madison-s-terms-
of-service-says-sousers-are-cheating-on-their-spouses-with -fembots.htm
proporción de las cuentas femeninas eran chatbots, los llamados fembots,
(más o menos) agentes inteligentes diseñados para iniciar una conversación Dreyfuss, e. (2015, 19 de agosto). cómo verificar si usted o un ser querido
estuvieron expuestos en el hack de Ashley Madison.Cableado.
con hombres desprevenidos, incitándolos a comprar créditos para contactar a
recuperado el 15 de junio de 2016, de https://www.wired.com/2015/08/
los ficticios. miembros femeninos. Como la mayoría de las personas, los
check-loved-one-exposed-ashley-madison-hack
usuarios de Ashley Madison probablemente no habían leído los términos y
McHugh, M. (4 de septiembre de 2015). Los peligros de mirar las
condiciones de Ashley Madison antes de aceptarlos: en los términos y
infografías de hackeo de Ashley Madison.Cableado.Recuperado
condiciones, Ashley Madison declaró que las conversaciones pueden no ser 0 1 6 , de http : // www. cableado c om / 2 0 1 5 / 0 9 /
auténticas, pueden ser exageradas g-ashley-madison-hack-infografía
FIGURA 6.21
Cortana, un agente inteligente integrado en
varias plataformas de Microsoft, presenta
información pertinente en función de
factores como los hábitos del usuario, la
ubicación y la hora del día.
Fuente: Cortana, Windows 10, Microsoft
Corporation.
En resumen, hay desarrollos en curso para hacer que los sistemas de informaciónmás inteligentepara que los
tomadores de decisiones organizacionales obtengan inteligencia de negocios. Aunque los sistemas inteligentes todavía tienen
que hacer realidad la imaginación de los escritores de ciencia ficción, han dado grandes pasos para ayudar a las
organizaciones a mejorar la toma de decisiones.
Gestión del conocimiento y sistemas de

información geográfica
Como ha visto, existen varias herramientas que las organizaciones pueden utilizar para mejorar su toma de decisiones.
Además de los análisis y predicciones que utilizan varios tipos de datos estructurados y no estructurados, las organizaciones
recurren a otras fuentes de datos y conocimientos. En particular, las organizaciones utilizan los sistemas de gestión del
conocimiento para gestionar los activos de conocimiento de la organización y utilizan los sistemas de información geográfica
para gestionar y analizar los datos referenciados espacialmente para proporcionar apoyo a la toma de decisiones espaciales.
Estos se discuten a continuación.
Sistemas de gestión del conocimiento

No existe un acuerdo universal sobre qué significa exactamente el términoconocimiento administrativo. En general,
sin embargo,conocimiento administrativose refiere a los procesos que utiliza una organización para obtener el
mayor valor de sus activos de conocimiento. En el Capítulo 1, contrastamos datos, información y conocimiento.
Recuerde que los datos son símbolos sin formato, sin formato, como caracteres o números. La información son
datos que han sido formateados, organizados o procesados de alguna manera para que el resultado sea útil para
las personas. Necesitamos conocimiento para comprender las relaciones entre diferentes piezas de información. En
consecuencia, lo que constituyeactivos de conocimientoson todas las habilidades, rutinas, prácticas, principios,
fórmulas, métodos, heurísticas e intuiciones subyacentes. Todas las bases de datos, manuales, obras de referencia,
libros de texto, diagramas, pantallas, archivos de computadora, propuestas, planos y cualquier otro artefacto en el
que se registren y almacenen tanto hechos como procedimientos se consideran activos de conocimiento. Desde un
punto de vista organizativo, los activos de conocimiento utilizados correctamente permiten a una organización
mejorar su eficiencia, eficacia y, por supuesto, rentabilidad. Además, dado que muchas empresas están comenzando
a perder una gran cantidad de baby boomers debido a la jubilación, las empresas están utilizando sistemas de
gestión del conocimiento para capturar estos activos de conocimiento cruciales. Claramente, la gestión eficaz de los
activos de conocimiento mejorará la inteligencia empresarial.
Los activos de conocimiento se pueden clasificar como explícitos o tácitos.Activos de conocimiento explícitoreflejan
conocimientos que pueden documentarse, archivarse y codificarse, a menudo con la ayuda de sistemas de información. Los
activos de conocimiento explícito reflejan gran parte de lo que normalmente se almacena en un DBMS. A diferencia de,
activos de conocimiento tácitoreflejan los procesos y procedimientos que se ubican en la mente de una persona sobre
cómo realizar efectivamente una tarea en particular (Figura 6.22). Clave de identificación
FIGURA 6.22 Activos de conocimiento explícito Activos de conocimiento tácito
Los activos de conocimiento explícito se
pueden documentar, archivar y codificar
fácilmente, mientras que los activos de
conocimiento tácito se encuentran en la
mente de una persona.

TABLA 6.7Beneficios y desafíos de los sistemas de gestión del conocimiento
Beneficios Desafíos
Mejora de la innovación y la creatividad. Conseguir la aceptación de los empleados
Servicio al cliente mejorado, desarrollo de Centrarse demasiado en la tecnología Olvidar el
productos más corto y operaciones optimizadas objetivo
Retención de empleados mejorada Lidiar con la sobrecarga de conocimiento y la

Desempeño organizacional mejorado obsolescencia
los activos de conocimiento tácito y la gestión de estos activos para que sean precisos y estén disponibles para las
personas en toda la organización sigue siendo un desafío importante.
Los activos de conocimiento tácito a menudo reflejan lamejores prácticas—procedimientos y procesos que son
ampliamente aceptados como los más efectivos y/o eficientes. Identificar cómo reconocer, generar, almacenar,
compartir y gestionar este conocimiento tácito es el objetivo principal para implementar un sistema de gestión del
conocimiento. En consecuencia, unSistema de gestión del conocimientoPor lo general, no es una sola tecnología,
sino más bien una colección de herramientas basadas en tecnología que incluyen tecnologías de comunicación,
como correo electrónico, software colaborativo, mensajería instantánea y similares, así como sistemas de
recuperación y almacenamiento de información, como wikis o DBMS. para permitir la generación, el
almacenamiento, el intercambio y la gestión de activos de conocimiento tácito y explícito (Malhotra, 2005).
Beneficios y desafíos de los sistemas de gestión del conocimientoMuchos beneficios potenciales

puede provenir de que las organizaciones capturen y utilicen efectivamente sus activos de conocimiento
tácito (Levinson, 2010) (Tabla 6.7). Si bien existen muchos beneficios potenciales para las organizaciones que
implementan de manera efectiva los sistemas de gestión del conocimiento, hacerlo requiere superar varios
desafíos importantes.
En primer lugar, la implementación efectiva requiere que los empleados acepten compartir sus activos
personales de conocimiento tácito y tomar medidas adicionales para utilizar el sistema para identificar las mejores
prácticas. Por lo tanto, las organizaciones deben crear una cultura que valore y recompense la amplia participación.
En segundo lugar, la experiencia ha demostrado que una implementación exitosa primero debe identificar qué
conocimiento se necesita, por qué se necesita y quién es probable que tenga este conocimiento. Una vez que una
organización entiende "por qué, qué y quién", identificar las mejores tecnologías para facilitar el intercambio de
conocimientos es una tarea mucho más fácil.
En tercer lugar, la implementación exitosa de un sistema de gestión del conocimiento debe estar vinculada a un
objetivo empresarial específico (p. ej., aumentar la capacidad de innovación); y cuarto, el sistema de gestión del
conocimiento debe ser fácil de usar, no solo para ingresar sino también para recuperar el conocimiento. Del mismo
modo, el sistema no puede sobrecargar a los usuarios con demasiada información o con información obsoleta. Así
como los activos físicos pueden erosionarse con el tiempo, el conocimiento también puede volverse obsoleto e
irrelevante. Por lo tanto, debe ocurrir un proceso continuo de actualización, modificación y eliminación del
conocimiento obsoleto o irrelevante, o el sistema caerá en desorden y no se utilizará.
Cómo utilizan las organizaciones los sistemas de gestión del conocimientola gente que usa
un sistema de gestión del conocimiento estará funcionando en diferentes departamentos dentro de la
organización, realizando diferentes funciones y probablemente estará ubicado en diferentes ubicaciones
alrededor del edificio, la ciudad o incluso el mundo. Se puede pensar en cada persona, o grupo de personas,
como una isla separada que se distingue de los demás por geografía, enfoque laboral, experiencia, edad y
género. A menudo, una persona en una isla está tratando de resolver un problema que ya ha sido resuelto
por otra persona ubicada en otra isla. Encontrar a esta “otra” persona es a menudo un desafío importante. El
objetivo de un sistema de gestión del conocimiento exitoso es facilitar el intercambio de conocimientos
necesarios entre estas islas separadas. Para encontrar y conectar esas islas separadas, las organizaciones
usananálisis de redes sociales, una técnica que mapea los contactos de las personas para descubrir
conexiones o eslabones perdidos (a veces llamados agujeros estructurales) dentro de la organización (Figura
6.23); por lo tanto, el análisis de redes sociales se puede utilizar para intentar encontrar grupos de personas
que trabajan juntas, para encontrar personas que no colaboran pero deberían, o para encontrar expertos en
áreas temáticas particulares. Además del análisis de redes sociales, las organizaciones utilizan marcadores
sociales y catalogación social para capturar y estructurar el conocimiento y aprovechar los empleados.
FIGURA 6.23 Fuller_M scott_k

El análisis de redes sociales puede ayudar
a analizar patrones de colaboración. Jenkins_J
Valacich_J Lowry_P
Campbell_D Parboteeah_V
Chakraborty_S
Schneider_C
Hardin_A
su inteligencia colectiva (consulte el Capítulo 5, “Mejora de la comunicación y la colaboración

organizacionales mediante las redes sociales”).
Una vez que las organizaciones han recopilado su conocimiento en un repositorio, deben encontrar una manera fácil de
compartirlo con los empleados (a menudo usando una intranet), clientes, proveedores (a menudo usando una extranet) o el
público en general (a menudo usando Internet). Estasportales de conocimientose pueden personalizar para satisfacer las
necesidades únicas de sus usuarios previstos. Por ejemplo, la Administración de Drogas y Alimentos de los EE. UU. (FDA)
utiliza un portal de conocimiento basado en la web para mantener informado al público (p. ej., ciudadanos, investigadores e
industria) sobre la información más actualizada relacionada con los alimentos (p. ej., información sobre la enfermedad de las
vacas locas o retiradas de productos) y medicamentos (p. ej., el estado de un medicamento
FIGURA 6.24
Innumerables organizaciones están utilizando portales de conocimiento basados en la web para proporcionar información a empleados, clientes y socios.
Fuente: Administración de Alimentos y Medicamentos de los Estados Unidos.
Además de la FDA, muchas otras organizaciones, como Ford Motor Company, Eli Lilly, Walmart y Dell
Computers, también utilizan sistemas de gestión del conocimiento. Estamos aprendiendo de estas implementaciones
que todas las organizaciones, ya sea con fines de lucro o sin fines de lucro, se esfuerzan por hacer llegar la
información correcta a la persona correcta en el momento correcto. Mediante el uso de una estrategia integral para
administrar los activos de conocimiento, es mucho más probable que las organizaciones obtengan una ventaja
competitiva y un rendimiento positivo de sus inversiones en SI.
Sistemas de Información Geográfica

Un tipo de sistema de información utilizado para mejorar la toma de decisiones se llamasistema de
información geográfica (SIG). Un SIG es un sistema para crear, almacenar, analizar y administrar datos
referenciados geográficamente. En otras palabras, los SIG aumentan y amplían otras herramientas de
análisis empresarial al agregar una dimensión espacial a los datos; un SIG captura varias características
sobre las ubicaciones geográficas, lo que permite que estas características se combinen con otros datos para
respaldar las consultas, el análisis y la toma de decisiones (a veces denominadoanálisis de ubicación). Por
ejemplo, un GIS podría vincular los pies cuadrados de bienes raíces comerciales con su ubicación exacta en
términos de latitud y longitud. Estos datos podrían combinarse con la densidad de población, los ingresos
promedio de las personas que viven dentro de un área, la accesibilidad para viajar (p. ej., autopistas
interestatales y vías principales), la proximidad a los servicios (p. ej., bomberos, policía, restaurantes, paradas
de transporte público) o prácticamente cualquier otra característica. Una empresa como una cadena de
restaurantes podría usar esta información para identificar ubicaciones óptimas para la ubicación de nuevos
puntos de venta. A nivel personal, probablemente interactúes con frecuencia con los SIG. Por ejemplo,
cuando accede a Google Maps para buscar un restaurante en su ciudad, puede ver datos geográficos (como
el mapa o la imagen satelital), así como datos de atributos sobre restaurantes, incluidos el nombre, la
dirección, horarios de apertura y comentarios de los clientes. Con el aumento de los dispositivos móviles, los
datos geoespaciales se están convirtiendo cada vez más en parte de muchas aplicaciones y, a menudo, sirven
como base para muchos modelos comerciales. Por ejemplo, empresas como la aplicación de transporte de
vehículos Uber no podrían proporcionar servicios sin poder hacer coincidir las ubicaciones de los pasajeros y
los conductores.
Las empresas normalmente enfrentan muchas decisiones con una dimensión espacial: ¿Dónde están ubicados
mis clientes? ¿Cuál es la mejor ubicación para abrir una nueva tienda? ¿Qué áreas deben incluirse en el próximo
envío? ¿Hasta dónde están dispuestos a conducir mis clientes? Una aplicación de los SIG es su uso como sistema de
soporte de decisiones espaciales, ayudando a crear modelos que se utilizan para responder preguntas tales como
dónde una empresa como Levi Strauss debe agregar revendedores autorizados o cómo, dónde y qué tipo de
fertilizantes deben aplicar los agricultores, lo que permite precisión. agricultura (ver Tabla 6.8 para varios usos
industriales de los SIG). Según el problema a resolver, los sistemas de soporte de decisiones espaciales pueden usar
factores como el clima, el agua, el transporte, la gestión de recursos, la agricultura, etc., para construir modelos que
ayuden a pronosticar los posibles resultados de las decisiones sobre el uso de la tierra.
En entornos organizacionales, los analistas pueden usar GIS para combinar datos geográficos, demográficos y
de otro tipo para ubicar clientes objetivo, encontrar ubicaciones de sitios óptimas o determinar la combinación
correcta de productos en diferentes ubicaciones; además, los SIG se pueden utilizar para realizar una variedad de
análisis, como el análisis de cuota de mercado y el análisis de la competencia. Las ciudades, los condados y los
estados también utilizan los SIG para ayudar en el diseño de infraestructura y los problemas de zonificación (p. ej.,
¿dónde debería ubicarse la nueva escuela primaria?). Para los diversos aspectos geoespaciales que puede mapear
con SIG, consulte la Tabla 6.9. ¿Cómo ayuda un SIG en el análisis visual de datos geoespaciales y relacionados? Por lo
general, un SIG proporciona al usuario un mapa en blanco de un área. El usuario puede entonces agregar datos
almacenados en diferentes capas, cada uno parecido a una transparencia que contiene información diferente sobre
el área; por ejemplo, una capa puede contener todas las carreteras, otra capa puede contener límites de códigos
postales y otras capas pueden contener llanuras aluviales, tamaño promedio de viviendas, ubicaciones de cafeterías
u otra información de interés (en Google Earth, puede ver varias capas , como carreteras, patrones de tráfico, clima,
terremotos, campos de golf, etc.; consulte la Figura 6.25). Agregar o eliminar esas capas ayuda a ver la información
relevante necesaria para responder preguntas que tienen una dimensión espacial.
Una pregunta que a menudo enfrentan las organizaciones es de dónde vienen los clientes. Para
responder a esta pregunta, las organizaciones suelen utilizar datos de los encuestados (o el cajero solicita los
códigos postales de los clientes); estos datos luego se geocodifican (es decir, se transforman en coordenadas)
para crear una capa que contiene datos de clientes que luego se pueden agregar a un mapa. Comparar las
ubicaciones de los clientes con la ubicación del negocio de uno puede ayudar a decidir si la tienda tiene la
TABLA 6.8diversos usos industriales de gis
Industria Ejemplos de usos
Agricultura Analice el rendimiento de los cultivos por ubicación, erosión del suelo o diferencias en las
necesidades de fertilizantes (agricultura de precisión)
Bancario Identificar áreas lucrativas para campañas de marketing.
Respuesta al desastre Analice eventos históricos, establezca planes de evacuación e identifique las áreas con
mayor probabilidad de verse afectadas por desastres.
Medio ambiente y conservación Analizar los comportamientos de la vida silvestre o las influencias del cambio climático.
Seguro Análisis de riesgos (p. ej., seguro contra terremotos)
Gobierno Planificación urbana, zonificación y planificación censal
Cumplimiento de la ley Analizar áreas de alta criminalidad
Biología Marina Seguir los movimientos de los enjambres de peces
Medios de comunicación Cree mapas para visualizar ubicaciones de eventos y analizar la circulación
Minería y perforación Localizar áreas potenciales para la extracción de recursos naturales
Bienes raíces Crear mapas para visualizar ubicaciones de propiedades
Venta minorista Analice las ventas, el inventario, los clientes, etc., por ubicación; identificar nuevas
ubicaciones minoristas; y visualizar y presentar datos comerciales
Transporte y logística Planificacion de la ruta
Fuente:Basado en ESRI, http://www.esri.com/what-is-gis/who-uses-gis.
ubicación óptima o si estaría justificado abrir una nueva tienda. De manera relacionada, el análisis de áreas comerciales ayuda
a evaluar de dónde provienen los clientes al combinar información de ubicación con, por ejemplo, información de tiempo de
manejo para determinar si ciertas áreas están desatendidas o si las áreas comerciales de dos tiendas se superponen. Otra
forma de visualizar datos geoespaciales es mediante el uso de mapas temáticos. Los mapas temáticos codifican con colores
los datos que se agregan para regiones geográficas específicas. Por ejemplo, un mapa temático podría mostrar el ingreso
familiar promedio en diferentes bloques, o podría mostrar el tamaño promedio de los hogares, lo que ayudaría a una
empresa a identificar áreas con la población objetivo más prometedora; De manera similar, una compañía de seguros podría
usar SIG para determinar dónde se cometen ciertos delitos.
CUADRO 6.9varias formas de representar los datos geoespaciales
Cartografía Ejemplo
Características y patrones (es decir, Epicentros de terremotos (características) y áreas donde el peligro puede ser
distribución de características) mayor (patrones)
Cantidades El número de familias jóvenes con ingresos altos en un distrito censal
Densidades Número de familias de altos ingresos por milla cuadrada en un distrito censal
Qué hay adentro ¿Un desarrollo inmobiliario de lujo se encuentra dentro de un radio de conducción de 15 minutos
de una tienda?
que hay cerca ¿Cuántas tiendas Starbucks hay en un radio de 5 millas de mi nueva
cafetería?
Cambio ¿Cómo han cambiado las ventas en la tienda después de una gran campaña publicitaria?
Fuente:Basado en ESRI, http://www.esri.com/what-is-gis/overview.

y análisis 259
FIGURA 6.25
Google Earth utiliza capas para
mostrar información relacionada con
un área geográfica específica.
Fuente: 2016 Google Inc. Todos los derechos
reservados. google y el logotipo de google son
marcas registradas de Google Inc.
(como el robo de automóviles) ocurren con mayor frecuencia. Otro uso de GIS es analizar las rutas que toman los
compradores en una tienda minorista, lo que permite a los minoristas evaluar si la colocación de productos o exhibiciones
promocionales es efectiva.
Los SIG se benefician enormemente de los avances en el aprendizaje automático, especialmente para
reconocer y clasificar características geográficas, como la tierra o el suelo. En particular, muchas situaciones (como
en la agricultura, la extracción de recursos o la conservación de la naturaleza) requieren el análisis de imágenes
aéreas (adquiridas mediante satélites o drones). Por lo general, tales tareas de clasificación son inherentemente
imprecisas y no se prestan fácilmente a clasificaciones binarias. Sin embargo, los algoritmos de aprendizaje
automático permiten tales análisis y ofrecen un gran potencial para aplicaciones que van desde la agricultura hasta
la recuperación ante desastres.
Además, la Internet de las cosas y las tecnologías móviles han permitido análisis mucho
más significativos que nunca. Por ejemplo, Google Maps realiza análisis en tiempo real de los
datos de ubicación de literalmente cientos de millones de usuarios de teléfonos móviles (como
usuarios de Android que tienen habilitados los servicios de ubicación o usuarios de iPhone que
ejecutan Google Maps) para estimar la cantidad de automóviles y las condiciones del tráfico en
cualquier lugar. camino dado; dichos análisis permiten a Google proporcionar información sobre
las condiciones del tráfico y sugerir rutas alternativas en caso de que haya atascos en una ruta
determinada. Además, Google ha utilizado estos datos para crear un gran depósito de datos
históricos de tráfico, lo que le permite a Google predecir cómo serán las condiciones del tráfico
una vez que un usuario llegue a un área determinada. Asimismo, los datos recopilados por
innumerables dispositivos IoT se pueden aumentar con datos geoespaciales,
Además de ayudar en el análisis, los gobiernos y las organizaciones utilizan cada vez más los SIG para
comunicarse de manera efectiva con las partes interesadas. Por ejemplo, muchas cadenas minoristas como
Best Buy y Walmart incorporan localizadores de tiendas basados en mapas en sus sitios web. Cuando los
usuarios buscan una tienda por ciudad, estado o código postal, el sitio web devuelve un mapa que muestra la
ubicación de la tienda (datos geográficos) junto con datos de atributos como la distancia, la dirección de la
calle, el número de teléfono y el horario de apertura. De manera similar, las organizaciones usan la salida de
los SIG para comunicar a sus accionistas sobre planes de expansión, densidad de tiendas minoristas y
similares.
Claramente, los SIG, como todos los sistemas descritos aquí, están brindando a las organizaciones inteligencia
comercial para competir mejor en el mundo digital.
ANÁLISIS DE LA INDÚSTRIA
Cuidado de la salud
¿Recuerda los momentos en que su médico escribió una receta y la letra era o la lista de angie (angieslist.com). Además, los principales motores de
peor que la de su profesor, lo que le hizo preguntarse cómo el farmacéutico búsqueda, como Bing de Microsoft, perfeccionan constantemente sus
podría descifrarla y dispensar los medicamentos correctos? Si recientemente algoritmos de búsqueda para proporcionar la información más relevante para
visitó a un médico, es posible que haya notado que los sistemas de las consultas relacionadas con la salud. Otra tendencia importante es el uso de
información han tenido un gran impacto en el campo de la salud; de hecho, la sensores, dispositivos y servicios personales para realizar un seguimiento de
informática de la salud (o SI de la salud) se ha convertido en un enfoque clave una variedad de cosas sobre su salud y bienestar. Por ejemplo, existen
de los proveedores de atención médica, las compañías de seguros y los numerosos productos para ayudarlo a cuantificar varios aspectos de su vida,
gobiernos. ahora, muchos médicos llevan computadoras portátiles o tabletas, desde básculas corporales conectadas a Wi-Fi y rastreadores de actividad física
lo que les permite almacenar digitalmente cualquier diagnóstico, lo que facilita hasta monitoreo del estado de ánimo, análisis de sangre, monitoreo del sueño
el intercambio de información entre el médico, las enfermeras e incluso su e incluso secuenciación de ADN. Internet de las Cosas está jugando un papel
proveedor de seguro médico. Además de brindar acceso a los registros muy importante en impulsar varios aspectos de la auto cuantificada, un
electrónicos de pacientes, la computadora portátil o tableta le brinda a su movimiento para incorporar la adquisición de datos sobre varios aspectos de
médico acceso a la información médica y de medicamentos, tal como lo ofrece la vida diaria de una persona para trazar la superación personal y otros
elReferencia del escritorio del médicositio web (www.pdr.net), donde su objetivos. Estas y otras fuentes de datos en todo el mundo digital están
médico puede obtener la información más reciente sobre medicamentos y creando cantidades masivas de datos que los investigadores pueden usar para
pautas clínicas o verificar las interacciones entre diferentes medicamentos. comprender mejor varios problemas relacionados con la salud. Del mismo
modo, los médicos y hospitales utilizan cada vez más dispositivos de atención
Los sistemas de información también han cambiado enormemente el médica habilitados para IoT, y los proveedores de atención médica utilizan
diagnóstico y el seguimiento de los pacientes. Por ejemplo, los dispositivos análisis de datos para todo, desde investigar interacciones de medicamentos
modernos de electroencefalograma (EEG) y electrocardiograma (EKG) hasta monitorear costos de atención médica, calidad del servicio y efectividad
dependen en gran medida de la tecnología informática y, como su nombre lo de los tratamientos. No hace falta decir que Big Data y el análisis están
indica, la tomografía computarizada (utilizada para producir imágenes de los transformando la industria de la salud.
órganos internos) no podría realizarse sin la tecnología informática. Incluso las
pruebas de diagnóstico como los rayos X ahora usan tecnología digital, lo que Independientemente de si está visitando a su médico por una
permite al médico mejorar digitalmente la imagen para mejorar el diagnóstico afección o para un chequeo de rutina o si necesita más información
o transmitir electrónicamente la imagen a un especialista remoto. Tras el sobre lo que le dice su médico, es probable que varios sistemas de
diagnóstico de una afección grave, la tecnología puede ayudar incluso en el información desempeñen un papel importante.
quirófano. Por ejemplo, muchas clínicas modernas utilizan robots quirúrgicos y
endoscopios para procedimientos delicados como neurocirugía o cirugía Preguntas
gastrointestinal. Dando un paso más allá, dichos sistemas se pueden utilizar 1.Discuta los beneficios y los inconvenientes de los registros médicos
para lo que se conoce como telemedicina, incluido el diagnóstico remoto y la en línea.
cirugía remota. Mientras que tradicionalmente un paciente tenía que viajar 2.El diagnóstico asistido por computadora puede reemplazar años de
miles de millas para visitar a un cirujano especializado, ahora muchas cirugías experiencia, brindando oportunidades para médicos jóvenes e
se pueden realizar de forma remota, lo que reduce la tensión del paciente y inexpertos. Contraste los beneficios y los inconvenientes para los
potencialmente ahorra un tiempo precioso. Además, las aplicaciones de pacientes y los médicos.
telemedicina se pueden usar para ubicaciones remotas, campos de batalla o 3.¿Habrá un lugar para los médicos sin conocimientos informáticos en el
incluso prisiones, lo que reduce los costos de transporte de pacientes y mejora futuro? ¿Por qué o por qué no?
la atención.
Residencia en:
Así como los médicos, las compañías de seguros y los proveedores de Anónimo. (Dakota del Norte). ¿Qué es la telemedicina?Asociación
atención médica recurren a los sistemas de información para mejorar los Americana de Telemedicina. recuperado el 29 de junio de 2016, de http://
www. americantelemed.org/about-telemedicine/what-is-telemedicine
procesos comerciales y atender mejor las necesidades de los pacientes, los
consumidores utilizan cada vez más Internet para obtener información sobre Massey, pág. M. (2016). ¿De dónde sacamos información sobre salud los
adultos que no usamos internet? Examen de las disparidades en la
salud. Por ejemplo, WebMD es uno de los sitios web más populares que
información de salud digital de 2008 a 2013.Revista de Comunicación en Salud,
proporciona información relacionada con la salud y se enorgullece de tener
21(1), 118–24.
información imparcial, oportuna y de alta calidad. Además de información
Auto cuantificada. (2016, 28 de junio). enWikipedia, la enciclopedia libre.
objetiva, las personas utilizan las redes sociales para obtener información más
recuperado el 29 de junio de 2016, de https://en.wikipedia.org/w/index.
allá de lo que publican los expertos. Específicamente, las personas que buscan php?title=Quantified_Self&oldid=727407441
clasificaciones o recomendaciones de médicos y hospitales frecuentan blogs,
telemedicina (22 de junio de 2016). enWikipedia, la enciclopedia libre.
foros de discusión relacionados con la salud o sitios de revisión como rateMDs recuperado el 29 de junio de 2016, de https://en.wikipedia.org/w/index.php?ti
(ratemds.com) tle=Telemedicine&oldid=726471226
Revisión de puntos clave

1.Describir la necesidad de inteligencia comercial y análisis avanzados y y toma de decisiones automatizada. Las herramientas OLAP ofrecen la
cómo las bases de datos sirven como base para tomar mejores capacidad de realizar consultas multidimensionales complejas. La
decisiones comerciales. Las empresas deben responder rápidamente a visualización se refiere a la visualización de relaciones de datos
las amenazas y oportunidades externas que surgen de las condiciones complejas utilizando una variedad de métodos gráficos. Los resultados
inestables del mercado, la competencia feroz, los ciclos de vida cortos de los análisis complejos, así como los indicadores clave de rendimiento,
de los productos, la regulación gubernamental o los clientes se muestran en paneles digitales, que a menudo se utilizan para
inconstantes; La inteligencia empresarial y las herramientas de análisis proporcionar a los responsables de la toma de decisiones la información
avanzado pueden ayudar a las organizaciones a obtener información correcta de una manera fácil de entender. El análisis visual combina el
significativa a partir de cantidades cada vez mayores de datos sistema visual humano y las técnicas de análisis para ayudar en el
estructurados y no estructurados. Las organizaciones usan bases de análisis de relaciones complejas y dar sentido a los datos "ruidosos". Las
datos para capturar y administrar los datos que luego se pueden usar herramientas de análisis avanzado, por el contrario, son utilizadas por
como entrada para las aplicaciones de inteligencia empresarial. Una usuarios comerciales, así como por analistas comerciales y científicos de
base de datos es una colección de datos relacionados organizados de datos para obtener una comprensión más profunda de por qué
manera que facilita la búsqueda de datos y contiene entidades, sucedieron las cosas y construir modelos predictivos. Los modelos de
atributos, registros y tablas. Un DBMS es una aplicación de software con análisis avanzados a menudo se utilizan para descubrir relaciones
la que crea, almacena, organiza y recupera datos de una sola base de "ocultas" en los datos. La minería de datos se utiliza para el
datos o de varias bases de datos. Los datos dentro de una base de datos descubrimiento de asociaciones y la agrupación y clasificación. El análisis
deben organizarse adecuadamente para que sea posible almacenar y de datos no estructurados se utiliza para extraer información de
recuperar datos de manera efectiva. Para respaldar procesos documentos textuales. Los sistemas inteligentes, basados en
comerciales más efectivos, las empresas utilizan el procesamiento de aprendizaje automático y redes neuronales artificiales, funcionan para
transacciones en línea. Los datos de los sistemas operativos sirven como emular y mejorar las capacidades humanas.
entrada a los sistemas de información. La gestión de datos maestros
ayuda a las organizaciones a llegar a una “versión única de la verdad” 3.Describir cómo las organizaciones pueden mejorar la toma de
para recopilar inteligencia comercial; Los almacenes de datos y los data decisiones mediante el uso de la gestión del conocimiento y los
marts admiten la integración y el análisis de grandes conjuntos de sistemas de información geográfica.Los sistemas de gestión del
datos. conocimiento son una colección de herramientas basadas en tecnología
que permiten la generación, el almacenamiento, el intercambio y la
2.Explicar los conceptos básicos de inteligencia empresarial y análisis gestión de activos de conocimiento tácito y explícito. Los SIG ayudan a
avanzado.Las herramientas de inteligencia comercial permiten a los usuarios almacenar, analizar y administrar datos con referencia geográfica y
comerciales analizar datos pasados y actuales para obtener una comprensión brindan soporte para decisiones espaciales para una variedad de
de lo que ha sucedido. Tradicionalmente, los sistemas de apoyo a la toma de aplicaciones.
decisiones se utilizaban para apoyar a los humanos.
Términos clave
consulta ad hoc 236 diccionario de datos 234 extracción de activos de conocimiento 254
análisis avanzado 226 organización basada en 226 explícito, transformación,
algoritmo 246 datos data mart 239 y cargando 238

asociación de inteligencia 251 minería de datos 246 hecho 241
artificial (IA) descubrimiento agente de minería de datos 252 forma 235
246 atributo 231 modelo de datos 234 lógica difusa 250
robot 252 reducción de datos 246 información geográfica
análisis de negocios 226 Ciencia de los datos 245 sistema (SIG) 257
reglas de negocio de inteligencia 226 tipo de datos 234 computación en memoria 241
empresarial (BI) 234 almacén de datos 238 sistema de información 237
agente comprador 252 agente destructivo del sistema de 240 agente inteligente 252
chatbot 252 252
soporte de decisiones (DSS) sistema inteligente 251
clasificación 247 Tablero digital 242 informe de indicadores clave 236
datos del flujo de clics 249 dimensión 241 activos de conocimiento 254
agrupación 247 profundizar 241 conocimiento administrativo 254
248
inteligencia competitiva proceso informe detallado 236 sistema de gestión del conocimiento 255
de planificación continua 229 entidad 231 portal de conocimiento 256
limpieza de datos 238 Informe de excepciones 236 capa 257
análisis de ubicación 257 modelado predictivo 250 datos estructurados 228

aprendizaje automático 249 consulta 235 lenguaje de consulta estructurado
datos maestros 234 registro 231 (SQL) 235
gestión de datos maestros 234 sistema de gestión de bases de datos relacionales mesa 231
medida 241 (RDBMS) 232 activo de conocimiento tácito 254
modelo 240 informe 235 minería de texto 248
red neuronal de agente de 252 generador de informes 235 datos no estructurados 228
250
monitoreo y detección enrollar 241 agente de usuario 252
No SQL 233 informe programado 236 análisis visual 244

cubo OLAP 241 datos semiestructurados 228 descubrimiento de datos visuales 244
servidor OLAP 241 análisis de los sentimientos 248 visualización 242
procesamiento analítico en línea descubrimiento de secuencias 246 minería de contenido web 248
(OLAP) 241 robot de compras 252 rastreador web 252
procesamiento de transacciones en línea tajando y cortando 241 Telaraña 252
(OLTP) 237 análisis de redes sociales 255 minería de uso web 249
sistema operativo 236 pegajosidad 249 Y si el análisis 240
TM
MiMALLaboratorio Irmymislab.compara completar los problemas marcados con este iconoMiMALLaboratorio.
preguntas de revisión
6-1.¿Cómo puede ayudar un proceso de planificación continua? 6-9.¿Cuál es la relación entre las medidas?
las empresas responden a las amenazas y y dimensiones?
oportunidades externas? MiMALLaboratorio 6-10.Describe y da ejemplos de dos tipos de
6-2.Describir las diferencias entre entidades, minería web.
tablas, filas y atributos en una base de datos. 6-11.¿Qué es la adherencia de un sitio web y por qué?
MiMALLaboratorio6-3.¿Cuál es la importancia de los datos maestros? ¿importante?
¿administración? 6-12.Explicar el propósito de un modelo dentro de un DSS.
6-4.¿Cuáles son las ventajas de un DBMS? 6-5. 6-13.Describe cuatro tipos de agentes inteligentes. Cómo
Explique las diferencias entre OLAP y ¿Se pueden utilizar en beneficio de las organizaciones?
OLTP. 6-14.¿Qué es un sistema de gestión del conocimiento,
MiMALLaboratorio6-6.¿Cómo se puede utilizar el análisis visual para mejorar y ¿qué tipos de tecnologías componen
¿Toma de decisiones? un sistema integral?
6-7.Describir cómo OLAP permite a un usuario 6-15.¿Cuál es el propósito de usar capas en GIS?
realizar consultas multidimensionales. aplicaciones?
6-8.Explique la diferencia entre agrupamiento y
clasificación.
Preguntas de autoaprendizaje
6-16.En un RDBMS, una entidad se representa como un (n) 6-18.Para responder rápidamente a un mercado altamente competitivo y
______________. entorno que cambia rápidamente, las organizaciones
A. atributo utilizan un ______________.
B mesa A. proceso de planificación continuo
Cuervo B. proceso estructurado de toma de decisiones
D asociación C. proceso estructurado de apoyo a la toma de decisiones
6-17.Un (n) informe ______________ proporciona un resumen de D. proceso continuo de toma de decisiones
métricas críticas en un programa recurrente. A. 6-19.Para determinar la probabilidad de que nuevos clientes
programado incumplimiento de pago de un préstamo, un gerente en un banco
B excepción normalmente usaría ______________.
C indicador clave A. descubrimiento de asociación
D. desglose B. descubrimiento de secuencias
C. clasificación
D. agrupamiento
6-20.La minería de uso web implica analizar ______________. 6-24.¿Qué hay de cierto en la gestión del conocimiento?
A. datos de seguimiento de clics R. A medida que los baby boomers se jubilan a un ritmo cada vez mayor,
B contenido de la página la gestión del conocimiento está ayudando a las organizaciones a
C. asociaciones entre conjuntos de elementos capturar su conocimiento.
D. datos no estructurados B. Un sistema de gestión del conocimiento no es una sola

6-21.El análisis de la cuota de mercado suele ser utilizado por el tecnología sino una colección de herramientas basadas en
______________ función de una organización. A. tecnología.
mercadeo C. Encontrar la tecnología adecuada para administrar los activos de
B contabilidad conocimiento es mucho más fácil que identificar qué conocimiento
c producción se necesita, por qué se necesita y quién tiene este conocimiento.
D. ciencia de la gestión
6-22.Big Data se caracteriza por todo lo siguiente excepto D. Todo lo anterior es cierto.
______________. 6-25.¿Cuál de los siguientes es un ejemplo de datos de atributo
A. verificabilidad comúnmente usado en aplicaciones GIS? A.
B velocidad datos estructurados
c variedad B longitud
D volumen C. zona comercial
6-23.______________los agentes realizan un seguimiento de la información clave D. ventas anuales

como niveles de inventario, notificando a los usuarios cuando las Las respuestas están en la página 265.
condiciones cambian.
Un usuario
B. Comprador
C. Vigilancia y detección
D. Minería de datos
problemas y ejercicios
6-26.Relaciona los siguientes términos con los correspondientes H. Extraer información textual de documentos web
definiciones: i. Una interfaz de usuario que representa visualmente información
i. Análisis de redes sociales resumida sobre la salud de una empresa, a menudo de
ii. Medidas múltiples fuentes
iii. Datos maestros j. Los datos que se consideran más importantes en el
IV. minería de contenido web funcionamiento de una empresa
v. Proceso de planificación continua 6-27.Entrevistar a un ejecutivo de alto nivel dentro de una organización
vi. Procesamiento de datos con los que está familiarizado y conocer las amenazas externas
vii. Inteligencia de negocios más importantes de la organización. ¿Pueden la inteligencia
viii. Tablero digital empresarial o las herramientas de análisis avanzado ayudar a
ix. Sistema de información geográfica responder a estas amenazas? Si es así, cómo; ¿si no, porque no?
X. DSS 6-28.Visite www.amazon.com y busque un producto de
interés para usted ¿Qué atributos se almacenan probablemente en la
una. Un sistema de información diseñado para almacenar y
base de datos de Amazon.com?
analizar datos espacialmente referenciados
6-29.Usando un motor de búsqueda, ingrese la palabra clave "data ware-
b. Herramientas y técnicas para analizar y visualizar datos
alojamiento." ¿Quiénes son los grandes proveedores en esta
estructurados y no estructurados para obtener una
industria? ¿Qué tipo de soluciones ofrecen a sus clientes? ¿Ve
comprensión del desempeño actual y pasado
alguna tendencia común en el almacenamiento de datos?
C. Una técnica que intenta encontrar grupos de personas que
6-30.Visite CNN Money (http://money.cnn.com/calculator/
trabajan juntas, encontrar personas que no colaboran pero
jubilación/necesidad de jubilación) en la web para
deberían, o encontrar expertos en áreas temáticas
planificar su jubilación utilizando un DSS. ¿Qué
particulares.
aprendiste? ¿En qué medida es útil el DSS para planificar
d. Un conjunto de métodos utilizados para encontrar relaciones predictivas
su jubilación? Si navegas por CNN Money, ¿qué otras
ocultas en un conjunto de datos.
cosas interesantes encuentras?
mi. Un proceso de planificación empresarial estratégica que implica la
6-31.Entrevistar a un ejecutivo de alto nivel dentro de una organización
supervisión y el ajuste continuos de los procesos empresariales
con los que está familiarizado y determinar en qué medida la
para permitir una reacción rápida a las condiciones empresariales
organización utiliza herramientas para la visualización de
cambiantes.
información o cuadros de mando digitales. ¿Este individuo utiliza
F. Los valores o números que un usuario quiere analizar
estas herramientas de alguna manera? ¿Por qué o por qué no?
gramo. Un sistema de información de propósito especial diseñado
¿Qué ejecutivos utilizan tales herramientas?
para apoyar la toma de decisiones organizacionales.
6-32.Piensa en el correo basura que recibes todos los días en 6-37.Entreviste a un gerente de SI dentro de una organización. Qué
su correo postal. ¿Qué correos cree que son el resultado ¿Qué tipo de herramientas de descubrimiento de información
de la minería de datos? ¿Cómo te han elegido las y conocimiento utiliza la organización? ¿Hubo un aumento o
empresas para sus envíos dirigidos? disminución en los últimos años? ¿Qué predicciones tiene este
6-33.Piense en el correo no deseado de su programa de correo electrónico. directivo sobre el futuro de estos sistemas? ¿Estás de acuerdo?
carpeta de correo no deseado. ¿Qué tipos de métodos analíticos avanzados utiliza Prepare una presentación de 10 minutos para la clase sobre
el filtro de spam de su programa de correo electrónico para identificar los correos sus hallazgos.
electrónicos no deseados? 6-38.Para su universidad, identifique varios ejemplos de
6-34.Describa sus experiencias con SIG. ¿Qué tareas o activos de conocimiento, clasifíquelos como tácitos o explícitos y
problemas para los que ha utilizado GIS? ¿Para qué decisiones califíquelos según su valor para la universidad en una escala de 10
personales sería especialmente relevante un SIG? Proporcione puntos (1 = valor bajo a 10 = valor alto). 6-39.Examine el sitio web
ejemplos específicos. de su universidad para identificar exámenes.
6-35.Vaya a la web y compare tres robots de compras Ejemplos en los que se podría utilizar o se está utilizando un sistema de
(por ejemplo, www.mysimon.com, www.shopzilla.com, gestión del conocimiento para ayudar a proporcionar mejores servicios a los
www . shopping.com o www.pricegrabber.com) para un estudiantes.
producto que le interese. ¿Encontraron los diferentes 6-40.¿Cómo prefiere que se pre-
agentes la misma información o hubo alguna enviado? ¿Utiliza algún tipo de herramientas de visualización?
diferencia? ? ¿Prefieres uno sobre los otros? Si es así, ¿por ¿De ser asi, cuales?
qué? 6-36.¿Ha visto o usado ad hoc, excepción, indicación clave? 6-41.Visita Google Maps (http://maps.google.com) y prueba
tor y/o informes detallados? ¿Cuál es el propósito de cada las diferentes capas proporcionadas. ¿Qué otra información
informe? ¿Quién produce y quién utiliza los informes? le gustaría ver? ¿Existen aplicaciones combinadas disponibles
¿Alguno de estos informes le parece o le suena familiar por públicamente que ofrezcan esta información como capas
su experiencia laboral? sobre Google Maps?
Ejercicios de aplicación
Nota: Los archivos de datos existentes a los que se hace referencia en estos ejercicios están disponibles en Una vez que haya calculado los pagos, calcule el monto
el sitio web del libro: www.pearsonhighered.com/valacich.
total a pagar por cada opción, así como el interés total
que pagaría durante el transcurso del préstamo.
Solicitud de hoja de cálculo: Facilidad
de préstamo para viajes
Asegúrese de usar fórmulas para todos los cálculos y
envíe una página con formato profesional que muestre
6-42.Se ha añadido un nuevo aspecto del negocio a Campus los resultados y una página que muestre las fórmulas.
Viaje. Los estudiantes pueden solicitar un préstamo para (Sugerencia: en Microsoft Excel, use la función "PAGO" en
ayudar a pagar sus viajes. Sin embargo, los préstamos para la categoría "Financiero" para calcular los pagos. Use
viajes están disponibles solo para estudiantes que viajan fuera Ctrl+` [acento grave] para cambiar entre las vistas de
del país durante al menos 2 semanas. Debido a que los costos fórmula y datos; calcule la cantidad de pagos antes de
de este tipo de viaje internacional difieren según cómo viaje, usar la fórmula).
dónde se hospede y qué haga en el destino, hay diferentes
Aplicación de base de datos: Seguimiento del rendimiento de la
paquetes de préstamos disponibles. Durante un mes en oficina regional en Campus Travel
Europa, ha decidido pedir un préstamo. Ya ha echado un
vistazo a varias ofertas, pero no está seguro de poder pagarlo. 6-43.El gerente general quiere saber qué oficinas
Configure una hoja de cálculo para calcular los pagos por mes fueron más rentables durante el año anterior y le pide que
para las siguientes situaciones: prepare varios informes. En el archivo FY2012.mdb, encontrará
■ ■2 semanas en Europa del Este; precio: US$2,000; información sobre las oficinas, los agentes de ventas y los
tipo de interés: 5,5%; Tiempo: 1 año destinos. Utilice el asistente de informes para generar los
■ ■2 semanas en Europa Occidental; precio: US$3.000; tasa
siguientes informes:
de interés: 6,0%; tiempo: 1 año ■ ■Lista de todos los agentes de ventas agrupados por oficina (incluido
■ ■3 semanas en Europa del Este; precio: US$3.000; el número total de agentes por oficina)
tipo de interés: 6,5%; tiempo: 2 años ■ ■Lista de todos los agentes de ventas para cada destino
■ ■3 semanas en Europa Occidental; precio: US$3.500; tipo
(agrupados por destino, incluido el número total de agentes)
de interés: 5,5%; tiempo: 2 años ■ ■Destinos vendidos por cada agente de ventas (incluido
■ ■4 semanas en Europa del Este; precio: US$4.000; el número total de destinos)
tasa de interés: 6,0%; tiempo: 2 años Sugerencia: Deberá generar las consultas necesarias
■ ■4 semanas en Europa Occidental; precio: 5.000 dólares
antes de crear los informes.
estadounidenses; tipo de interés: 6,5%; tiempo: 2 años
Ejercicio de trabajo en equipo
Estadísticas netas: Preguntas y Ejercicios

La desaparición de la televisión abierta 6-44.Busque en la web las estadísticas más actualizadas.
Trate de encontrar las estadísticas de otros datos demográficos
Estudios recientes de la industria de la televisión abierta indican y países también.
que está en problemas. Cada vez son más las personas que optan 6-45.En equipo, interpreten estos números. lo que llama la atención/
por no ver la televisión de la forma convencional de "cita". Según importante acerca de estas estadísticas? ¿Cuál puede ser la
Nielsen, en 2015, 226 millones de personas en los Estados Unidos razón de las diferencias entre países? 6-46.¿Cómo han
vieron contenido de TV/video a través de su televisor, ya sea en cambiado los números desde 2016? 6-47.Utilizando el software de
vivo o a través de un DVR, en comparación con 191 millones que hoja de cálculo de su elección, cree un
vieron contenido en un teléfono inteligente, 162 millones que gráfico/figura que visualice efectivamente las estadísticas/
vieron contenido usando una PC conectado a Internet, 106 cambios que consideres más importantes.
millones que vieron en una tableta, y otros 158 millones que vieron Residencia en:
contenido DVR (es decir, en diferido). Y, por supuesto, muchos Anónimo. (2016, 27 de junio). El informe de audiencia total: primer trimestre de 2016.
consumen contenido utilizando una combinación de formatos y Nielsen. Recuperado el 28 de junio de 2016 de http://www.nielsen.com/us/en/insights/
métodos. Sin embargo, mientras que la radio tradicional y la reports/2016/the-total-audience-report-q1-2016.html
televisión abierta continúan llegando a la mayoría de los usuarios,

su participación de mercado se está erosionando hacia el
contenido entregado por Internet y dispositivos móviles. Estos
cambios tienden a ser especialmente fuertes en los jóvenes,
respuestas a las preguntas de autoaprendizaje

6-16.B, pág. 231 6-17.C, pág. 236 6-18.A, pág. 229 6-19.C, pág. 247 6-20.A, pág. 249
6-21.A, pág. 240 6-22.A, pág. 228 6-23.C, pág. 249 6-24.D, pág. 254 6-25.D, pág. 257
CASO 1NSA: ¿Agencia Nacional de Vigilancia?
En la década de 1950, poco después del En su incansable búsqueda de inteligencia para incluyen países amigos desde hace mucho tiempo, como
final de la Segunda Guerra Mundial, el defender los intereses nacionales de EE. UU., la NSA Francia, Alemania y España. Quizás lo más inquietante
presidente Harry S. Truman supervisó la ha adoptado la tecnología y la gran cantidad de para los ciudadanos estadounidenses es el hecho de que
organización de una organización secreta datos digitales disponibles en todo el mundo. A fines la vigilancia de la NSA también ha estado dirigida a
de seguridad e inteligencia, encargada de de 2013, una serie de revelaciones de documentos ciudadanos estadounidenses dentro de las fronteras
recopilar y analizar datos de inteligencia en internos clasificados de la NSA revelaron el alcance estadounidenses, lo que a muchos les parece una clara
defensa de los intereses y operaciones de de las actividades de espionaje de la NSA. La mayoría violación de la Ley de Vigilancia de Inteligencia Extranjera
los Estados Unidos y su gobierno. . La de estas revelaciones fueron proporcionadas por un de 1978, una ley diseñada para limitar la práctica de la
organización, llamada Agencia de excontratista de la NSA llamado Edward Snowden. vigilancia masiva. en los Estados Unidos.
Seguridad Nacional (NSA, por sus siglas en Estos documentos revelaron que la NSA intercepta Dado que muchas de las actividades de la NSA
inglés), ha crecido desde entonces hasta regularmente las comunicaciones telefónicas y de son clasificadas, es difícil saber qué tan efectivas han
convertirse en una de las organizaciones Internet de más de mil millones de personas en todo sido estas prácticas de vigilancia masiva para
de inteligencia más grandes del mundo, el mundo. La NSA rastrea las ubicaciones de cientos defender los intereses nacionales de los EE. UU. y los
con una fuerza laboral estimada de de millones de teléfonos celulares por día. Según los ciudadanos de los EE. UU. Hasta cierto punto, es
alrededor de 40 000 empleados y un informes, la organización tiene acceso a al menos probable que muchos ciudadanos esperen que el
presupuesto anual de casi US$11 000 algunas comunicaciones realizadas a través de los gobierno participe en el espionaje y otras prácticas
millones (estas son estimaciones porque servicios proporcionados por AOL, Google, Microsoft, de recopilación de inteligencia para proteger al
este tipo de la información sobre la NSA es Facebook y Yahoo! y recopila cientos de millones de público contra el terrorismo, el crimen u otros
clasificada). La NSA ha participado en la listas de contactos de cuentas personales de correo peligros. Con este fin, la NSA supuestamente
recopilación de inteligencia sobre una electrónico y mensajería instantánea cada año. La proporciona inteligencia extranjera a la Agencia
amplia gama de temas e individuos, desde NSA también recopila y almacena registros de Central de Inteligencia (CIA) con respecto a
la guerra de Vietnam hasta Martin Luther llamadas de teléfonos celulares de los principales actividades terroristas e inteligencia interna a la
King Jr. y la guerra contra el terrorismo proveedores de telefonía celular. Estas actividades de Administración de Control de Drogas (DEA) y la
posterior al 11 de septiembre. Por diseño, vigilancia no se han limitado a países considerados Oficina Federal de Investigaciones (FBI) con respecto
enemigos de los Estados Unidos: a drogas y otras actividades delictivas. pero cuanto
La recopilación de inteligencia en la que la NSA todas nuestras actividades diarias, desde el correo y empresas en línea—con los propósitos válidos que
debería participar, y de quién, es un asunto que ha electrónico hasta los mensajes de texto, las llamadas estas organizaciones utilizan para justificar sus
sido objeto de un fuerte debate. A juzgar por la telefónicas y las redes sociales. La NSA ha desarrollado actividades? ¿Preferiría que el gobierno de EE. UU.
protesta pública en respuesta a las revelaciones de métodos para recopilar y almacenar estos datos, para perdiera la oportunidad de detener a una
los documentos filtrados de Edward Snowden, gran consternación de muchas personas que ahora se organización terrorista antes de que ataque porque
muchas personas, tanto dentro como fuera de los enteran de estas prácticas. Pero muchas grandes la NSA dejó de monitorear las comunicaciones
Estados Unidos, creen que la NSA ha ido demasiado empresas se involucran en actividades similares, quizás electrónicas? ¿Estaría dispuesto a pagar una cuota de
lejos. Se reveló en los documentos de Snowden que no en la misma escala pero con igual desprecio por la suscripción anual a Google para utilizar su motor de
la NSA monitoreaba quién estaba leyendo temas privacidad de las personas que están siendo rastreadas. búsqueda o sus servicios de correo electrónico?
relacionados específicos como "coche bomba" o Google, Facebook y muchas redes de publicidad en línea ¿Estaría dispuesto a pagar una tarifa cada vez que se
"yihad". En 2016, los investigadores informaron que de las que probablemente nunca haya oído hablar hacen hace "amigo" de alguien o publica un nuevo álbum
las personas redujeron significativamente, en casi un todo lo posible para registrar dónde vamos y qué de fotos en Facebook? Estos son ejemplos extremos,
30 por ciento, la visualización de dicha información estamos viendo, escuchando y leyendo. Estas actividades pero resaltan el conflicto inherente a cualquier
en comparación con antes de que se revelara el brindan poderosas oportunidades comerciales para el debate que intente sopesar la privacidad frente a las
programa de vigilancia de la NSA. marketing segmentado y son la fuente de ingresos que prácticas de inteligencia empresarial. Para que los
En cierto sentido, las actividades de vigilancia de respalda muchos de los servicios en línea que gobiernos y las empresas tengan éxito y brinden los
la NSA son poco más que iniciativas avanzadas de disfrutamos de forma gratuita. servicios que esperamos, es posible que debamos
inteligencia empresarial. En el mundo moderno, Entonces, ¿cómo equilibramos los problemas de privacidad sentirnos más cómodos renunciando a parte de
dejamos huellas digitales en casi causados por la vigilancia, tanto por parte de los gobiernos nuestra privacidad.
Preguntas
6-48. ¿Cree que la NSA ha ido demasiado lejos en sus actividades de Divulgaciones de vigilancia global (2013-presente). (2016, 18 de junio). EnWikipedia, la
vigilancia? ¿Por qué o por qué no? enciclopedia libre. Recuperado el 29 de junio de 2016, de https://en.wikipedia. org/w/
6-49. ¿Cuáles son los pros y los contras inherentes a la recopilación de datos index.php?title=Global_surveillance_disclosures_(2013%E2%80%93
para negocios o inteligencia nacional? presente)&oldid=725872661
6-50. Proponer un conjunto de directrices para que la NSA dirija sus Agencia de Seguridad Nacional. (2016, 26 de junio). EnWikipedia, la enciclopedia
actividades de vigilancia en el futuro. libre. Recuperado el 29 de junio de 2016 de https://en.wikipedia.org/w/index. php?
title=Agencia_Nacional_de_Seguridad&oldid=727098938
Residencia en:
PRISM (programa de vigilancia). (2016, 10 de junio). EnWikipedia, la enciclopedia
Blake, A. (27 de abril de 2016). La vigilancia de la NSA ha tenido un efecto
libre. Recuperado el 29 de junio de 2016 de https://en.wikipedia.org/w/index. php?
escalofriante en la navegación por Internet: informe.El tiempo de Washington.
title=PRISM_(programa_de_vigilancia)&oldid=724687804
Recuperado el 29 de junio de 2016 de http://www.washingtontimes.com/news/
Shane, S. (2 de noviembre de 2013). Ningún bocado es demasiado minúsculo para la NSA que lo
2016/apr/27/nsa-surveillance-has-had-chilling-effect-internet-
consume todoLos New York Times. Recuperado el 29 de junio de 2016, de http://www.
Eduardo Snowden. (2016, 29 de junio). EnWikipedia, la enciclopedia libre.
nytimes.com/2013/11/03/world/no-morsel-demasiado-minusculo-para-todos-que-
Recuperado el 29 de junio de 2016 de https://en.wikipedia.org/w/index. php?
consumensa.html
title=Edward_Snowden&oldid=727462069
CASO 2Recopilación de inteligencia social
En los últimos años, las redes sociales se han La inteligencia comercial (BI) tradicional le informará Las redes sociales no solo se han convertido en una
generalizado en toda la sociedad. Nadie puede negar dónde sus productos se venden bien y dónde no. Pero no fuente importante de información actualizada para las
que las redes sociales han cambiado por completo el te lo dirápor quésu producto se vende bien en un lugar empresas, sino que también están emergiendo como un
contexto de la privacidad, dando forma y pero no en otro. Al integrar las redes sociales con las recurso valioso para la policía y otros socorristas. Los
remodelando las relaciones, exagerando los ideales herramientas tradicionales de BI, puede monitorear todo usuarios de las redes sociales han demostrado que la
de compartir y reconstruyendo las rutinas diarias lo que se dice sobre sus productos en varias plataformas. información sobre las crisis puede viajar a una velocidad
para visitar a los amigos en línea al menos una vez al Con tal inteligencia social,puede obtener información que compite con los servicios del 911. De hecho, el
día. Gracias a las redes sociales, las personas ahora más profunda y oportuna sobre los clientes, aprendiendo análisis de información pública tampoco es inusual en el
pueden compartir cada detalle sobre las cosas más por qué un producto no se vende. Como todos sabemos, mundo de la recopilación de inteligencia. Hoy en día, las
mundanas de la vida. Actualizar dónde se encuentra la información puede viajar rápidamente en los sitios de redes sociales tienen a las personas compitiendo para
en un momento dado alerta a sus amigos sobre lo redes sociales, ya que la información se vuelve viral expresar quiénes son y qué piensan, información que
que está haciendo, pero también permite que las cuando a las personas les gusta, comparten y retuitean nunca ha sido tan amplia y abiertamente accesible. Con
empresas aprendan cómo comercializar mejor los información. Al monitorear cuidadosamente las esa información, el gobierno de los EE. UU. está
productos y promocionar a las celebridades. tendencias, las empresas pueden mantenerse por desarrollando herramientas para pronosticar todo, desde
Respondiendo a la creciente influencia de las delante de la competencia a medida que la nueva revoluciones hasta trastornos y cambios económicos.
redes sociales y, a su vez, demostrando otra información comienza a ser tendencia. Innumerables Documentos publicados recientemente también revelan
función crucial del fenómeno, todo tipo de organizaciones exitosas están monitoreando activamente que la Agencia de Seguridad Nacional de EE. UU. (NSA)
organizaciones encuentran valor en monitorear y las redes sociales para obtener inteligencia social con usa Facebook y otros perfiles de redes sociales para crear
digerir el flujo continuo de publicaciones en el respecto a los sentimientos de los clientes actuales y mapas de conexiones sociales.
mundo de las redes sociales. Por ejemplo, futuros.
desde corporaciones hasta agencias gubernamentales, se ¿Cuántas veces has estado en Facebook desde que te convertirse en un problema de Big Data. Por otro
puede obtener información sobre lo que está sucediendo despertaste esta mañana? Es sorprendente ver en lado, obtener inteligencia social se ha convertido en
o está por suceder en las redes sociales, donde las qué se han convertido gran parte de nuestras vidas una oportunidad de Big Data para innumerables
personas se ven obligadas a compartir lo que saben o en las redes sociales. Con solo vigilar la cantidad de organizaciones.
piensan con casi cualquier persona. publicaciones que recibe su feed en una hora, puede
¿Ya revisaste tu feed de noticias de imaginar fácilmente cómo analizar estas cantidades
Facebook hoy? O, más exactamente, cuántos masivas de publicaciones puede rápidamente
Preguntas
6-51. ¿Cómo sabrán las organizaciones qué buscar cuando utilicen las Martín, AJ (13 de junio de 2016). EE. UU. planea intervenir en el caso de la UE contra
redes sociales para la inteligencia empresarial? Facebook causado por la intromisión de la NSA.El registro. Recuperado el 29 de junio de
6-52. ¿Cómo pueden las organizaciones gubernamentales analizar las actividades de las 2016 de http://www.theregister.co.uk/2016/06/13/us_to_intervene_eu_vs_facebook_case
redes sociales para predecir trastornos sociales? PRISM (programa de vigilancia). (2016, 10 de junio). EnWikipedia, la enciclopedia
6-53. Dada la velocidad y el volumen de actividad en las redes sociales, ¿qué libre. Recuperado el 29 de junio de 2016 de https://en.wikipedia.org/w/index. php?
title=PRISM_(programa_de_vigilancia)&oldid=724687804
herramientas de análisis y visualización de negocios podrían usarse
para dar sentido a la información? Trujillo, M. (13 de mayo de 2016). Los federales comenzarán a minar las redes sociales en las
revisiones de autorización de seguridad.La colina.Recuperado el 29 de junio de 2016, de http://
Residencia en:
thehill. com/policy/technology/279805-fed-to-start-mining-social-media-in-securityclearance-
Burbank, J. (2016, 25 de marzo). Por qué sus esfuerzos de inteligencia comercial deben involucrar
reviews
a las redes sociales.TweetFavy. Recuperado el 29 de junio de 2016 de https://www.tweetfavy.com/
blog/2016/03/why-your-business-intelligence-efforts-need-to-involve-social-media
TM Irmymislab.compara preguntas de escritura con calificación automática, así como las siguientes preguntas de escritura con
MiMALLaboratorio
calificación asistida:
6-54. ¿Cuál es el significado de apoyo y confianza en el contexto de la minería de datos?

6-55. Explique la diferencia entre conocimiento explícito y tácito.
referencias
Alavi, M. y Leidner, D. (1999). Sistemas de gestión del conocimiento: McAfee, A. y Brynjolfsson, E. (2012, octubre). Grandes datos: los
Problemas, desafíos y beneficios.Comunicaciones del AIS, 1 revolución gerencial.HBR.org.Recuperado el 17 de junio de 2016 de
(Artículo 7). http://hbr.org/2012/10/big-data-the-management-revolution Microsoft,
Andriole, S. (15 de marzo de 2015). Datos no estructurados: la otra cara de (8 de marzo de 2016). Comience con Columnstore para
analítica.Forbes.Recuperado el 17 de junio de 2016, de http://www.forbes. Analítica operativa en tiempo real.Red de desarrolladores de Microsoft.
com/sites/steveandriole/2015/03/05/el-otro-lado-de-analítica Recuperado el 17 de junio de 2016 de https://msdn.microsoft.com/library/
Awad, EM y Ghaziri, HM (2004).Conocimiento administrativo. dn817827.aspx
Upper Saddle River, Nueva Jersey: Pearson Prentice Hall. Checkland, Mierswa, I. (1 de octubre de 2014). Resumiendo las diferencias
PB (1981).Pensamiento sistémico, práctica de sistemas.. entre la inteligencia empresarial y la analítica avanzada.Minero rápido.
Chichester, Reino Unido: Wiley. Recuperado el 17 de junio de 2016 de https://rapidminer.com/
Clarke, KC (2015).Mapas y cartografía web. Río Saddle Superior, summarizing-differences-business-intelligence-advanced-analytics Myatt,
Nueva Jersey: Pearson Prentice Hall. GJ y Johnson, WP (2009).Dar sentido a los datos: una práctica
Costa, T. (2014, 12 de marzo). Cómo se transformará el análisis de ubicación guía técnica para la visualización de datos, métodos avanzados de minería
venta minorista.Revisión de negocios de Harvard.Recuperado el 17 de junio de de datos y aplicaciones.Nueva York: Wiley.
2016 de https://hbr.org/2014/03/how-location-analytics-will-transform-retail Nichols, G. (6 de junio de 2016). Las ambiciones de drones de Walmart son reales,
Daugherty, P. Banerjee, P., Negm, W. y Alter, AE (2015 ). Conduciendo y más inteligente que el de Amazon.ZDNet.Recuperado el 17 de junio de
crecimiento no convencional a través del Internet Industrial de las Cosas. 2016 de http://www.zdnet.com/article/walmarts-drone-ambitionsare-real-
Acento.Recuperado el 29 de junio de 2016, de https://www.accenture. and-smarter-than-amazons
com/us-en/_acnmedia/Accenture/next-gen/reassembling-industry/pdf/ Nielsen, M (2014, abril). Redes neuronales y profundas
Accenture-Driving-Unconventional-Growth-through-IIoT.pdf Dumbill, E. aprendizaje. Recuperado el 17 de junio de 2016 de http://
(2012, 19 de enero). Volumen, velocidad, variedad: ¿Qué neuralnetworksanddeeplearning.com/index.html Redman, TC (11 de julio
necesitas saber sobre Big Data.Forbes.Recuperado el 17 de junio de de 2013). ¿Está impulsado por los datos? toma un duro
2016 de http://www.forbes.com/sites/oreillymedia/2012/01/19/volume- mírate en el espejo.HBR.org.Recuperado el 17 de junio de 2016 de http://
velocity-variety-what-you-need-to-know-about-big-data Economist blogs.hbr.org/2013/07/are-you-data-driven-take-a-har Saarenvirta, G.
Intelligence Unidad. (2007). En busca de la claridad: Desentrañar (2004). El valor sin explotar de la información geográfica
las complejidades de la toma de decisiones ejecutivas. Recuperado el 17 de ciónRevista de inteligencia empresarial, 9(1), 58–63. Savitz, E.
junio de 2016 de http://graphics.eiu.com/upload/EIU_In_search_of_clarity.pdf (4 de febrero de 2013), Big Data: Big hype?Forbes.
Recuperado el 17 de junio de 2016, de http://www.forbes.com/
Unidad de Inteligencia Económica. (2011). Big Data: Aprovechando un juego- sites/ciocentral/2013/02/04/big-data-big-hype
cambio de activo. Recuperado el 17 de junio de 2016, de http://www.sas. Sharda, R., Delen, D. y Turban, E. (2014).Inteligencia de negocios:
com/resources/asset/SAS_BigData_final.pdf. Una perspectiva gerencial sobre el análisis(3ra ed.). Boston, MA:
EY. (2016). No olvide el elemento humano de la analítica.EY.com. Pearson.
Recuperado el 17 de junio de 2016 de https:// Sharda, R., Delen, D. y Turban, E. (2015).Inteligencia de negocios y
betterworkingworld.ey.com/better-questions/human-element-analytics analytics: Sistemas de apoyo a la decisión(10ª ed.). Boston, MA:
Harrison, G. (2010, 26 de agosto). 10 cosas que debes saber sobre Pearson.
Bases de datos NoSQL.República Tecnológica.Recuperado el 17 de Stenovec, T. (2015, 18 de noviembre). Google se ha incre-
junio de 2016 de http://www.techrepublic.com/blog/10things/10- muy bueno para predecir el tráfico: así es como se hace.
thingsyou-should-know-about-nosql-databases TechInsider. Recuperado el 17 de junio de 2016 de http://
Höf, RD (2013). Aprendizaje profundo.Revisión de tecnología del MIT. www.techinsider.io/how-google-maps-knows-about-traffic-2015-11
Recuperado el 17 de junio de 2016 de https://www.technologyreview. com/s/ Stewart, D. (1 de mayo de 2013). Gran contenido: lo desestructurado
513696/aprendizaje profundo lado de los grandes datos.Gartner.Recuperado el 17 de junio de
Jensen, JR y Jensen, RR (2013).Introducción a la información geográfica 2016 de http://blogs.gartner.com/darin-stewart/2013/05/01/big-
Sistemas de mación. Upper Saddle River, Nueva Jersey: Pearson Prentice Hall. Kleinman, content-the-unstructured-side-of-big-data
Z. (13 de junio de 2016). El robot "dañino" tiene como objetivo encender la IA Stubbs, E. (2011).El valor de la analítica empresarial.Nueva York: Wiley. Tapscott, D.
debate.BBC.com.Recuperado el 17 de junio de 2016, de http://www.bbc. (2008). Información procesable para la toma de decisiones empresariales.
com/noticias/tecnología-36517340. ers.Objetos de negocio.Recuperado el 17 de junio de 2016 de http://
Knight, W. (29 de diciembre de 2015). Lo que aprendieron los robots y la IA www.businessobjects.com/campaigns/forms/q109/apj/everyone/
en 2015.Revisión de tecnología del MIT.Recuperado el 17 de junio de tapscott/BI_for_Decision_Makers.pdf
2016 de https://www.technologyreview.com/s/544901/what-robots- Templeton, G. (10 de junio de 2016). Google está desarrollando su propia ver-
and-ai-learned-in-2015 sión de las Leyes de la Robótica.Tecnología extrema.Recuperado el 11
Larose, DT (2015).Minería de datos y análisis predictivo(2ª ed.). de julio de 2016, de http://www.extremetech.com/extreme/229806-
Nueva York: Wiley. google-is-starting-to-design-its-own-version-of-asimovs-lawsof-
Levinson, M. (2010). Gestión del conocimiento definición y solución. robotics
ciones.CIO.com.Recuperado el 17 de junio de 2016 de http://www.cio.com/ Vijayan, J. (25 de junio de 2015). Resolviendo el desafío de los datos no estructurados.
article/40343/Knowledge_Management_Definition_and_Solutions Malhotra, Y. CIO.com.Recuperado el 17 de junio de 2016 de http://www.cio.com/
(2005). Integración de la tecnología de gestión del conocimiento article/2941015/big-data/solution-the-unstructured-data-challenge.
gias en los procesos organizacionales de negocios: Conseguir que las html
empresas en tiempo real ofrezcan un desempeño comercial real.Revista de
Gestión del Conocimiento, 9(1), 7–28.
Esta página se dejó en blanco intencionalmente

Cap.6. Information Systems Today Managing The Digital World - Compress (6) .Es

Cargado por

Copyright:

Formatos disponibles

Cap.6. Information Systems Today Managing The Digital World - Compress (6) .Es

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Cap.6. Information Systems Today Managing The Digital World - Compress (6) .Es

Cargado por

Copyright:

Formatos disponibles

Traducido del inglés al español - www.onlinedoctranslator.

ciones incluso en condiciones de viento, o regresar de forma

segura a su posición inicial en caso de niveles bajos de batería. En

orquestada. Luego vuelan a través de una pequeña ventana, uno

conocimiento ayudan a las organizaciones a capturar, almacenar y recuperar el conocimiento organizacional de

de paquetes hasta la vigilancia y las operaciones de búsqueda y

Tú serás 2.Explicar los conceptos básicos de inteligencia empresarial y análisis avanzado.

siguiendo: del conocimiento y los sistemas de información geográfica.

Estos pequeños UAV autónomos podrán volar a través de una

Mejorar la toma de decisiones organizacionales

Por qué las organizaciones necesitan Business Intelligence y Advanced Analytics

CUADRO 6.1Ejemplo de usos de la inteligencia empresarial y el análisis en entornos no empresariales

Gobierno Analizar el desempeño de los programas de beneficios públicos

Defensa Gestionar el mantenimiento y la logística durante los despliegues en el extranjero

hospitales Predecir el volumen de pacientes y la utilización de recursos

RESPUESTA A LAS AMENAZAS Y OPORTUNIDADES.Factores externos como la globalización,

Factores externos FIGURA 6.2

organizaciones a responder rápidamente a las

amenazas y oportunidades externas.

organizaciones están utilizando unproceso de planificación continua(Figura 6.4). En un proceso continuo de

Bases de datos: Proporcionando insumos para Business Intelligence y

Monitor Pista &

Biblioteca Equivalente DBMS oficina FIGURA 6.5

Catalogo de cartas SGBD Archivador

Cajón de tarjetas Base de datos cajón de archivo

Tarjeta de catálogo Registro Carpeta de archivos

nasd zx kdv wsdms nasd zx kdv

Dirección del cliente

Datos de la tarjeta Atributos Reporte

TABLA 6.2ventajas del enfoque de base de datos

Seguridad incrementada Un sistema centralizado facilita el cumplimiento de las restricciones de acceso.

Calidad de datos mejorada El control centralizado, la redundancia minimizada y la coherencia de datos

comerciales cuando los datos y los programas son independientes.

Aumento de la productividad Los estándares de datos facilitan la creación y modificación de aplicaciones.

CUANDO LAS COSAS VAN MAL

para ingresar información del cliente.

CONSULTAS E INFORMES AD HOC.Los usuarios comerciales de una organización necesitan la información

usuario que permite a los usuarios seleccionar los

CUADRO 6.3Informes y consultas comunes

Se requieren usuarios.Procesamiento de transacciones en línea (OLTP)los sistemas brindan esto y están

TABLA 6.4Comparación de sistemas operativos e informativos

Característica Sistema operacional Sistema Informativo

Usuarios principales Clientes en línea, empleados, Gerentes, analistas comerciales y

Ámbito de uso Actualizaciones y consultas estrechas y Consultas y análisis amplios y

objetivo de diseño Actuación Facilidad de acceso y uso

TABLA 6.5industria de muestra Usos del almacenamiento de datos

Usos del almacenamiento de datos Empresas Representativas

Análisis de los datos de pago del escáner Camino seguro

Seguimiento, análisis y ajuste de promociones de ventas y cupones. Costco, Corporación CVS

Gestión del programa de clientes frecuentes objetivo, aerolíneas unidas

Análisis de rentabilidad y segmentación de mercado Walgreens, Toyota

Promociones de productos para segmentos de mercado enfocados Walmart, Williams-Sonoma

marketing de segmento cruzado Citigroup

Análisis de riesgo y crédito HSBC

perfil del cliente Morgan Stanley

Doe, Juan Nombre: Juan

Inteligencia de negocios y analítica avanzada

puede ser valioso para una organización, es su convergencia lo que permite

Sistemas de Soporte a la Decisión.Tradicionalmente, las organizaciones utilizabansistemas de apoyo a la toma de