Introducción a la Inteligencia de Negocios con Técnicas de la Inteligencia Computacional

Tamaño: px
Comenzar la demostración a partir de la página:

Download "Introducción a la Inteligencia de Negocios con Técnicas de la Inteligencia Computacional"

Transcripción

1 Introducción a la Inteligencia de Negocios con Técnicas de la Inteligencia Computacional Richard Weber Departamento de Ingeniería Industrial Universidad de Chile

2 Contenido de la presentación Introducción y Motivación Inteligencia de Negocios: Definición y Vista General Inteligencia Computacional: Las Principales Técnicas Aplicaciones de Data Mining con Inteligencia Computacional Herramientas de Data Mining Conclusiones y Perspectivas

3 El Vértigo de la Inteligencia de Negocios CRM: Customer Relationship Management (Gestión de la relación con el cliente) CMR:??? Data Warehouse / Data Mart Inteligencia de Negocios (Business Intelligence) OLAP: Online Analytical Processing Data Mining: Minería de datos Knowledge Management Inteligencia Artificial Balanced Scorecard KPI: Key Performance Indicators

4 KPI: Key Performance Indicators Definición KPIs, or key performance indicators help organizations achieve organizational goals through the definition and measurement of progress. The key indicators are agreed upon by an organization and are indicators which can be measured that will reflect success factors. The KPIs selected must reflect the organization's goals, they must be key to its success, and they must be measurable. Key performance indicators usually are long-term considerations for an organization.

5 Balanced Scorecard Definición Balanced Scorecard The balanced scorecard is a strategic management system used to drive performance and accountability throughout the organization.the scorecard balances traditional performance measures with more forward-looking indicators in four key dimensions:» Financial» Integration/Operational Excellence» Employees» Customers The Balanced Scorecard is an organizational framework for implementing and managing strategy at all levels of an enterprise by linking objectives, initiatives, and measures to an organization s strategy. The scorecard provides an enterprise view of an organization s overall performance. It integrates financial measures with other key performance indicators around customer perspectives, internal business processes, and organizational growth, learning, and innovation.

6 Inteligencia Artificial Definición Artificial Intelligence The branch of computer science concerned with making computers behave like humans. The term was coined in 1956 by John McCarthy at the Massachusetts Institute of Technology. Artificial intelligence includes: games playing: programming computers to play games such as chess and checkers expert systems : programming computers to make decisions in real-life situations (for example, some expert systems help doctors diagnose diseases based on symptoms) natural language : programming computers to understand natural human languages neural networks : Systems that simulate intelligence by attempting to reproduce the types of physical connections that occur in animal brains robotics : programming computers to see and hear and react to other sensory stimuli

7 Knowledge Management Definición Knowledge Management is the explicit and systematic management of vital knowledge - and its associated processes of creation, organization, diffusion, use and exploitation. Explicit - Surfacing assumptions; codifying that which is known Systematic - Leaving things to serendipity will not achieve the benefits Vital Knowledge - You need to focus; you don't have unlimited resources Processes - Knowledge management is a set of activities with its own tools and techniques

8 CRM Definición CRM Short for customer relationship management. CRM entails all aspects of interaction a company has with its customer, whether it be sales or service related. Computerization has changed the way companies are approaching their CRM strategies because it has also changed consumer buying behavior. With each new advance in technology, especially the proliferation of self-service channels like the Web and WAP phones, more of the relationship is being managed electronically. Organizations are therefore looking for ways to personalize online experiences (a process also referred to as mass customization) through tools such as help-desk software, organizers and Web development apps.

9 Business Intelligence Definición Business Intelligence The term Business Intelligence (BI) represents the tools and systems that play a key role in the strategic planning process of the corporation. These systems allow a company to gather, store, access and analyze corporate data to aid in decision-making. Generally these systems will illustrate business intelligence in the areas of customer profiling, customer support, market research, market segmentation, product profitability, statistical analysis, and inventory and distribution analysis to name a few.

10 Minería de datos para la Inteligencia de Negocios: Motivación Costos para guardar datos: Costos de un disco duro (US-$) / Capacidad (MB) Fuente:

11 Minería de datos para la Inteligencia de Negocios: Motivación Disponibilidad de datos: Capacidad de nuevos discos duros (PB) Fuente:

12 Generación de datos The World Wide Web contains about 170 terabytes of information on its surface; in volume this is seventeen times the size of the Library of Congress print collections. Instant messaging generates five billion messages a day (750GB), or 274 Terabytes a year. generates about 400,000 terabytes of new information each year worldwide. Fuente: Código Barra RFID: Radio Frequency Identification

13 Data Warehouse Definición Data Warehouse: Abbreviated DW, a collection of data designed to support management decision making. Data warehouses contain a wide variety of data that present a coherent picture of business conditions at a single point in time. Development of a data warehouse includes development of systems to extract data from operating systems plus installation of a warehouse database system that provides managers flexible access to the data. The term data warehousing generally refers to the combination of many different databases across an entire enterprise. Contrast with data mart. Fuente:

14 Arquitectura de un Data Warehouse Datos Información Decisión Datos operacionales Herramientas de Data Mining Información detallada Resumen Datos externos Meta Datos Herramienta de OLAP Fuente: Anahory, Murray (1997): Data Warehousing in the Real World.

15 OLAP Definición OLAP Short for Online Analytical Processing, a category of software tools that provides analysis of data stored in a database. OLAP tools enable users to analyze different dimensions of multidimensional data. For example, it provides time series and trend analysis views. OLAP often is used in data mining. The chief component of OLAP is the OLAP server, which sits between a client and a database management systems (DBMS). The OLAP server understands how data is organized in the database and has special functions for analyzing the data. There are OLAP servers available for nearly all the major database systems.

16 Navegación en un cubo OLAP Producto P1 Drill down: profundizar una dimensión U1 Tiempo Ubicación

17 Motivaciones para Almacenar Datos Razones iniciales: En telecomunicación: Facturación de llamadas En supermercados: Gestión del inventario En bancos: Manejo de cuentas En empresas de producción: Control de procesos Potenciales: En telecomunicación: Detección de fraude En supermercados: Asociación de ventas En bancos: Segmentación de clientes En empresas de producción Mantenimiento preventivo

18 Idea básica y potenciales de data mining Empresas y Organizaciones tienen gran cantidad de datos almacenados. Los datos disponibles contienen información importante. La información está escondida en los datos. Data mining puede encontrar información nueva y potencialmente útil en los datos

19 Proceso de KDD Knowledge Discovery in Databases Transformación Data Mining Preprocesamiento Selección Patrones Datos Datos seleccionados Datos preprocesados Datos transformados Interpretación y Evaluación KDD es el proceso no-trivial de identificar patrones previamente desconocidos, válidos, nuevos, potencialmente útiles y comprensibles dentro de los datos

20 Potenciales de Data Mining - 1

21 Potenciales de Data Mining - 2

22 Aplicaciones de Data Mining Customer Relationship Management Segmentación de clientes Database Marketing Predicción de compra Retención de clientes Predicción de fuga Detección de Fraude Tarjetas de crédito Uso de teléfonos (celulares) Predicción de series de tiempo

23 Inteligencia Computacional: Las principales técnicas Redes neuronales Lógica difusa Algoritmos genéticos

24 Computational Intelligence 1943 Neural Networks (McCulloch, Pitts) 1965 Fuzzy Logic (Zadeh) 1974 GA (Schwefel) 1993 First IEEE Conference joining FL, NN and GA (USA) 1993 First EUFIT Conference (Europe) 1996 First Online Workshop on Soft Computing 2001 First International Workshop on Hybrid Intelligent Systems (HIS'01) 2002 First International NAISO Congress on Neuro Fuzzy Technologies

25 Métodos de Data Mining Estadística Agrupamiento (Clustering) Análisis Discriminante Redes Neuronales Árboles de Decisión Reglas de Asociación Bayesian (Belief) Networks Support Vector Machines (SVM)

26 Redes Neuronales natural artificial Neurona Conexiones con pesos

27 Neuronas Artificiales Neuronas Verdaderas sinapsis Núcleo Neuronas Artificiales Dendritas Axon Cuerpo Celular x 1 (t) x 2 (t) w 2 w 1 a(t) y y=f(a) o(t+1) x n (t) w n w 0 a

28 Perceptron (1962) Generalización y formalización de las redes neuronales. o 1 o 2 o p x 1 x 2 x 3 x n o i n ( a ) = f w x = f i k = 0 ik k i =1, K, p

29 Perceptron la falla La función XOR (exclusive or): x 1 x 2 y x x 1 Minsky, Papert (1969)

30 Multilayer Perceptron (MLP) La mayoría de las aplicaciones de redes neuronales están referidas a MLP o i n = f W j f n j= 0 k = 0 w ik x k Es una función no lineal, de una combinación lineal de funciones nolineales de funciones de combinaciones lineales de los datos de entrada; => Clasificación y Regresión no lineal!! f 2 3 = ' j= 1 i= 1 ( x) G( w G( w x + b ) + b 1) 1 j ji i j '

31 Backpropagation un ejemplo r=3 G ( w jixi + bi ) G ( w' jg( w jixi + bi ) + b w 11 i= 1 n=2 j= 1 i= 1 w s=1 w 21 w 11 x 12 p w 22 w o p y p 12 w 13 3 w 23 ' Δ w = η x δ p ji i pj 2 3 δp = p p 1i ij j j i i= 1 j= 1 3 ' G ( w ji xi b j ) δ pw' 1 j i= 1 δ pj = + 3 Δ p w j 1 j = ηg( w jixi + bi ) i= 1 δ ' ' ( y o ) G'( w G( w x + b ) + b) p )

32 Base de lógica difusa Cliente joven μ (A) 1 Función de pertenencia Variable lingüística Edad

33 Agrupamiento con lógica difusa x3 x x6 x x2 x5 x7 x8 x9 x11 x x4 x x1 Cluster Centres =^ x13 1 Cluster Centres =^ 0 Butterfly Grupos estrictos X X X X Cluster Centres =^ Cluster Centres =^.86 Grupo difuso 1 Grupo difuso 2

34 Agrupamiento con Lógica Difusa Algoritmo: Fuzzy c-means (FCM) n objetos, c clases u i,j = grado de pertenencia de objeto i a clase j (i=1,..., n; j=1,..., c) U = (u i,j ) i,j u i,j [0,1]; u i,j = 1; i = 1,..., n Función objetivo: min (u i,j ) m d 2 (x i, c j ) x i : objeto i; c j : centro de clase j; d 2 (x i, c j ): distancia entre x i y c j m : parámetro difuso (1<m< )

35 1. Determina una matriz U con u i,j [0,1]; =1 2. Determina los centros de las clases: c j = 3. Actualiza los grados de pertenencia: u i,j = U k = matriz en iteración k 4. Criterio para detener: U k+1 -U k < ε Algoritmo: Fuzzy c-means (FCM) = c k k i j i m c x d c x d ), ( ), ( 1 = = n i j i n i i j i m m u x u 1, 1, = c j j u i 1,

36 Genetic Algorithms Description Inspired by evolution (Darwin). Represent possible solutions to a problem Genetic algorithms generate a population of genes (possible solutions) and make them evolve to obtain better genes (better solutions). Based on the principle of Survival of the fittest

37 Segmentación de Clientes Banco Producto 1 Producto n????? Requerimientos Requerimientos Clientes Qué producto para qué cliente?

38 Principales áreas de aplicación de Web Usage Mining

39 Identifying web usage behavior of bank customers Sandro Araya 1), Mariano Silva 2), Richard Weber 3) 1) BCI Bank, Santiago, Chile 2) webmining.cl, Santiago, Chile 3) Department of Industrial Engineering, Universidad de Chile, Santiago, Chile Araya, S., Silva, M., Weber, R. (2004): A Methodology for Web Usage Mining and its Application to Target Group Identification. Fuzzy Sets and Systems 148, No. 1,

40 BCI - Banco de Crédito e Inversiones (www.bci.cl) Founded in 1937 Started Virtual Bank in ,000+ Internet transactions daily

41 Process of knowledge discovery in databases (KDD) Interpretation Evaluation Transformation Data Mining Pre-processing Selection Patterns Data selected data pre-processed processed data transformed data

42 Methodology of Web Mining Combination of KDD process and Web Traffic analysis Log Files Sessions Transformed data Clean logs Integrated data Pattern Rules Clusters Selection Preprocessing Transformation Data Mining Interpretación

43 Current situation Registed Visitors of Virtual Bank (Traditional) Bank Customers 41,563 navigating customers 142,133 customers still not visitors of the web site

44 Questions Virtual bank Traditional bank How do my navigating customers behave? Are there segments of typical visitors? Is it possible to identify heavy users? Are there customers that look like heavy users? How can I convert these twins of heavy users to users of my web site?

45 Two step approach Virtual bank Traditional bank Clustering of navigating customers Determine profile of heavy users => Fuzzy Clustering Search for (traditional) customers that have a profile similar to that of heavy users Marketing campaign directed to these twins of heavy users => Neural Network

46 Results of Segmentation Class Age Trx Web N of Cases % Cases (years) Class L % Class L % Class M % Class M % Class H % TOTAL %

47 Neural networks (Multilayer Perceptron) connection with weights Neuron Input Layer Hidden Layer Output Layer

48 DataEngine Data acquisition Visualisation Data preprocessing Graphical Macro Language Fuzzy and Neural Modelling DataEngine ADL for (int i=0; i<=99; i++) { a[i]=0.0; b[i]=0.0; c[i]=0.0; }

49 Identification of twins with Neural networks Architecture of the Multilayer Perceptron: Number of input neurons: 6, corresponding to the attributes: age, gender, civil status, education, income, and antiquity. Number of neurons in the hidden layer: 12 (transfer function: sigmoid) Number of output neurons: 5, corresponding to the 5 classes of customers: H, L1, L2, M1 and M2.

50 Neural Network Results Class Selected Cases % Cases L1 32, % L2 25, % M1 35, % M2 18, % H 29, % TOTAL 142, %

51 Marketing Campaign Received Did not receive Total mailing mailing Customers from class H 11,567 18,335 29,902 Other customers 15,806 96, ,231 Total 27, , ,133

52 Gains Chart Percentage of new customers Advanced selection 100% Random selection Percentage of 100% total customers

53 Marketing Campaign Week New visitors from class H that received the mailing New visitors from class H that did not receive the mailing New visitors from class H (total)

54 Marketing Campaign Results New visitors from class H that received the mailing Week Semana New Visitors Clientes nuevos TOTAL 1,105 Response rate Twins = = 10%

55 Marketing Campaign Results New visitors from class H that did not receive the mailing Semana Week Clientes New Visitorsnuevos TOTAL 936 Connection rate of twins of 936 heavy users without mailing = 5%

56 Conclusion Natural connecting rate ~ new customers /month ~ 2% of web site users Response rate after mailing to twins of heavy users = 10% Natural connecting rate of twins of heavy users (i.e. without receiving mailing) = 5%

57 Sistema de Pronóstico de Ventas utilizando Redes Neuronales y su Aplicación en la Cadena de Suministros de un Supermercado

58 Motivación del Problema Qué productos pido? Cuánto pido? Necesidad de pronóstico de ventas en el corto plazo

59 Motivación del Problema Ventas... De qué dependen? Ventas pasadas Precios Campañas Publicitarias Día Monto ($) Estacionalidad Festivos Clima Venta de productos similares

60 Motivación del Problema Cómo administrar el inventario? Muy poco Quiebres de Venta. Clientes insatisfechos Mucho Costos de capital Desarrollar mejores técnicas de pronóstico y de acuerdo a esto gestionar nuestro inventario Aplicaciones exitosas con Redes Neuronales (ICA Handlarna Suecia, Cadena farmacéutica EE. UU.) Existen las tecnologías y conocimientos

61 Alcances del Proyecto Se acotará el ámbito de estudio a: Local La Pintana: Supermercado Tradicional con m 2 Un subconjunto de productos: 50 PLU s más vendidos en el local (representan el 23,18% de las ventas) Con datos desde el 12/09/2000 a 31/07/2001

62 Knowledge Discovery in Databases: KDD 4.Interpretación y Evaluación 2.Selección y Preprocesamiento 3.Data Mining p(x)=0.02 Knowledge Conocimiento 1.Consolidación de los Datos Patrones y Modelos Warehouse DW Datos preparados Datos Consolidados Fuentes de Datos

63 1.Consolidación de los Datos Datos de diferentes fuentes: ORION Unidades Vendidas en local La Pintana desde 01/07/00 al 31/07/01 para los 50 PLU s más vendidos AC Nielsen ==> Precios semanales de los productos en el local de estudio y la competencia del micromercado (Santa Isabel, Ekono y Lider)

64 16-JUL JUN JUN MAY APR APR MAR FEB FEB JAN DEC DEC NOV OCT OCT SEP AUG AUG JUL JUL Consolidación de los Datos: Café 170 grs. Verano

65 1.Consolidación de los Datos: Cerveza 1 Lt. 16-JUL JUN JUN MAY APR APR MAR FEB FEB JAN DEC DEC NOV OCT OCT SEP AUG AUG JUL JUL Navidad Año Nuevo 18 Sept Verano

66 1.Consolidación de los Datos Características del día. Variables binarias (0,1) pago :Días de pago de fin de mes. quincena :Días de pago de quincena prefest :Días anteriores a feriados feriado :Días festivos patrias :Días de fiestas patrias santa :Días de semana santa vacation :Días de vacaciones (Enero y Febrero) verano :Días de meses estivales (desde 01/10 al 31/03) a_nuevo :1 de Enero. Único día del año donde los supermercados no venden.

67 Knowledge Discovery in Databases: KDD 4.Interpretación y Evaluación 2.Selección y Preprocesamiento 3.Data Mining p(x)=0.02 Knowledge Conocimiento 1.Consolidación de los Datos Patrones y Modelos Warehouse DW Datos preparados Datos Consolidados Fuentes de Datos

68 2.Selección y Preprocesamiento En la vida real los datos no están como quisieramos De los 50 PLU s originales hay 3 correspondientes a promociones De los 47 PLU s restantes 9 presentan ausencia de datos de más del 25% en la serie de tiempo LIMPIEZA DE DATOS!!!

69 2.Preprocesamiento Las ventas se escalaron entre 0 y 1 En base a los precios se crean las siguientes variables: PA(NºPLU)=precioPLU_Economax PB ( N º PLU ) = PC ( N º PLU ) = precioplu _ Economax MAX ( precioplu _ micromercado) precioplu _ Economax MIN( precioplu _ micromercado) Estas variables también se reescalan entre 0 y 1

70 Knowledge Discovery in Databases: KDD 4.Interpretación y Evaluación 2.Selección y Preprocesamiento 3.Data Mining p(x)=0.02 Knowledge Conocimiento 1.Consolidación de los Datos Patrones y Modelos Warehouse DW Datos preparados Datos Consolidados Fuentes de Datos

71 3.Data Mining: Enfoques de Solución Modelos Ingenuos (enfoque actual) Modelos Box Jenkins SARIMAX (p,d,q) (sp,sd,sq) Y Redes Neuronales Perceptrón Multicapas (MLP)

72 Análisis de Series de Tiempo Box, Jenkins (1976) MA(q) (FIR) AR(p) (IIR) ARMA (p,q) q t p t q n n t n e b e b e b Xt = + + = =... * t p i i t i e x a Xt + = = 1 * t q n n t n p i i t i e e b x a Xt + + = = = 1 1 * *

73 Requisitos de ARMA Al menos 50 observaciones La serie debe ser estacionaria Modelos Box Jenkins

74 Modelos Box Jenkins Para convertir una serie no estacionaria en otra estacionaria se puede: Aplicar transformaciones logarítmicas Diferenciar la serie (X t -X t-1 ) ARIMA(p,d,q) donde d es Nº de términos diferenciados Seasonal ARIMA: SARIMA (p,d,q) (sp,sd,sq) SARIMAX con X variables externas (regresores)

75 Modelos Box Jenkins Time series transformation (from non-stationary to stationary) : apply logarithmic transformations differentiate the series (Xt - Xt-1) X(t) X(t+1) X(t+1)-X(t)

76 Redes Neuronales Modelos de conectividad Resuelven problemas de: Clasificación de patrones Aproximación de funciones Clustering Optimización Memoria asociativa Predicción o pronóstico y k = f ( n i= 0 w ik x i )

77 Aplicaciones de Redes Neuronales Clasificación: Detección de Fraude Predicción de Fuga de Clientes Predicción de Compra de productos (marketing directo) Regresión: Estimación de riesgo de clientes (scoring) Pronóstico de índices financieros y bursátiles (monedas, metales, stock markets, bonos, etc.)

78 MLP para forecasting

79 Overfitting o Sobreajuste Sobreajuste de la red a los datos del problema y no al problema en sí Conjuntos de Entrenamiento y de Testeo

80 ARIMA v/s MLP Modelo Estadístico (ARIMA) Modelo lineal: asume un comportamiento de la serie a priori La modelación requiere que la serie sea estacionaria Requieren de conocimientos en Estadística e interacción con el usuario en la modelación El modelo entrega conocimiento e información en sus parámetros Bajo peligro de sobreajustar el modelo Redes Neuronales (MLP) Modelo no lineal: más grados de libertad para el modelo No impone requisitos estadísticos a la serie de tiempo a analizar Requieren menor interacción con el usuario Difícil lectura del modelo (caja negra) Fácil de sobreajustar el modelo a los datos

81 Desempeño del pronóstico: medidas de error Error Porcentual (Error porcentual absoluto medio) Error Normalizado (Error cuadrático medio normalizado) k k y k y k y N ) ( )) ˆ( ) ( ( )) ˆ( ) ( ( 1 )) ( ) ( ( )) ˆ( ) ( ( k y k y N k y k y k y k y k k k = σ

82 Aplicación a PLU (Aceite Vegetal 1 Lt.) 56 MON 53 TUE 50 WED 47 THU 44 FRI 41 SAT 39 SUN 36 MON 33 TUE 30 WED 27 THU 24 FRI 21 SAT 19 SUN 16 MON 13 TUE 10 WED 7 THU 4 FRI 1 SAT Date

83 Modelos Tradicionales y MLP Conjunto de Entrenamiento Conjunto de Testeo Error Porcentual Error Normalizado Error Porcentual Error Normalizado ARIMA 36.21% % Ingenuo 44.28% % Ingenuo Estacional 64.67% % Media Incondicional 59.98% % Conjunto de Entrenamiento Conjunto de Testeo Error Porcentual Error Normalizado Error Porcentual Error Normalizado MLPtw % % MLPtw % % MLPtw % % MLPtw % % MLPtw % % MLPtw % % MLPtw % % MLPtw % %

84 En Resumen... Se realizaron pruebas con otros cinco productos, y se obtuvo que: ARIMA mejora los pronósticos obtenidos por métodos ingenuos Generalmente se obtienen mejores resultados con Redes Neuronales (RN) que con ARIMA ARIMA entrega un modelo comprensible y buenos resultados, pero con costos no despreciables (requerimientos estadísticos, y de conocimientos del usuario) RN obtienen los mejores resultados de forma más automática, pero con modelo tipo black box

85 Sistema de Reposición Periódica Reposición cada P días, con tiempo de entrega de L días. Con: INVENTARIO OBJETIVO T T=m +zσ m : demanda promedio durante P+L días (del sistema de pronóstico) Z σ: stock de seguridad (nivel de servicio*desviación ventas)

86 Reposición de Inventarios N ivel de I nv entari o Di ario PL U /09/0 0 03/10/00 17/10/00 31/10/00 14/11/00 28 /11/00 12 /12/00 26/12/00 09/01/01 23/01/01 06/02/01 20/02/01 06/03/01 20/03/01 03/04/01 17 /04/01 01 /05/01 15 /05/01 29/05/01 12/06/0 1 26/06/0 1 10/07/01 24/07/01 Unidade s Días Nive l d e Inventario Inventario Objetivo Quiebres de venta: 1% con 5 días de alcance en inventario (Antes: 6% de quiebre con 30 días de alcance) Aburto, L., Weber, R. (2006): Improved Supply Chain Management based on Hybrid Demand Forecasts. Applied Soft Computing, Elsevier, in press

87 Redes neuronales: Self-organizing feature maps de Kohonen Kohonen feature map Aplicación: Clustering Kohonenmap e1 e2 weight w input vectors N... w1,1w1,2 w1,m wn,1 wn,2 wn,m Herramienta: DataEngine x1 x2 xm M

88 Web Intelligence in a bank first Chilean virtual bank Written in Spanish. 217 static web pages. Approximately eight million web log registers from the period January to March, 2003.

89 ? Visitor browsing behavior

90 Visitor Behavior - Basic statistics Only 16% of the visitors visit 10 or more pages and 18% less than 4. The average number of visited pages is 6. Finally, applying various filters, approximately 400,000 vectors were identified.

91 Visitor browsing behavior Three variables are considered: the web page path, its content and the time spent when it is visited by a visitor. The visitor behavior vector is defined and a similarity measure between visitor session is introduced. ( p i, ti ) v r = [( p, t 1 )...( p, n t 1 n Where is a component that represents the page content, th its path and percentage of time spent in the i page visited. The vector maintains the page visit order. )]

92 = = L k c k c k t t t t L h h p p dp p p dg sm k k k k 1,, 1 ), ( ), min( ), ( ), ( β α β α α β β α β α r r Comparing browsing behavior Then the similarity measure is: where is an indicator of visitor interest is the page distance and dg is a graph distance, i.e., how similar are the paths between two sessions and dp is a page distance between the content of the visited pages. ), min( α β β α k k k k t t t t ), (,, c k c k p p dp β α

93 Vector space model M = ( m ) = f (1 + ij ij swi TR )*log( Q n i ) sw: special words array TR: Total special words p i ( m,..., m 1i Ri ) p j ( m,..., m 1 j Rj ) dp( p, p ) = cosθ = i j R k= 1 m ki m kj R R 2 ( m ki ) k= 1 k= 1 ( m kj ) 2 θ p i p j

94 Comparing sequences The sequence of a navigation can be represented by a graph. Each page is identified by an identification number S 1 S 2 = (1,2,6,5,8) =(1,3,6,7) 8 G G 1 2 E( G E( G = {1 2,2 = {1 3,3 1 2 ) = {1,2,6,5,8} ) = {1,3,6,7} 6,2 5,5 6,3 7} 8} We need to know how similar or different are both sequences!! dg( G 1, G 2 ) = 2 E( G E( G 1 1 ) IE( G ) + E( G 2 2 ) )

95 Applying neural networks for clustering For example, Self Organizing Feature Maps. Schematically, a SOFM is presented as a two-dimensional array in whose positions the neurons are located. Each neuron is constituted by an n-dimensional vector, whose components are the synaptic weights. The notion of neighborhood among the neurons provides diverse topologies. In this case a thoroidal topology was used, which means that the neurons closest to the ones of the superior edge, are located in the inferior and lateral edges.

96 Results by Neural Network Neurons winner frecuency Neurons Neuronsaxisi axe i Neurons axe j Neurons axis j

97 Results from Business point-of-view

98 Web site recommendations Offline. Structure. Changes in the internal (in the same site) and external (outside the site) links. Content. Mainly words to improve usefulness of the page for the visitor. Online. Principally about the pages that the visitor would be interested in visiting.

99 Conclusions Based on our results we propose changes on the web site, e.g.: Direct links from cluster 2 to cluster 4 (as can be seen, both are interested in Remote Services) Improved links inside each cluster Future work: analysis of effectiveness of changes by e.g.: Increased average number of clicks in visitor sessions Increased total time a visitor spends on the web site Increased revenue.

100 Common Research with The University of Tokyo Velásquez, J. D., Yasuda, H., Aoki, T., Weber, R., (2003): Using the KDD Process to Support Web Site Reconfigurations. The 2003 IEEE/WIC International Conference on Web Intelligence, October 13-16, 2003, Halifax, Canada, Velásquez, J. D., Yasuda, H., Aoki, T., Weber, R. (2004): A new similarity measure to understand the visitor behavior in a web site. IEICE Transactions on Information and Systems, Vol. E87-D, No. 2, February,

101 Herramientas de Data Mining Clementine Darwin DataEngine Decisionhouse IBM Intelligent Miner KnowledgeSEEKER SAS Enterprise Miner Más información:

102 Experiencias 1/2 Tiempo proyectos necesitan más tiempo que estimado Calidad de los datos muy importante para lograr resultados válidos Cantidad de datos en general hay muchos datos disponible pero no siempre para apoyar la toma de decisiones (base de datos transaccional / bodegas de datos)

Los futuros desafíos de la Inteligencia de Negocios. Richard Weber Departamento de Ingeniería Industrial Universidad de Chile rweber@dii.uchile.

Los futuros desafíos de la Inteligencia de Negocios. Richard Weber Departamento de Ingeniería Industrial Universidad de Chile rweber@dii.uchile. Los futuros desafíos de la Inteligencia de Negocios Richard Weber Departamento de Ingeniería Industrial Universidad de Chile rweber@dii.uchile.cl El Vértigo de la Inteligencia de Negocios CRM: Customer

Más detalles

ADAPTACIÓN DE REAL TIME WORKSHOP AL SISTEMA OPERATIVO LINUX

ADAPTACIÓN DE REAL TIME WORKSHOP AL SISTEMA OPERATIVO LINUX ADAPTACIÓN DE REAL TIME WORKSHOP AL SISTEMA OPERATIVO LINUX Autor: Tomás Murillo, Fernando. Director: Muñoz Frías, José Daniel. Coordinador: Contreras Bárcena, David Entidad Colaboradora: ICAI Universidad

Más detalles

SISTEMA CONTROL DE ACCESOS A EDIFICIOS MEDIANTE TARJETAS CRIPTOGRÁFICAS Y TARJETAS DE RADIOFRECUENCIA (RFID)

SISTEMA CONTROL DE ACCESOS A EDIFICIOS MEDIANTE TARJETAS CRIPTOGRÁFICAS Y TARJETAS DE RADIOFRECUENCIA (RFID) SISTEMA CONTROL DE ACCESOS A EDIFICIOS MEDIANTE TARJETAS CRIPTOGRÁFICAS Y TARJETAS DE RADIOFRECUENCIA (RFID) Alumno: Velayos Sardiña, Marta Director: Palacios Hielscher, Rafael Entidad Colaboradora: ICAI

Más detalles

Agustiniano Ciudad Salitre School Computer Science Support Guide - 2015 Second grade First term

Agustiniano Ciudad Salitre School Computer Science Support Guide - 2015 Second grade First term Agustiniano Ciudad Salitre School Computer Science Support Guide - 2015 Second grade First term UNIDAD TEMATICA: INTERFAZ DE WINDOWS LOGRO: Reconoce la interfaz de Windows para ubicar y acceder a los programas,

Más detalles

PROBLEMAS PARA LA CLASE DEL 20 DE FEBRERO DEL 2008

PROBLEMAS PARA LA CLASE DEL 20 DE FEBRERO DEL 2008 PROBLEMAS PARA LA CLASE DEL 20 DE FEBRERO DEL 2008 Problema 1 Marketing estimates that a new instrument for the analysis of soil samples will be very successful, moderately successful, or unsuccessful,

Más detalles

Fundamentos y Aplicaciones Prácticas del Descubrimiento de Conocimiento en Bases de Datos Guía docente

Fundamentos y Aplicaciones Prácticas del Descubrimiento de Conocimiento en Bases de Datos Guía docente Fundamentos y Aplicaciones Prácticas del Descubrimiento de Conocimiento en Bases de Datos Guía docente Impartido por: Juan Alfonso Lara Torralbo 1. Datos del docente NOMBRE Juan Alfonso Lara Torralbo FORMACIÓN

Más detalles

INNOVACIÓN Tecnologías de información La nueva Era. Javier Cordero Torres Presidente y Director General Oracle México Febrero 27, 2015

INNOVACIÓN Tecnologías de información La nueva Era. Javier Cordero Torres Presidente y Director General Oracle México Febrero 27, 2015 INNOVACIÓN Tecnologías de información La nueva Era Javier Cordero Torres Presidente y Director General Oracle México Febrero 27, 2015 Oracle Confidential Internal/Restricted/Highly Restricted 3 4 OF WORLD

Más detalles

Universidad de Guadalajara

Universidad de Guadalajara Universidad de Guadalajara Centro Universitario de Ciencias Económico-Administrativas Maestría en Tecnologías de Información Ante-proyecto de Tésis Selection of a lightweight virtualization framework to

Más detalles

SISTEMA DE GESTIÓN Y ANÁLISIS DE PUBLICIDAD EN TELEVISIÓN

SISTEMA DE GESTIÓN Y ANÁLISIS DE PUBLICIDAD EN TELEVISIÓN SISTEMA DE GESTIÓN Y ANÁLISIS DE PUBLICIDAD EN TELEVISIÓN Autor: Barral Bello, Alfredo Director: Alcalde Lancharro, Eduardo Entidad Colaboradora: Media Value S.L. RESUMEN DEL PROYECTO El presente proyecto

Más detalles

GENERAL INFORMATION Project Description

GENERAL INFORMATION Project Description RESULTADOS! GENERAL INFORMATION Project Description The campaign "Adopt a car " had as its main objective to position Autoplaza, the main automotive selling point of Chile, as a new car sales location

Más detalles

Introducción. Growing on the CRM industry during 2001. Significant. decrease 4% Ns/nc 2% Slight decrease 4% Remains 5% Significant.

Introducción. Growing on the CRM industry during 2001. Significant. decrease 4% Ns/nc 2% Slight decrease 4% Remains 5% Significant. Introducción During next decade the number of Data Mining projects will increase dramatically (more than 300%) to improve the relationship with the customer and help companies to listen to their customers

Más detalles

SISTEMA COMERCIAL DE PREVISIÓN DE TRÁFICO RESUMEN DEL PROYECTO

SISTEMA COMERCIAL DE PREVISIÓN DE TRÁFICO RESUMEN DEL PROYECTO SISTEMA COMERCIAL DE PREVISIÓN DE TRÁFICO Autor: Asuar García, Mauricio Director: Sanz Bobi, Miguel Ángel Entidad colaboradora: UPCO - ICAI RESUMEN DEL PROYECTO El rápido aumento del tráfico automovilístico

Más detalles

Powered by RELEASE NOTES. CSS Business Intelligence. Versión 2.11.0. Build 20130510

Powered by RELEASE NOTES. CSS Business Intelligence. Versión 2.11.0. Build 20130510 RELEASE NOTES CSS Business Intelligence Versión 2.11.0 Build 20130510 Spanish Version English Version Change Log / Detalle de Cambios Revision Date Description Owner 1.0 27-May-2013 Document Creation /

Más detalles

Human-Centered Approaches to Data Mining: Where does Culture meet Statistics?

Human-Centered Approaches to Data Mining: Where does Culture meet Statistics? Human-Centered Approaches to Data Mining: Where does Culture meet Statistics? Manuel Cebrián & Alejandro (Alex) Jaimes ICT 2008 Collective Intelligence Networking Nov. 26, 2008 Leading PROGRESS Outline

Más detalles

una solución para mejorar la toma de decisiones Performance Management Reporting & Analysis Data Warehouse

una solución para mejorar la toma de decisiones Performance Management Reporting & Analysis Data Warehouse una solución para mejorar la toma de decisiones Performance Management Reporting & Analysis Data Warehouse Difícil de Usar Requiere un manejo distinto al habitual Fragmentada Funcionalidad segmentada en

Más detalles

La importancia del ecommerce en la transformación e internacionalización de un grupo mayorista

La importancia del ecommerce en la transformación e internacionalización de un grupo mayorista La importancia del ecommerce en la transformación e internacionalización de un grupo mayorista Eduardo Prida IT Group Program Manager ADVEO Madrid, 20 noviembre 2013 PALACIO MUNICIPAL DE CONGRESOS 2013

Más detalles

Datamining Introducción

Datamining Introducción Pontificia Universidad Católica de Chile Escuela de Ingeniería Departamento de Ingeniería Industrial y de Sistemas Datamining Introducción Yerko Halat 2 de Octubre del 2001 1 Cuál es la diferencia entre

Más detalles

DISPOSITIVO DE CONTROL PARA REDES DE DISTRIBUCIÓN ELÉCTRICA RESUMEN DEL PROYECTO

DISPOSITIVO DE CONTROL PARA REDES DE DISTRIBUCIÓN ELÉCTRICA RESUMEN DEL PROYECTO I DISPOSITIVO DE CONTROL PARA REDES DE DISTRIBUCIÓN ELÉCTRICA Autor: Juárez Montojo, Javier. Director: Rodríguez Mondéjar, José Antonio. Entidad Colaboradora: ICAI-Universidad Pontificia Comillas RESUMEN

Más detalles

IMPLANTACIÓN DE UNA SOLUCIÓN PLM QUE GARANTICE LAS CLAVES Y PRINCIPIOS RECOGIDOS POR EL SISTEMA DE GESTIÓN DE LA CALIDAD SIX SIGMA

IMPLANTACIÓN DE UNA SOLUCIÓN PLM QUE GARANTICE LAS CLAVES Y PRINCIPIOS RECOGIDOS POR EL SISTEMA DE GESTIÓN DE LA CALIDAD SIX SIGMA IMPLANTACIÓN DE UNA SOLUCIÓN PLM QUE GARANTICE LAS CLAVES Y PRINCIPIOS RECOGIDOS POR EL SISTEMA DE GESTIÓN DE LA CALIDAD SIX SIGMA Autor: Prats Sánchez, Juan. Director: Díaz Carrillo, Gerardo. Entidad

Más detalles

Trading & Investment In Banking

Trading & Investment In Banking Trading & Investment In Banking MÁSTER UNIVERSITARIO EN BANCA Y FINANZAS (Finance & Banking) Universidad de Alcalá Curso Académico 2015/16 GUÍA DOCENTE Nombre de la asignatura: Trading & Investment In

Más detalles

NubaDat An Integral Cloud Big Data Platform. Ricardo Jimenez-Peris

NubaDat An Integral Cloud Big Data Platform. Ricardo Jimenez-Peris NubaDat An Integral Cloud Big Data Platform Ricardo Jimenez-Peris NubaDat Market Size 3 Market Analysis Conclusions Agenda Value Proposition Product Suite Competitive Advantages Market Gaps Big Data needs

Más detalles

Diseño e Implementación de un Sistema para la Segmentación de Clientes de una Operadora Celular

Diseño e Implementación de un Sistema para la Segmentación de Clientes de una Operadora Celular Diseño e Implementación de un Sistema para la Segmentación de Clientes de una Operadora Celular AUTORES: Fabián Cabrera Cuenca 1, Sergio Jonathan León García 2, Ilse Lorena Ycaza Díaz 3, Juan Aurelio Alvarado

Más detalles

Instalación: Instalación de un agente en una máquina cliente y su registro en el sistema.

Instalación: Instalación de un agente en una máquina cliente y su registro en el sistema. HERRAMIENTA DE MONITORIZACIÓN DE SISTEMAS Autor: Sota Madorrán, Iñaki. Director: Igualada Moreno, Pablo. Entidad Colaboradora: Evotec Consulting, S.L. RESUMEN DEL PROYECTO El proyecto consiste en el diseño,

Más detalles

Kuapay, Inc. Seminario Internacional Modernización de los medios de pago en Chile

Kuapay, Inc. Seminario Internacional Modernización de los medios de pago en Chile Kuapay, Inc. Seminario Internacional Modernización de los medios de pago en Chile Our value proposition Kuapay s motto and mission Convert electronic transactions into a commodity Easy Cheap!!! Accessible

Más detalles

Por tanto, la aplicación SEAH (Sistema Experto Asistente para Hattrick) ofrece las siguientes opciones:

Por tanto, la aplicación SEAH (Sistema Experto Asistente para Hattrick) ofrece las siguientes opciones: SEAH: SISTEMA EXPERTO ASISTENTE PARA HATTRICK Autor: Gil Mira, Alfredo Director: Olivas Varela, Jose Ángel Entidad Colaboradora: ICAI Universidad Pontificia Comillas RESUMEN DEL PROYECTO Hatrick es un

Más detalles

SCADA BASADO EN LABVIEW PARA EL LABORATORIO DE CONTROL DE ICAI

SCADA BASADO EN LABVIEW PARA EL LABORATORIO DE CONTROL DE ICAI SCADA BASADO EN LABVIEW PARA EL LABORATORIO DE CONTROL DE ICAI Autor: Otín Marcos, Ana. Directores: Rodríguez Pecharromán, Ramón. Rodríguez Mondéjar, José Antonio. Entidad Colaboradora: ICAI Universidad

Más detalles

Universidad Nueva Esparta Facultad de Ciencias de la Informática Escuela de Computación

Universidad Nueva Esparta Facultad de Ciencias de la Informática Escuela de Computación Universidad Nueva Esparta Facultad de Ciencias de la Informática Escuela de Computación Diseño de arquitectura tecnológica para gestión de infraestructura de tecnología de información (TI) Caso de Estudio:

Más detalles

National Information System on Water Quantity, Quality, Uses, and Conservation (SINA) 4th World Water Forum March, 2006. Legal framework The Constitution of Mexico states that all water is property of

Más detalles

Karina Ocaña Izquierdo

Karina Ocaña Izquierdo Estudié Ingeniería en Sistemas Computacionales (1997) y una Maestría en Ingeniería de Cómputo con especialidad en Sistemas Digitales (2000), ambas en el Instituto Politécnico Nacional (México). En el 2003,

Más detalles

SOFTWARE PARA LA GESTIÓN INFORMÁTICA DE UNA CLÍNICA DENTAL

SOFTWARE PARA LA GESTIÓN INFORMÁTICA DE UNA CLÍNICA DENTAL SOFTWARE PARA LA GESTIÓN INFORMÁTICA DE UNA CLÍNICA DENTAL Autora: Laura Martín García Director: Alberto Ciudad Sánchez RESUMEN El objetivo de este proyecto es realizar el análisis, diseño y desarrollo

Más detalles

SAFETY ROAD SHOW 2015 Paul Teboul Co Chairman HST México

SAFETY ROAD SHOW 2015 Paul Teboul Co Chairman HST México SAFETY ROAD SHOW 2015 Paul Teboul Co Chairman HST México How did started the Safety Road Show? Airbus Helicopters and others manufacturers did invest since a long time in improving Aviation Safety. In

Más detalles

ANÁLISIS Y DESARROLLO DE UNA PLATAFORMA BIG DATA

ANÁLISIS Y DESARROLLO DE UNA PLATAFORMA BIG DATA ANÁLISIS Y DESARROLLO DE UNA PLATAFORMA BIG DATA Autor: de la Cierva Perreau de Pinninck, Leticia Director: Sonia García, Mario Tenés Entidad Colaboradora: VASS RESUMEN DEL PROYECTO Tras la realización

Más detalles

VI. Appendix VI English Phrases Used in Experiment 5, with their Spanish Translations Found in the Spanish ETD Corpus

VI. Appendix VI English Phrases Used in Experiment 5, with their Spanish Translations Found in the Spanish ETD Corpus VI. Appendix VI English Phrases Used in Experiment 5, with their Spanish Translations Found in the Spanish ETD Corpus App. VI. Table 1: The 155 English phrases and their Spanish translations discovered

Más detalles

Por qué ExecuTrain? Por qué ExecuTrain? Modalidad de servicio

Por qué ExecuTrain? Por qué ExecuTrain? Modalidad de servicio Por qué ExecuTrain? ExecuTrain es un proveedor de entrenamiento corporativo a nivel internacional y líder mundial en la capacitación empresarial. Contamos con 22 años y más de 62 mil personas capacitadas

Más detalles

CURSO/GUÍA PRÁCTICA GESTIÓN EMPRESARIAL DE LA INFORMACIÓN.

CURSO/GUÍA PRÁCTICA GESTIÓN EMPRESARIAL DE LA INFORMACIÓN. SISTEMA EDUCATIVO inmoley.com DE FORMACIÓN CONTINUA PARA PROFESIONALES INMOBILIARIOS. CURSO/GUÍA PRÁCTICA GESTIÓN EMPRESARIAL DE LA INFORMACIÓN. Business Intelligence. Data Mining. PARTE PRIMERA Qué es

Más detalles

El fenómeno Big Data y los títulos en Estadística en España.

El fenómeno Big Data y los títulos en Estadística en España. El fenómeno Big Data y los títulos en Estadística en España. Daniel Peña Rector Universidad Carlos III de Madrid V Conferencia Interuniversitaria sobre Titulaciones en Estadística UCM, enero 2014 Indice

Más detalles

Diseño de una bodega de datos con información relacionada a las asistencias de personal en una empresa

Diseño de una bodega de datos con información relacionada a las asistencias de personal en una empresa 21 Diseño de una bodega de datos con información relacionada a las asistencias de personal en una empresa VAZQUEZ-DE LOS SANTOS, Laura*, VALDEZ-MENCHACA, Alicia, CORTES-MORALES, Griselda y HERNANDEZ-VILLAREAL,

Más detalles

Guide to Health Insurance Part II: How to access your benefits and services.

Guide to Health Insurance Part II: How to access your benefits and services. Guide to Health Insurance Part II: How to access your benefits and services. 1. I applied for health insurance, now what? Medi-Cal Applicants If you applied for Medi-Cal it will take up to 45 days to find

Más detalles

Este proyecto tiene como finalidad la creación de una aplicación para la gestión y explotación de los teléfonos de los empleados de una gran compañía.

Este proyecto tiene como finalidad la creación de una aplicación para la gestión y explotación de los teléfonos de los empleados de una gran compañía. SISTEMA DE GESTIÓN DE MÓVILES Autor: Holgado Oca, Luis Miguel. Director: Mañueco, MªLuisa. Entidad Colaboradora: Eli & Lilly Company. RESUMEN DEL PROYECTO Este proyecto tiene como finalidad la creación

Más detalles

IRS DATA RETRIEVAL NOTIFICATION DEPENDENT STUDENT ESTIMATOR

IRS DATA RETRIEVAL NOTIFICATION DEPENDENT STUDENT ESTIMATOR IRS DATA RETRIEVAL NOTIFICATION DEPENDENT STUDENT ESTIMATOR Subject: Important Updates Needed for Your FAFSA Dear [Applicant], When you completed your 2012-2013 Free Application for Federal Student Aid

Más detalles

Diseño ergonómico o diseño centrado en el usuario?

Diseño ergonómico o diseño centrado en el usuario? Diseño ergonómico o diseño centrado en el usuario? Mercado Colin, Lucila Maestra en Diseño Industrial Posgrado en Diseño Industrial, UNAM lucila_mercadocolin@yahoo.com.mx RESUMEN En los últimos años el

Más detalles

Chattanooga Motors - Solicitud de Credito

Chattanooga Motors - Solicitud de Credito Chattanooga Motors - Solicitud de Credito Completa o llena la solicitud y regresala en persona o por fax. sotros mantenemos tus datos en confidencialidad. Completar una aplicacion para el comprador y otra

Más detalles

Inteligencia en Redes de Comunicaciones. Tema 7 Minería de Datos. Julio Villena Román, Raquel M. Crespo García, José Jesús García Rueda

Inteligencia en Redes de Comunicaciones. Tema 7 Minería de Datos. Julio Villena Román, Raquel M. Crespo García, José Jesús García Rueda Inteligencia en Redes de Comunicaciones Tema 7 Minería de Datos Julio Villena Román, Raquel M. Crespo García, José Jesús García Rueda {jvillena, rcrespo, rueda}@it.uc3m.es Índice Definición y conceptos

Más detalles

English. www.cato.org

English. www.cato.org Liberty on the web Access to information furthers freedom. The Cato Institute maintains actively updated websites in four languages to advance the frontiers of freedom around the world. English www.cato.org

Más detalles

Innovación en Acción. 2008 IBM Corporation

Innovación en Acción. 2008 IBM Corporation Innovación en Acción 2008 IBM Corporation Ventana Research: Modelo de Maduración Innovación Estratégica Avanzado Táctica 2 3 Preguntas para Performance Management Cómo lo estamos haciendo? Qué deberíamos

Más detalles

The 10 Building Blocks of Primary Care

The 10 Building Blocks of Primary Care The 10 Building Blocks of Primary Care My Action Plan Background and Description The Action Plan is a tool used to engage patients in behavior-change discussion with a clinician or health coach. Using

Más detalles

System Management: como elemento diferencial para alcanzar sus objetivos

System Management: como elemento diferencial para alcanzar sus objetivos Juan Paulo Cabezas Especialista de Ventas de Soluciones de Seguridad para IBM Latino America Junio 2010 System Management: como elemento diferencial para alcanzar sus objetivos Agenda Problemática y nuestra

Más detalles

iclef-2002 at Universities of Alicante and Jaen University of Alicante (Spain)

iclef-2002 at Universities of Alicante and Jaen University of Alicante (Spain) iclef-2002 at Universities of Alicante and Jaen University of Alicante (Spain) ! Introduction! Passage Retrieval Systems! IR-n system! IR-n system at iclef-2002! Conclusions and Future works ! Introduction!

Más detalles

Servicio al Cliente Customer Service

Servicio al Cliente Customer Service Servicio al Cliente Customer Service La Gerencia de Servicios al Cliente es la encargada de velar por la atención directa que el BMI brinda a los usuarios finales. Dentro de dicha Gerencia se gestiona

Más detalles

ETS APPs 26.10.2012 MATELEC 2012. Nuevas Funciones para ETS. Madrid. Casto Cañavate KNX Association International

ETS APPs 26.10.2012 MATELEC 2012. Nuevas Funciones para ETS. Madrid. Casto Cañavate KNX Association International ETS APPs Nuevas Funciones para ETS 26.10.2012 MATELEC 2012 Madrid Casto Cañavate KNX Association International KNX Association International Page No. 2 Introducción Diversidad de Proyectos Viviendas Oficinas

Más detalles

UNIVERSIDAD NACIONAL MAYOR DE SAN MARCOS UNIDAD DE POSTGRADO DE INGENIERÍA DE SISTEMAS E INFORMATICA

UNIVERSIDAD NACIONAL MAYOR DE SAN MARCOS UNIDAD DE POSTGRADO DE INGENIERÍA DE SISTEMAS E INFORMATICA UNIVERSIDAD NACIONAL MAYOR DE SAN MARCOS UNIDAD DE POSTGRADO DE INGENIERÍA DE SISTEMAS E INFORMATICA DISEÑO E IMPLEMENTACIÓN DE UNA OFICINA DE GESTION DE PROYECTOS PARA LA POSITIVA SEGUROS Informe Profesional

Más detalles

MANUAL EASYCHAIR. A) Ingresar su nombre de usuario y password, si ya tiene una cuenta registrada Ó

MANUAL EASYCHAIR. A) Ingresar su nombre de usuario y password, si ya tiene una cuenta registrada Ó MANUAL EASYCHAIR La URL para enviar su propuesta a la convocatoria es: https://easychair.org/conferences/?conf=genconciencia2015 Donde aparece la siguiente pantalla: Se encuentran dos opciones: A) Ingresar

Más detalles

ENSIA 605 Inteligencia de Negocios y Minería de Datos

ENSIA 605 Inteligencia de Negocios y Minería de Datos ENSIA 605 Inteligencia de Negocios y Minería de Datos Profesor: Jaime Miranda P. E mail profesor: jmirandap@fen.uchile.cl OBJETIVOS DEL CURSO OBJETIVO GENERAL Estudiar, analizar, diseñar y aplicar tecnologías

Más detalles

Connection from School to Home Science Grade 5 Unit 1 Living Systems

Connection from School to Home Science Grade 5 Unit 1 Living Systems Connection from School to Home Science Grade 5 Unit 1 Living Systems Here is an activity to help your child understand human body systems. Here is what you do: 1. Look at the pictures of the systems that

Más detalles

APLICACIÓN WEB BASADA EN UNA SOLUCIÓN EN SAP R/3 PARA EL MANTENIMIENTO DE TRENES

APLICACIÓN WEB BASADA EN UNA SOLUCIÓN EN SAP R/3 PARA EL MANTENIMIENTO DE TRENES APLICACIÓN WEB BASADA EN UNA SOLUCIÓN EN SAP R/3 PARA EL MANTENIMIENTO DE TRENES Autor: Alberny, Marion. Director: Alcalde Lancharro, Eduardo. Entidad Colaboradora: CGI. RESUMEN DEL PROYECTO La mayoría

Más detalles

problemas y en los retos clave de su empresa objetivos estratégicos

problemas y en los retos clave de su empresa objetivos estratégicos 1 La selección del modelo de despliegue correcto se debe centrar en primer lugar en los problemas y en los retos clave de su empresa para permitirle, de este modo, lograr los objetivos estratégicos en

Más detalles

KMD PERSPECTIVAS Y TENDENCIAS 2014. 50 AÑOS EN EL MUNDO 20 EN MÉXICO KMD 50 years in the world... 20 in Mexico Roberto Velasco, Director General

KMD PERSPECTIVAS Y TENDENCIAS 2014. 50 AÑOS EN EL MUNDO 20 EN MÉXICO KMD 50 years in the world... 20 in Mexico Roberto Velasco, Director General NEGOCIOS INMOBILIARIOS / REAL ESTATE BUSINESS KMD 50 AÑOS EN EL MUNDO 20 EN MÉXICO KMD 50 years in the world... 20 in Mexico Roberto Velasco, Director General AÑO 14 - NÚMERO 81 $90 PESOS PERSPECTIVAS

Más detalles

Diseño de un directorio Web de diseñadores gráficos, ilustradores y fotógrafos.

Diseño de un directorio Web de diseñadores gráficos, ilustradores y fotógrafos. Universidad Nueva Esparta Facultad de Ciencias Administrativas Escuela de Administración de Diseño de un directorio Web de diseñadores gráficos, ilustradores y fotógrafos. Tutor: Lic. Beaujon, María Beatriz

Más detalles

ARIS Solution for Governance, Risk & Compliance Management. Ensure Business Compliance

ARIS Solution for Governance, Risk & Compliance Management. Ensure Business Compliance ARIS Solution for Governance, Risk & Compliance Management Ensure Business Compliance El exito en la implementacion de GRC consiste en mantener el balance correcto 7 June 2012 Software AG - Get There Faster

Más detalles

SEMARC 09. Ventajas de la Multicanalidad en Canales Electrónicos Caso Banco Hipotecario. Miguel Santos Founder & CEO. www.technisys.

SEMARC 09. Ventajas de la Multicanalidad en Canales Electrónicos Caso Banco Hipotecario. Miguel Santos Founder & CEO. www.technisys. SEMARC 09 Ventajas de la Multicanalidad en Canales Electrónicos Caso Banco Hipotecario Miguel Santos Founder & CEO 1 Agenda Integración de canales bancarios mediante SOA y Multicanalidad. Resultados en

Más detalles

Learning Masters. Early: Force and Motion

Learning Masters. Early: Force and Motion Learning Masters Early: Force and Motion WhatILearned What important things did you learn in this theme? I learned that I learned that I learned that 22 Force and Motion Learning Masters How I Learned

Más detalles

Título del Proyecto: Sistema Web de gestión de facturas electrónicas.

Título del Proyecto: Sistema Web de gestión de facturas electrónicas. Resumen Título del Proyecto: Sistema Web de gestión de facturas electrónicas. Autor: Jose Luis Saenz Soria. Director: Manuel Rojas Guerrero. Resumen En la última década se han producido muchos avances

Más detalles

XII JICS 25 y 26 de noviembre de 2010

XII JICS 25 y 26 de noviembre de 2010 Sistema de Gestión Integrado según las normas ISO 9001, ISO/IEC 20000 e ISO/IEC 27001TI Antoni Lluís Mesquida, Antònia Mas, Esperança Amengual, Ignacio Cabestrero XII Jornadas de Innovación y Calidad del

Más detalles

Una librería digital de modelos de simulaciones para la enseñanza de la ingeniería de control. Francisco Esquembre. Universidad de Murcia

Una librería digital de modelos de simulaciones para la enseñanza de la ingeniería de control. Francisco Esquembre. Universidad de Murcia Una librería digital de modelos de simulaciones para la enseñanza de la ingeniería de control Francisco Esquembre Universidad de Murcia Eiwissa 2010, León Easy Java Simulations Reflexiones en el camino

Más detalles

Video Server. Quick Installation Guide. English, Español

Video Server. Quick Installation Guide. English, Español Video Server Quick Installation Guide English, Español 2 Video Server NOTES Quick Installation Guide 3 Video Server Quick Installation Guide To get your Video Server up and running on an Ethernet network,

Más detalles

Encuesta Perfil de Egreso del Ingeniero en Computación y/o Informática en Chile (Para programas de 10 semestres o más)

Encuesta Perfil de Egreso del Ingeniero en Computación y/o Informática en Chile (Para programas de 10 semestres o más) Encuesta Perfil de Egreso del Ingeniero en Computación y/o Informática en Chile (Para programas de 10 semestres o más) Nombre del Encuestado e-mail Nombre de la Carrera Universidad Unidad Académica Sede

Más detalles

Advanced Corporate Finance

Advanced Corporate Finance Advanced Corporate Finance MÁSTER UNIVERSITARIO EN BANCA Y FINANZAS (Finance & Banking) Universidad de Alcalá Curso Académico 2015/16 GUÍA DOCENTE Nombre de la asignatura: Advanced Corporate Finance Código:

Más detalles

Sistemas de Información Gerencial ii. Los SI en la empresa

Sistemas de Información Gerencial ii. Los SI en la empresa Ingeniería Civil Industrial Ingeniería Industrial Sistemas de Información Gerencial ii. Los SI en la empresa Prof. Guillermo E. Badillo Astudillo Semestre I, 2015 Nota: la mayoría de los slides están tomados

Más detalles

Edgar Quiñones. HHRR: Common Sense Does Not Mean Business. Objective

Edgar Quiñones. HHRR: Common Sense Does Not Mean Business. Objective Edgar Quiñones HHRR: Common Sense Does Not Mean Business Objective Share experiences & insight gained in the last two decades in the management consulting business regarding why Common Sense Does Not Mean

Más detalles

media kit diario global de negocios y economía de la nueva televisión

media kit diario global de negocios y economía de la nueva televisión media kit diario global de negocios y economía de la nueva televisión about us THE DAILY TELEVISION is the newest of the media directed to television international business community, founded by professionals

Más detalles

Predicción del índice IBEX-35 aplicando Máquinas de Soporte Vectorial y Redes Neuronales.

Predicción del índice IBEX-35 aplicando Máquinas de Soporte Vectorial y Redes Neuronales. 6th International Conference on Industrial Engineering and Industrial Management. XVI Congreso de Ingeniería de Organización. Vigo, July 18-20, 2012 Predicción del índice IBEX-35 aplicando Máquinas de

Más detalles

Diseño y creación de un cubo de información para analizar el impacto cuando una red de telefonía deja de funcionar

Diseño y creación de un cubo de información para analizar el impacto cuando una red de telefonía deja de funcionar Diseño y creación de un cubo de información para analizar el impacto cuando una red de telefonía deja de funcionar Cesar Alberto Cuenca Tinoco Facultad de Ingeniería Eléctrica y Computación Escuela Superior

Más detalles

U.P.A.E.P. Sistemas Empresariales IT 1551-1

U.P.A.E.P. Sistemas Empresariales IT 1551-1 U.P.A.E.P. Sistemas Empresariales IT 1551-1 Ventas El proceso global Pronóstico de venta Pedidos ventas Facturación Proveedores Planeación de ventas y operaciones Programa maestro de producción Planeación

Más detalles

Karem Jaquelin Peralta Venegas RESUMEN

Karem Jaquelin Peralta Venegas RESUMEN La crisis corporativa: desencuentro entre la ética y la economía neoclásica Generador de preguntas dinámicas en tiempo real para las MYPE, capturando datos del cliente en los formularios de pedido, consulta

Más detalles

MICINN Imágenes Médicas Publicaciones 2011-2012

MICINN Imágenes Médicas Publicaciones 2011-2012 MICINN Imágenes Médicas Publicaciones 2011-2012 Iván Macía 11/01/2012 PUBLICACION 1 Macía, I.; Graña, M.; Maiora, J.; Paloc, C. & de Blas, M. Detection of type II endoleaks in abdominal aortic aneurysms

Más detalles

La política de NGSA, abarca todas las funciones que participan en la recepción y el cumplimiento de peticiónes de nuestros clientes.

La política de NGSA, abarca todas las funciones que participan en la recepción y el cumplimiento de peticiónes de nuestros clientes. SERVICIOS Nuestros servicios abarcan una basta cadena de suministro que está formada por todos nuestros asociados y aquellas partes involucradas de manera directa o indirecta en la satisfacción de la solicitud

Más detalles

REUNIÓN DE DIRECTORES DE LOS SNMH DEL ÁFRICA OCCIDENTAL (Banjul, Gambia del 1 al 5 febrero de 2010) Taller previo a la reunión sobre

REUNIÓN DE DIRECTORES DE LOS SNMH DEL ÁFRICA OCCIDENTAL (Banjul, Gambia del 1 al 5 febrero de 2010) Taller previo a la reunión sobre The Gambia REUNIÓN DE DIRECTORES DE LOS SNMH DEL ÁFRICA OCCIDENTAL (Banjul, Gambia del 1 al 5 febrero de 2010) Taller previo a la reunión sobre Movilización de Recursos y Apoyo Estratégico 1 y 2 de febrero

Más detalles

ESTUDIO, ANÁLISIS Y EVALUACIÓN DEL ENTORNO DE TRABAJO HADOOP. Entidad Colaboradora: ICAI Universidad Pontificia Comillas

ESTUDIO, ANÁLISIS Y EVALUACIÓN DEL ENTORNO DE TRABAJO HADOOP. Entidad Colaboradora: ICAI Universidad Pontificia Comillas ESTUDIO, ANÁLISIS Y EVALUACIÓN DEL ENTORNO DE TRABAJO HADOOP. Autor: Director: Rubio Echevarria, Raquel Contreras Bárcena, David Entidad Colaboradora: ICAI Universidad Pontificia Comillas RESUMEN DEL PROYECTO

Más detalles

Nos adaptamos a sus necesidades We adapt ourselves to your needs

Nos adaptamos a sus necesidades We adapt ourselves to your needs Nos adaptamos a sus necesidades We adapt ourselves to your needs Welcome to Select Aviation The largest and most successful airline representation group in Spain, SELECT AVIATION (GSA) Airline Representatives

Más detalles

THE BILINGUAL CLASSROOM: CONTENT AND LANGUAGE INTEGRATED LEARNING

THE BILINGUAL CLASSROOM: CONTENT AND LANGUAGE INTEGRATED LEARNING THE BILINGUAL CLASSROOM: CONTENT AND LANGUAGE INTEGRATED LEARNING Curso de: Carolina Fernández del Pino Vidal Nº Horas 110 h. /11 créditos (0,5000 puntos) Matricula AFILIADOS A ANPE Y U.P. COMILLAS NO

Más detalles

Curso 5007437. Capítulo 4: Arquitectura Orientada a Servicios. Conceptos y estándares de arquitecturas orientadas a servicios Web Curso 2006/2007

Curso 5007437. Capítulo 4: Arquitectura Orientada a Servicios. Conceptos y estándares de arquitecturas orientadas a servicios Web Curso 2006/2007 Curso 5007437 Conceptos y estándares de arquitecturas orientadas a servicios Web Curso 2006/2007 Capítulo 4: Arquitectura Orientada a Servicios Pedro Álvarez alvaper@unizar.es José Ángel Bañares banares@unizar.es

Más detalles

Your response will be used by Facebook to improve your experience. You can't edit the details of this audience because it was created by someone else and shared with you. La respuesta será usada por Facebook

Más detalles

WLAB SISTEMA DE CONTROL REMOTO EN TIEMPO REAL DE EQUIPOS DE LABORARIO. Directores: Rodríguez Pecharromán, Ramón. Palacios Hielscher, Rafael.

WLAB SISTEMA DE CONTROL REMOTO EN TIEMPO REAL DE EQUIPOS DE LABORARIO. Directores: Rodríguez Pecharromán, Ramón. Palacios Hielscher, Rafael. WLAB SISTEMA DE CONTROL REMOTO EN TIEMPO REAL DE EQUIPOS DE LABORARIO. Autor: Rodríguez de la Rosa, Alicia. Directores: Rodríguez Pecharromán, Ramón. Palacios Hielscher, Rafael. Entidad Colaboradora: ICAI

Más detalles

Por qué ExecuTrain? Por qué ExecuTrain? Modalidad de servicio

Por qué ExecuTrain? Por qué ExecuTrain? Modalidad de servicio Por qué ExecuTrain? ExecuTrain es un proveedor de entrenamiento corporativo a nivel internacional y líder mundial en la capacitación empresarial. Contamos con 22 años y más de 62 mil personas capacitadas

Más detalles

Cómo comprar en la tienda en línea de UDP y cómo inscribirse a los módulos UDP

Cómo comprar en la tienda en línea de UDP y cómo inscribirse a los módulos UDP Cómo comprar en la tienda en línea de UDP y cómo inscribirse a los módulos UDP Sistema de registro y pago Este sistema está dividido en dos etapas diferentes*. Por favor, haga clic en la liga de la etapa

Más detalles

Connection from School to Home Kindergarten Math Module 2 Topic A. Making 3 with Triangles and Chips

Connection from School to Home Kindergarten Math Module 2 Topic A. Making 3 with Triangles and Chips Connection from School to Home Kindergarten Math Module 2 Topic A Making 3 with Triangles and Chips Here is a simple activity to help your child learn about composing and decomposing the number 3 and analyzing

Más detalles

Spanish Task: Gente y Viajes

Spanish Task: Gente y Viajes Networked Interaction in Foreign Language Acquisition and Research Grant Agreement Number - 2008 4467 / 001-001 NIFLAR Spanish Task: Gente y Viajes Deliverable number 1.1 Dissemination level Public Delivery

Más detalles

Qué viva la Gráfica de Cien!

Qué viva la Gráfica de Cien! Qué viva la Gráfica de Cien! La gráfica de cien consiste en números del 1 al 100 ordenados en cuadrilones de diez números en hileras. El resultado es que los estudiantes que utilizan estás gráficas pueden

Más detalles

ARTÍCULOS Y REFLEXIONES

ARTÍCULOS Y REFLEXIONES ARTÍCULOS Y REFLEXIONES Soporte a la toma de decisión a través de Business Intelligence. Ing. Sandra Aída Pérez Estrada Alumna de la Maestría en Administración de Tecnologías de Información, Universidad

Más detalles

Resumen. Palabras Claves: Sistema de información, tecnología de información, Tecnología VOIP, educación a distancia

Resumen. Palabras Claves: Sistema de información, tecnología de información, Tecnología VOIP, educación a distancia Universidad Nueva Esparta Escuela de Computación Resumen Título: Implantación de un sistema inteligente con tecnología VoIP de soporte a la gestión de programas del Instituto Venezolano de Capacitación

Más detalles

MINERIA DE DATOS Y Descubrimiento del Conocimiento

MINERIA DE DATOS Y Descubrimiento del Conocimiento MINERIA DE DATOS Y Descubrimiento del Conocimiento UNA APLICACIÓN EN DATOS AGROPECUARIOS INTA EEA Corrientes Maximiliano Silva La información Herramienta estratégica para el desarrollo de: Sociedad de

Más detalles

DESARROLLO DE UN SISTEMA DE ANÁLISIS FINANCIERO

DESARROLLO DE UN SISTEMA DE ANÁLISIS FINANCIERO DESARROLLO DE UN SISTEMA DE ANÁLISIS FINANCIERO Autor: López Jimeno, Pablo. Director: Martínez Díaz, Víctor. Entidad colaboradora: Sun Microsystems. RESUMEN Este proyecto final de carrera es una aplicación

Más detalles

Sistemas de impresión y tamaños mínimos Printing Systems and minimum sizes

Sistemas de impresión y tamaños mínimos Printing Systems and minimum sizes Sistemas de impresión y tamaños mínimos Printing Systems and minimum sizes Para la reproducción del Logotipo, deberán seguirse los lineamientos que se presentan a continuación y que servirán como guía

Más detalles

Hourly Time Reporting

Hourly Time Reporting Hourly Time Reporting GOAL: Hourly Employees able to report 1.Benefits Time 2.Regular Work Time 3.Compensatory Time Objetivo: Los empleados que reciben un sueldo por hora pueden reportar lo siguiente:

Más detalles

Grado en Ingeniería Informática. Especialidad en Computación

Grado en Ingeniería Informática. Especialidad en Computación Grado en Ingeniería Informática Especialidad en Computación Cinco especialidades: Computación Ingeniería de Computadores Ingeniería del Software Sistemas de Información Tecnologías de Información Las cinco

Más detalles

CITY SHARE Knowledge Management Methodology

CITY SHARE Knowledge Management Methodology CITY SHARE Knowledge Management Methodology La Herramienta de Gestión n del Conocimiento UNITAR desarrollo una herramienta de formación n para desarrollar las capacidades de actores locales en varias áreas

Más detalles

School Preference through the Infinite Campus Parent Portal

School Preference through the Infinite Campus Parent Portal School Preference through the Infinite Campus Parent Portal Welcome New and Returning Families! Enrollment for new families or families returning to RUSD after being gone longer than one year is easy.

Más detalles

Oficina de Convenciones y Visitantes de Hidalgo A.C. PLAN DE MARKETING

Oficina de Convenciones y Visitantes de Hidalgo A.C. PLAN DE MARKETING INSTITUTO POLITÉCNICO NACIONAL ESCUELA SUPERIOR DE TURISMO SECCIÓN DE ESTUDIOS DE POSGRADO E INVESTIGACIÓN Oficina de Convenciones y Visitantes de Hidalgo A.C. PLAN DE MARKETING TESIS PARA OBTENER EL GRADO

Más detalles

DISEÑO DE UN CRONOTERMOSTATO PARA CALEFACCIÓN SOBRE TELÉFONOS MÓVILES. Entidad Colaboradora: ICAI Universidad Pontificia Comillas.

DISEÑO DE UN CRONOTERMOSTATO PARA CALEFACCIÓN SOBRE TELÉFONOS MÓVILES. Entidad Colaboradora: ICAI Universidad Pontificia Comillas. DISEÑO DE UN CRONOTERMOSTATO PARA CALEFACCIÓN SOBRE TELÉFONOS MÓVILES Autor: Sánchez Gómez, Estefanía Dolores. Directores: Pilo de la Fuente, Eduardo. Egido Cortés, Ignacio. Entidad Colaboradora: ICAI

Más detalles