Productividad en Empresas de Construcción: Conocimiento adquirido de las bases de datos

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

Download "Productividad en Empresas de Construcción: Conocimiento adquirido de las bases de datos"

Transcripción

1 Productividad en Empresas de Construcción: Conocimiento adquirido de las bases de datos Productivity in Construction Companies: Knowledge acquired from the databases Hernando Camargo Mila, Rogelio Flórez Díaz. Resumen l artículo presenta la forma como se pueden identificar los puntos de control en los E procesos civiles que pueden apoyar la toma de decisiones en pro de una mayor productividad, a partir de realizar minería de datos a las bases de datos de una empresa de construcción. Se presenta la metodología para realizar estos estudios, los conceptos de descubrimiento de conocimiento y minería de datos (Knowledge Discovery and Data Mining - KDD), y las estrategias y ventajas para realizar estos estudios de productividad. Abstract he article presents the way to identify checkpoints in civil works that may support decision T making to get a greater productivity. The methodology to perform these studies is introduced. Furthermore, concepts on knowledge discovery and data mining KDD, strategies and advantages for productivity studies, are introduced also. Keywords: Productivity in building companies, Knowledge discovery, KDD, Data Mining, CRISP-DM. Palabras Clave: Productividad en empresas de construcción, descubrimiento de datos, KDD, minería de datos, CRISP-DM. Recibido: Febrero 28 de 2013 Aprobado: Mayo 10 de 2014 Tipo de artículo: Investigación cientifica y tecnológica terminada. Afiliación Institucional de los autores: Universidad El Bosque. Los autores declaran que no tienen conflicto de interés.

2 Hernando Camargo Mila, Rogelio Flórez Díaz. Introducción E n temas de negocio, siempre ha sido atractivo el estudio productividad en las diferentes actividades económicas, el cómo lograr que en los diferentes proyectos las tareas se hagan de una manera mas rápida, o el cómo se pueden disminuir el consumo de recursos físicos para reducir los gastos excesivos. En el presente articulo se pretende explicar como utilizando conceptos de minería de datos se puede lograr obtener resultados de productividad en una actividad económica especifica, la construcción. Como se habla de minería de datos, se debe hablar también de un proceso que nos dicte las tareas específicas que se deben seguir para llegar a realizar una buena investigación de este tipo, como de una metodología que nos ayude a organizar estas tareas. El proceso que mas se implementa en proyectos de minería de datos es el KDD (descubrimiento de conocimiento en bases de datos), y la metodología que soporta las fases de este procedimiento es CRISP-DM. Como todos estos procesos se deben soportar a partir de unos datos almacenados, se hablara a partir de la información suministrada por una empresa Colombiana, que realiza proyectos de Construcción, con mas de 7 años de experiencia. Y se tendrá en cuenta como definición de productividad, el como realizar más actividades con la misma cantidad de recursos, o hacer lo mismo con menor capital o recursos físicos [1]. KDD El concepto de KDD (descubrimiento de conocimiento en bases de datos) nace poco después del concepto de minería de datos, ya que la minería de datos se convierte en una de las fases fundamentales en todo el proceso de adquirir conocimiento en los datos almacenado, así estos conceptos se hallan utilizado como uno solo [2]. Fig 1. Proceso de KDD KDD Sistema de Información Prepareción Minería de datos Patrones Evaluación/ Interpretación/ Visualización Conocimiento Las fases que se muestran en la Fig. 1, tienen como finalidad adquirir patrones valiosos [2], novedosos, potencialmente útiles y, en última estancia comprensibles a partir de los datos, por lo tanto, el conocimiento extraído a través de este proceso debe tener las siguientes propiedades: Válido: esto hace referencia a que los patrones deben seguir siendo precisos para datos nuevos (con cierto grado de certidumbre). Novedoso: Que aporte conocimiento tanto para el sistema, como para el usuario. Potencialmente útil: se deben buscar beneficios para el usuario. Comprensible: una información incomprensible para el usuario no es la mas útil, por esto todas las fases deben apuntar a generar conocimiento comprensible. Con lo anterior se puede observar que el proceso de KDD, pretende obtener la información que ayude a los usuarios a generar mejores resultados, ya sea por medio de una o varias iteraciones, la información obtenida siempre será evaluada y posible de interpretar. CRISP-DM Como se aclaró anteriormente, la metodología que soporta estas fases de desarrollo de KDD es CRISP DM, esta metodología se basa en un modelo de jerarquías, que se trabaja en diferentes niveles, estos niveles son: fases, tareas genéricas, tareas especializadas e instancias de proceso. 74 Revista de Tecnología Journal of Technology Volumen 13 Número 1 Págs

3 Productividad en Empresas de Construcción: Conocimiento adquirido de las bases de datos Fig. 2 ciclo de vida Metodología CRISP-DM Despliegue Comprensión del negocio Datos Evaluación Comprensión Preparación Modelo Las diferentes fases del ciclo de vida de la metodología CRISP - DM (Fig. 2) [3] que deben ser analizadas son: Entendimiento del negocio: en esta fase se busca generar un completo entendimiento del negocio para convertirlo en un problema de minería de datos creando un plan para alcanzar los objetivos. Entendimiento de datos: en esta fase se obtienen la información relacionada con el problema descrito y se procede a familiarizarse con esta en información para identificar posibles problemas como calidad de los datos, para detectar diferentes conjuntos que permitan generar ideas sobre el curso del proyecto y encontrar información desconocida. Preparación : se preparan los datos para ser la fuente de información del modelo de datos, se puede dividir en varias tareas como tabulaciones, documentación, selección de atributos, transformación y limpieza. Modelado: esta fase se relaciona directamente con la fase de preparación de datos, ya que es de ahí donde se aplican diferentes técnicas para generar modelos de información. Evaluación: es una de las fases más importantes en esta metodología ya que es acá donde se verifica que los objetivos del negocio estén cubiertos dentro del modelo analizado luego de las tareas de minería, en diferentes ocasiones es necesario retornar a las fases previas para cerciorarse que se hayan tenido en cuenta detalles importantes en la resolución de los problemas. Despliegue: el despliegue del modelo no significa la culminación del proyecto ya que se debe proporcionar la información suficiente al cliente para que pueda tomar acciones. Aunque esto depende de los requerimientos realizados ya que el despliegue puede ser un simple reporte o un proceso repetible de minería de datos a través de la empresa, por esto es muy común que el cliente y no el analista de datos sea el que realice esta fase. De esta manera se asegura que ninguna de las partes fundamentales de un proyecto de minería de datos se quede por fuera de análisis [3]. Minería de datos Con los procesos de minería de datos, se demuestra que utilizar los datos que se guarda en las diferentes bases de datos, es útil para obtener información que no se conocía, este conocimiento se encuentra de diferentes maneras, en forma de patrones, de relaciones, reglas de inferencias de datos, o en forma de una descripción mas concisa. Estos modelos pueden presentarse de dos tipos: Predictivos: estos modelos pretenden encontrar valores futuros o desconocidos de variables de interés, que se denominan variables objetivo o dependientes, por medio de otras variables de la base de datos que se denominan, variables independientes o predictivas. Un modelo predictivo puede ser el que se adopta para estimar el comportamiento de un producto en base a las ventas de otro producto que se pueda asemejar a este. Descriptivo: este modelo se identifica por obtener patrones que explican o resumen los datos, es decir, sirve para explotar las propiedades examinados, no para predecir nuevos datos. Por ejemplo, los supermercados buscan obtener información sobre los gustos de las personas, para dar diferentes ofertas y organizar de manera diferente sus estanterías, dando de esta manera una experiencia diferente a la hora de mercar de sus clientes. Para cumplir los objetivos de la minería de datos, existen diferentes tareas que se pueden realizar, en el caso de las Revista de Tecnología Journal of Technology Volumen 13 Número 1 Págs

4 Hernando Camargo Mila, Rogelio Flórez Díaz. tareas predictivas son la clasificación y la regresión, y en el caso de las tareas descriptivas son el agrupamiento, las reglas de asociación y el análisis correlacional. En el caso del presente escrito, el tipo de minería de datos que se muestra en el proceso es, descriptiva, por medio de la tarea de clustering o agrupamiento. Esta tarea se utiliza gracias al algoritmo de K-Means que según las variables de entrada, busca encontrar grupos comunes que describen comportamientos característicos [2]. Productividad Haciendo referencia a la introducción, la productividad se puede definir cómo realizar más actividades con la misma cantidad de recursos, o hacer lo mismo con menor capital o recursos físicos. De esta manera se muestra, que existen dos factores fundamentales cuando se habla de productividad, el tiempo como factor de medición, y los recursos físicos dentro, de lo cuales alocamos la mano de obra. Factores que analizados de una manera correcta nos lleva a descifrar las claves de la productividad. Algunas de las estrategias para mejorar la productividad, son: Asesoramiento práctico (ayudar en el cómo hacer en lugar de imponer el usted debe ). Identificar y aplicar soluciones de bajo costo. Desarrollar soluciones orientadas a mejorar simultáneamente las condiciones de trabajo, la calidad de la construcción y la productividad del trabajo. Concebir mejoras adaptadas a las situaciones reales totales. Poner énfasis en la obtención de resultados concretos. Vincular las condiciones de trabajo con los demás objetivos gerenciales. Usar como técnica el aprendizaje a través de la práctica. Alentar el intercambio de experiencias. Promover la participación de los trabajadores. Diseñar correctamente los puestos de trabajo. Usar eficientemente la maquinaria. Tener servicios de bienestar en el lugar de trabajo. Mejorar las condiciones y el medio ambiente de trabajo. Las ventajas que se obtienen a partir de una mayor productividad pueden ser: Mayor competitividad. Satisfacción del cliente. Confianza de clientes y proveedores. Permanencia en el mercado a mediano y largo plazo. Disminución y cumplimiento de los plazos de entrega. Disminución de costos. Uso eficiente de los recursos naturales y de la fuerza laboral, logrando con esto la reducción de desperdicios de materias primas. Eliminación de desplazamientos innecesarios de materiales y de trabajadores. Evita atrasos en las fechas de terminación de cada elemento en la obra. La reducción de los tiempos muertos de máquinas. Ahorro de energía. Se incorporan medidas serias para controlar los efectos negativos para el entorno de accidentes imprevistos. Recuperación de espacios de trabajo inutilizados. Disminución de la rotación del personal. Mejoramiento continuo del capital humano y de un entorno que fomente la Creatividad y la innovación, así como las relaciones laborales entre trabajadores [1]. Gracias a estos conceptos, se puede enfocar de mejor manera la investigación y lograr los resultados que se esperan. Desarrollo Teniendo claros lo conceptos anteriormente descritos se puede comenzar al desarrollo del análisis, donde siguiendo los puntos de la metodología se debe: Entender el negocio: en el entendimiento se sacan conclusiones sobre que factores que se deben tener en cuenta en el análisis. Para este caso los factores son los trabajadores, las tareas que realizan, El tiempo de desarrollo, las horas extras, y la propuesta presentada. Entendimiento : se verifica que la información de los factores que se deben analizar estén completa. Preparación : si en el entendimiento de los datos se muestra una falta de información, se complementa en esta sección Modelado: en esta sección se toma la decisión de que tarea de minería de datos se utiliza, como se 76 Revista de Tecnología Journal of Technology Volumen 13 Número 1 Págs

5 Productividad en Empresas de Construcción: Conocimiento adquirido de las bases de datos nombro anteriormente la tarea es agrupamiento, que, con la información de entrada que se toman de la preparación de datos, trabajadores, tareas, tiempo de desarrollo, y horas extras, se describe el comportamiento de desarrollo de las tareas por cada uno de los grupos de trabajo. Evaluación: en esta fase se evalúa si los clusters dados por las tareas de minerías si son suficientemente claros para describir los grupos de trabajos. Despliegue: al tener claro que la descripción es correcta se comienzan a tomar, decisiones acerca de los grupos de trabajo como se trabaja mas rápido teniendo en cuenta las tareas especificas. Conclusión Conocer con anterioridad los recursos necesarios para la ejecución de las tareas permite realizar una estimación de costo beneficio, proyectando de manera correcta si es conveniente realizar la tarea o no, de esta forma se ayuda a cuidar las utilidades de la empresa. La fase de la metodología, entendimiento del negocio, permitió identifica cual era la forma, en que se medía la productividad en la empresa, de esta manera se introdujeron los nuevos conceptos de productividad para ser más certeros en la toma de decisiones. En la fase de la metodología, Preparación de datos, se permitió crear un modelo de base de datos, en donde se almaceno de una forma más organizada la información de las obras civiles de la empresa. La técnica de Clustering, es muy adecuada para describir los recursos necesarios para el desarrollo de las tareas de construcción. Si se realiza esta tarea con más frecuencia e introduciendo más información al modelo, el conocimiento adquirido va a ser cada vez más valioso. Los indicadores de productividad adquiridos, por la descripción de cada uno de los clusters, permiten evidenciar si se están utilizando demasiados recursos en el desarrollo de las tareas. Referencias [1] R. Alpuche Sánchez, Impacto de la calidad total y la productividad en las empresas de construcción, [ONLINE] documentos/lic/alpuche_s_r/capitulo3.pdf [2] J. Hernández Orallo, M. J. Ramírez Quintana, C. Ferri Ramírez. Introducción a la Minería de Datos, Madrid: Pearson Prentice Hall, [3] Los Autores Hernando Camargo Mila Docente del programa Ingeniería de Sistemas de la Universidad El Bosque desde 2002 a la fecha, Distinción de la Universidad El Bosque a la Excelencia en la Docencia en el año Especialista en informática y Ciencias de la Computación, Fundación Universitaria Konrad Lorenz, Bogotá Ingeniero de Sistemas, Universidad Nacional de Colombia, Bogotá 1988, Docente del Programa en la Ingeniería de Sistemas de la Fundación Universitaria Konrad Lorenz desde 2001 a la fecha y desde el 2003 Coordinador Académico de las Facultades de Ingeniería y Matemáticas. Jefe del Departamento de Sistemas de Petróleos Colombianos Limited, Bogotá, desde 1990 a Gerencia de Proyectos informáticos en Comcel durante Gerencia de Proyectos de Outsourcing informático en Gestiontek S.A.,desde 1999 a Carrera 7B Bis , Bloque M, Piso 3, Bogotá D.C. Grupo de Investigación OSIRIS. Rogelio Florez Diaz Ingeniero de sistemas de la Universidad El Bosque, Analista de inteligencia de negocios en DirectTV. Revista de Tecnología Journal of Technology Volumen 13 Número 1 Págs

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

Introducción a la Minería de Datos (Data Mining)

Introducción a la Minería de Datos (Data Mining) a la Minería de Datos (Data Mining) IT-Nova Facultad de Ingeniería Informática y Telecomunicaciones Iván Amón Uribe, MSc Minería de Datos Diapositivas basadas parcialmente en material de Inteligencia Analítica

Más detalles

EPB 603 Sistemas del Conocimiento!"#$ %& $ %'

EPB 603 Sistemas del Conocimiento!#$ %& $ %' Metodología para el Desarrollo de Proyectos en Minería de Datos CRISP-DM EPB 603 Sistemas del Conocimiento!"#$ %& $ %' Modelos de proceso para proyectos de Data Mining (DM) Son diversos los modelos de

Más detalles

Guía docente de la asignatura

Guía docente de la asignatura Guía docente de la asignatura Asignatura Materia Minería de Datos Complementos de Computación Módulo Titulación Grado en Ingeniería Informática Plan 463 45220 Periodo de impartición 1 er Cuatrimestre Tipo/Carácter

Más detalles

RESUMEN ABSTRACT. CRISP, KDD, Business Intelligence, Data Mining, SEMMA

RESUMEN ABSTRACT. CRISP, KDD, Business Intelligence, Data Mining, SEMMA Rev. Tecnol. Journal of Technology Volumen 9 No. 1 Dos caminos en la búsqueda de patrones por medio de Minería de Datos: SEMMA y CRISP Two paths in search of patterns through Data Mining: SEMMA and CRISP

Más detalles

Aprendizaje Automático y Data Mining. Bloque IV DATA MINING

Aprendizaje Automático y Data Mining. Bloque IV DATA MINING Aprendizaje Automático y Data Mining Bloque IV DATA MINING 1 Índice Definición y aplicaciones. Grupos de técnicas: Visualización. Verificación. Descubrimiento. Eficiencia computacional. Búsqueda de patrones

Más detalles

Visión global del KDD

Visión global del KDD Visión global del KDD Series Temporales Máster en Computación Universitat Politècnica de Catalunya Dra. Alicia Troncoso Lora 1 Introducción Desarrollo tecnológico Almacenamiento masivo de información Aprovechamiento

Más detalles

v.1.0 Clase 5 Docente: Gustavo Valencia Zapata

v.1.0 Clase 5 Docente: Gustavo Valencia Zapata v.1.0 Clase 5 Docente: Gustavo Valencia Zapata Temas Clase 5: Conceptos de Minería de Datos Herramientas de DM Referencias Minería de datos Proceso de DM www.gustavovalencia.com Minería de datos La minería

Más detalles

Minería de Datos. Vallejos, Sofia

Minería de Datos. Vallejos, Sofia Minería de Datos Vallejos, Sofia Contenido Introducción: Inteligencia de negocios (Business Intelligence). Descubrimiento de conocimiento en bases de datos (KDD). Minería de Datos: Perspectiva histórica.

Más detalles

Modelo de predicción del nivel de supervivencia en la atención de un paciente de una Unidad de Cuidados Intensivos Neonatales (UCIN)

Modelo de predicción del nivel de supervivencia en la atención de un paciente de una Unidad de Cuidados Intensivos Neonatales (UCIN) Mesa de investigadores IDIC Presentación de Informes Finales de Proyectos 2013 4, 11 y 25 de abril de 2014 Modelo de predicción del nivel de supervivencia en la atención de un paciente de una Unidad de

Más detalles

Mejores prácticas para el éxito de un sistema de información. Uno de los problemas de información dentro de las empresas es contar con datos

Mejores prácticas para el éxito de un sistema de información. Uno de los problemas de información dentro de las empresas es contar con datos ANEXO VI. Mejores prácticas para el éxito de un sistema de información Uno de los problemas de información dentro de las empresas es contar con datos importantes del negocio y que éstos estén aislados

Más detalles

9. Perfil del ingeniero industrial 9.1 Generalidades, relevancia y alcance Cada vez más, gracias al desarrollo tecnológico, la participación activa

9. Perfil del ingeniero industrial 9.1 Generalidades, relevancia y alcance Cada vez más, gracias al desarrollo tecnológico, la participación activa 9. Perfil del ingeniero industrial 9.1 Generalidades, relevancia y alcance Cada vez más, gracias al desarrollo tecnológico, la participación activa de las empresas en los mercados en donde operan, así

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

Data Mining Técnicas y herramientas

Data Mining Técnicas y herramientas Data Mining Técnicas y herramientas Introducción POR QUÉ? Empresas necesitan aprender de sus datos para crear una relación one-toone con sus clientes. Recogen datos de todos lo procesos. Datos recogidos

Más detalles

RESUMEN ANALÍTICO EN EDUCACIÓN - RAE - FACULTAD DE INGENIERÍA PROGRAMA DE INGENIERÍA CIVIL ESPECIALIZACIÓN EN GERENCIA DE OBRA BOGOTÁ D.C.

RESUMEN ANALÍTICO EN EDUCACIÓN - RAE - FACULTAD DE INGENIERÍA PROGRAMA DE INGENIERÍA CIVIL ESPECIALIZACIÓN EN GERENCIA DE OBRA BOGOTÁ D.C. FACULTAD DE INGENIERÍA PROGRAMA DE INGENIERÍA CIVIL ESPECIALIZACIÓN EN GERENCIA DE OBRA BOGOTÁ D.C. LICENCIA CREATIVE COMMONS: Atribución no comercial AÑO DE ELABORACIÓN: 2014 TÍTULO: Comparar los resultados

Más detalles

Darío Álvarez Néstor Lemo www.autonomo.edu.uy

Darío Álvarez Néstor Lemo www.autonomo.edu.uy Data Mining para Optimización de Distribución de Combustibles Darío Álvarez Néstor Lemo Agenda Qué es DODC? Definición de Data Mining El ciclo virtuoso de Data Mining Metodología de Data Mining Tareas

Más detalles

Base de datos II Facultad de Ingeniería. Escuela de computación.

Base de datos II Facultad de Ingeniería. Escuela de computación. Base de datos II Facultad de Ingeniería. Escuela de computación. Introducción Este manual ha sido elaborado para orientar al estudiante de Bases de datos II en el desarrollo de sus prácticas de laboratorios,

Más detalles

MINERÍA DE DATOS: ÁREA DE OPORTUNIDADES

MINERÍA DE DATOS: ÁREA DE OPORTUNIDADES MINERÍA DE DATOS: ÁREA DE OPORTUNIDADES Actualmente se vive una época donde se tiene una enorme cantidad de datos que se generan diariamente (del orden de Terabytes, Petabytes 1 (Han, Kamber, & Pei, 2012))

Más detalles

Proyecto técnico MINERÍA DE DATOS. Febrero 2014. www.osona-respon.net info@osona-respon.net

Proyecto técnico MINERÍA DE DATOS. Febrero 2014. www.osona-respon.net info@osona-respon.net Proyecto técnico MINERÍA DE DATOS Febrero 2014 www.osona-respon.net info@osona-respon.net 0. Índice 0. ÍNDICE 1. INTRODUCCIÓN... 2 2. LOS DATOS OCULTOS... 3 2.1. Origen de la información... 3 2.2. Data

Más detalles

DES: Programa(s) Educativo(s): Tipo de materia: Clave de la materia: Semestre:

DES: Programa(s) Educativo(s): Tipo de materia: Clave de la materia: Semestre: : : lemas propios de la. lemas propios de la. lemas propios de la. lemas propios de la. lemas propios de la. lemas propios de la. lemas propios de la. 12 6 lemas propios de la. 12 6 lemas propios de la.

Más detalles

Introducción a la Minería de Datos

Introducción a la Minería de Datos Introducción a la Minería de Datos Abdelmalik Moujahid, Iñaki Inza y Pedro Larrañaga Departamento de Ciencias de la Computación e Inteligencia Artificial Universidad del País Vasco Índice 1 Minería de

Más detalles

Parte I: Introducción

Parte I: Introducción Parte I: Introducción Introducción al Data Mining: su Aplicación a la Empresa Cursada 2007 POR QUÉ? Las empresas de todos los tamaños necesitan aprender de sus datos para crear una relación one-to-one

Más detalles

Minería de Datos. Vallejos, Sofia

Minería de Datos. Vallejos, Sofia Minería de Datos Contenido Introducción: Inteligencia de negocios (Business Intelligence). Componentes Descubrimiento de conocimiento en bases de datos (KDD). Minería de Datos: Perspectiva histórica. Fases

Más detalles

MAESTRÍA EN INGENIERÍA DE COMPUTACIÓN Y SISTEMAS CON MENCIÓN EN GESTIÓN DE TECNOLOGÍAS DE LA INFORMACIÓN

MAESTRÍA EN INGENIERÍA DE COMPUTACIÓN Y SISTEMAS CON MENCIÓN EN GESTIÓN DE TECNOLOGÍAS DE LA INFORMACIÓN MAESTRÍA EN INGENIERÍA DE COMPUTACIÓN Y SISTEMAS CON MENCIÓN EN GESTIÓN DE TECNOLOGÍAS DE LA INFORMACIÓN SUMILLAS 1 CICLO I Gestión de Servicios de Tecnologías de Información Estudio de los servicios de

Más detalles

Boletín de Asesoría Gerencial* Business Process Management (BPM)

Boletín de Asesoría Gerencial* Business Process Management (BPM) Espiñeira, Sheldon y Asociados * No. 11-2009 *connectedthinking Contenido Haga click en los enlaces para navegar a través del documento Haga click en los enlaces para llegar directamente a cada sección

Más detalles

Portafolio de Servicios y Productos

Portafolio de Servicios y Productos Portafolio de Servicios y Productos Introducción Somos una empresa que se dedica a generar ventajas competitivas para nuestros clientes a través de desarrollos y consultoría en inteligencia de negocios

Más detalles

UNIVERSIDAD DE SANTIAGO DE CHILE INGENIERIA COMERCIAL APLICACIÓN COMPUTACIONAL I INTELIGENCIA DE NEGOCIOS

UNIVERSIDAD DE SANTIAGO DE CHILE INGENIERIA COMERCIAL APLICACIÓN COMPUTACIONAL I INTELIGENCIA DE NEGOCIOS UNIVERSIDAD DE SANTIAGO DE CHILE INGENIERIA COMERCIAL APLICACIÓN COMPUTACIONAL I INTELIGENCIA DE NEGOCIOS Integrante: Profesor: Maximiliano Heise Luis Ríos Fecha de entrega: miércoles 18 de abril de 2012

Más detalles

ETL: Extractor de datos georreferenciados

ETL: Extractor de datos georreferenciados ETL: Extractor de datos georreferenciados Dr. Juan Pablo Díaz Ezcurdia Doctor Honoris Causa Suma Cum Laude Master en Telecomunicaciones Master en Gestión Educativa Coordinador de la comisión de CSIRT de

Más detalles

Cualificación de Experto en gestión energética (Gestor Energético) en el sector civil: nivel 6

Cualificación de Experto en gestión energética (Gestor Energético) en el sector civil: nivel 6 Cualificación de Experto en gestión energética (Gestor Energético) en el sector civil: nivel 6 REQUISITOS MÍNIMOS DE ACCESO AL PROCESO DE CUALIFICACIÓN Y CONTENIDOS ONLINE SUGERIDOS CONOCIMIENTOS BÁSICOS

Más detalles

Unidad 5. Conceptos y Estructuras de Archivos

Unidad 5. Conceptos y Estructuras de Archivos Unidad 5 Conceptos y Estructuras de Archivos En todos los tiempos y más aún en la era en que vivimos, el hombre tiene cada vez mas necesidad de consultar una mayor cantidad de información para poder desarrollar

Más detalles

Mineria de datos y su aplicación en web mining data Redes de computadores I ELO 322

Mineria de datos y su aplicación en web mining data Redes de computadores I ELO 322 Mineria de datos y su aplicación en web mining data Redes de computadores I ELO 322 Nicole García Gómez 2830047-6 Diego Riquelme Adriasola 2621044-5 RESUMEN.- La minería de datos corresponde a la extracción

Más detalles

PROGRAMACIÓN DEL DEPARTAMENTO DE ECONOMÍA CURSO 2014-2015

PROGRAMACIÓN DEL DEPARTAMENTO DE ECONOMÍA CURSO 2014-2015 PROGRAMACIÓN DEL DEPARTAMENTO DE ECONOMÍA CURSO 2014-2015 FUNDAMENTOS DE ADMINISTRACIÓN Y GESTIÓN Optativa de 2º de Bachillerato Horario: 4 sesiones semanales de 50 minutos ÍNDICE FUNDAMENTOS DE ADMINISTRACIÓN

Más detalles

HADES: Hidrocarburos Análisis de Datos de Estaciones de Servicio

HADES: Hidrocarburos Análisis de Datos de Estaciones de Servicio Hidrocarburos: Análisis de Pablo Burgos Casado (Jefe de Área Desarrollo (SGTIC - MITYC)) María Teresa Simino Rueda Rubén Pérez Gómez Israel Santos Montero María Ángeles Rodelgo Sanchez 1. INTRODUCCIÓN

Más detalles

Labor del ingeniero. Concepto de ingeniería. Objetivos de la ingeniería. Características del trabajo del ingeniero. Tipos de ingenieros

Labor del ingeniero. Concepto de ingeniería. Objetivos de la ingeniería. Características del trabajo del ingeniero. Tipos de ingenieros Concepto de ingeniería Labor 4.1. Labor Real Academia Española de la Lengua Conjunto de conocimientos y técnicas que permiten aplicar el saber científico a la utilización de la materia y las fuentes de

Más detalles

ADMINISTRACIÓN DE PROYECTOS

ADMINISTRACIÓN DE PROYECTOS ADMINISTRACIÓN DE PROYECTOS QUÉ ES LA ADMINISTRACIÓN DE PROYECTOS? Es la planeación, organización, dirección y control de los recursos para lograr un objetivo a corto plazo. También se dice que la administración

Más detalles

En el desarrollo tecnológico se distinguen cuatro fases: planificación, innovación y adaptación, asimilación y optimización.

En el desarrollo tecnológico se distinguen cuatro fases: planificación, innovación y adaptación, asimilación y optimización. TEMA 5: ASIMILACIÓN DE LA TECNOLOGÍA 5.1 Definición de la asimilación de la tecnología La asimilación tecnológica es un proceso de aprovechamiento racional y sistemático del conocimiento por medio del

Más detalles

Métodos de distribución de los costos

Métodos de distribución de los costos 2 Métodos de distribución de los costos El modelo de calculo de los costos para las empresas es de suma importancia, porque estos son los que determinan la viabilidad del negocio, el grado de productividad

Más detalles

GUÍA DOCENTE TITULACIONES DE GRADO

GUÍA DOCENTE TITULACIONES DE GRADO GUÍA DOCENTE TITULACIONES DE GRADO TITULACIÓN: GRADO EN INGENIERIA INFORMATICA DE SISTEMAS DE INFORMACIÓN CURSO 2015/2016 ASIGNATURA: MINERÏA DE DATOS Nombre del Módulo o Materia al que pertenece la asignatura.

Más detalles

IMPORTANCIA ACADÉMICA APLICADA EN EL CAMPO LABORAL

IMPORTANCIA ACADÉMICA APLICADA EN EL CAMPO LABORAL IMPORTANCIA ACADÉMICA APLICADA EN EL CAMPO LABORAL Por Br. Jorge Alfonso Díaz, jorgealfidi@gmail.com RESUMEN Este articulo trata sobre la importancia de los estudios académicos en el campo laboral, ya

Más detalles

PERFIL DEL INGENIERO DE SISTEMAS FUSM

PERFIL DEL INGENIERO DE SISTEMAS FUSM PERFIL DEL INGENIERO DE SISTEMAS FUSM PERFIL DEL INGENIERO DE SISTEMAS DE LA FUSM El perfil del Ingeniero de Sistemas presencial de la Fundación Universitaria San Martín, Bogotá, está en capacidad de modelar

Más detalles

Herramientas automáticas y semiautomáticas que apoyan a la aplicación de los métodos.

Herramientas automáticas y semiautomáticas que apoyan a la aplicación de los métodos. Unidad I Introducción a la ingeniería del software y sistemas de información Las economías de todos las paises son cada vez más y más dependientes del Software Importancia del Software 10 Cada vez más

Más detalles

DINA ANTONIA GARCÍA SALAZAR

DINA ANTONIA GARCÍA SALAZAR PROPUESTA PARA MEJORAR LA RESPUESTA A LAS REQUISICIONES DE COMPRA DE CREAR INGENIERÍA LTDA. MEDIANTE SIMULACIÓN EN ARENA Y PRUEBA BONFERRONI DINA ANTONIA GARCÍA SALAZAR POLITECNICO GRANCOLOMBIANO INSTITUCIÓN

Más detalles

TÓPICOS AVANZADOS DE BASES DE DATOS

TÓPICOS AVANZADOS DE BASES DE DATOS TÓPICOS AVANZADOS DE BASES DE DATOS 1. DATOS DE LA ASIGNATURA. Nombre de la asignatura: TÓPICOS AVANZADOS DE BASES DE DATOS Carrera: Ingeniería en Sistemas Computacionales Clave de la asignatura: Modulo

Más detalles

Evaluación de modelos para la predicción de la Bolsa

Evaluación de modelos para la predicción de la Bolsa Evaluación de modelos para la predicción de la Bolsa Humberto Hernandez Ansorena Departamento de Ingeniería Telemática Universidad Carlos III de Madrid Madrid, España 10003975@alumnos.uc3m.es Rico Hario

Más detalles

1.1 Titulo Descriptivo del Proyecto

1.1 Titulo Descriptivo del Proyecto 1.1 Titulo Descriptivo del Proyecto Diseño de un Manual empleando Data Mining (Minería de Datos) para predecir el Potencial de Desarrollo de las empresas en la Zona Oriental asociadas a la Comisión Nacional

Más detalles

ETAPA: ESO NIVEL: 4º ESO MATERIA: INTRODUCCION A LA GESTION COMERCIAL OBJETIVOS

ETAPA: ESO NIVEL: 4º ESO MATERIA: INTRODUCCION A LA GESTION COMERCIAL OBJETIVOS ETAPA: ESO DEPARTAMENTO DE COMERCIO NIVEL: 4º ESO MATERIA: INTRODUCCION A LA GESTION COMERCIAL OBJETIVOS 1. Adquirir conocimientos y procedimientos de trabajo propios de campos profesionales específicos,

Más detalles

La evaluación del desempeño del personal es un punto muy delicado, ya que debe ser objetiva y justa para no generar conflictos

La evaluación del desempeño del personal es un punto muy delicado, ya que debe ser objetiva y justa para no generar conflictos Evaluación del desempeño y competencias Jack Fleitman La evaluación del desempeño del personal es un punto muy delicado, ya que debe ser objetiva y justa para no generar conflictos Para que exista un sistema

Más detalles

Encuesta Permanente de Hogares

Encuesta Permanente de Hogares Minería de Datos Aplicada a la Encuesta Permanente de Hogares Disertante: Luis Alfonso Cutro Adscripto a la asignatura Diseño y Administración de Datos. Prof. Coordinador: Mgter. David Luís la Red Martínez

Más detalles

Diseño de almacén de datos para el análisis eficiente de la información de incidentes informáticos y mantenimientos.

Diseño de almacén de datos para el análisis eficiente de la información de incidentes informáticos y mantenimientos. Diseño de almacén de datos para el análisis eficiente de la información de incidentes informáticos y mantenimientos. Ing. Corso Cynthia, Ing. Luque Claudio, Ing. Ciceri Leonardo, Sr Donnet Matías Grupo

Más detalles

UNIVERSIDAD DE COSTA RICA SISTEMA DE ESTUDIOS DE POSGRADO POSGRADO EN COMPUTACION E INFORMATICA JUSTIFICACIÓN OBJETIVO GENERAL OBJETIVOS ESPECÍFICOS

UNIVERSIDAD DE COSTA RICA SISTEMA DE ESTUDIOS DE POSGRADO POSGRADO EN COMPUTACION E INFORMATICA JUSTIFICACIÓN OBJETIVO GENERAL OBJETIVOS ESPECÍFICOS UNIVERSIDAD DE COSTA RICA SISTEMA DE ESTUDIOS DE POSGRADO POSGRADO EN COMPUTACION E INFORMATICA PF-3808 Minería de Datos II Semestre del 2009 Profesor: Dr. Francisco J. Mata (correo: fmatach@racsa.co.cr;

Más detalles

Fundamentos y Aplicaciones Prácticas del Descubrimiento de Conocimiento en Bases de Datos. - Sesión 2 -

Fundamentos y Aplicaciones Prácticas del Descubrimiento de Conocimiento en Bases de Datos. - Sesión 2 - Fundamentos y Aplicaciones Prácticas del Descubrimiento de Conocimiento en Bases de Datos - Sesión 2 - Juan Alfonso Lara Torralbo 1 Índice de contenidos (I) Introducción a Data Mining Actividad. Tipos

Más detalles

Análisis de Incidentes Informáticos usando Modelos de Asociación y Métodos del Análisis de Datos Multivariante.

Análisis de Incidentes Informáticos usando Modelos de Asociación y Métodos del Análisis de Datos Multivariante. Análisis de Incidentes Informáticos usando Modelos de Asociación y Métodos del Análisis de Datos Multivariante. García, Alejandro (1), Corso, Cynthia Lorena (2), Gibellini, Fabián (3), Rapallini, Marcos

Más detalles

APLICACIÓN LEAN SIGMA EN ORGANIZACIONES DE SERVICIOS

APLICACIÓN LEAN SIGMA EN ORGANIZACIONES DE SERVICIOS APLICACIÓN LEAN SIGMA EN ORGANIZACIONES DE SERVICIOS Sería posible reducir simultáneamente los defectos y el tiempo de ciclo en los procesos mientras aumentamos la satisfacción de nuestros clientes tanto

Más detalles

OPTATIVA I: MINERIA DE DATOS

OPTATIVA I: MINERIA DE DATOS UNIVERSIDAD AUTÓNOMA DE CHIHUAHUA Clave: 08MSU007H Clave: 08USU4053W FACULTAD DE INGENIERÍA PROGRAMA DEL CURSO: OPTATIVA I: MINERIA DE DATOS DES: Programa(s) Educativo(s): Tipo de materia: Clave de la

Más detalles

Calidad. Calidad en procesos y productos

Calidad. Calidad en procesos y productos Calidad Calidad en procesos y productos La calidad es el conjunto de características de un elemento, producto o servicio, que le confieren la aptitud de satisfacer una necesidad implícita y explícita.

Más detalles

TÉCNICAS DE MINERÍA DE DATOS Y TEXTO APLICADAS A LA SEGURIDAD AEROPORTUARIA

TÉCNICAS DE MINERÍA DE DATOS Y TEXTO APLICADAS A LA SEGURIDAD AEROPORTUARIA TÉCNICAS DE MINERÍA DE DATOS Y TEXTO APLICADAS A LA SEGURIDAD AEROPORTUARIA MSC ZOILA RUIZ VERA Empresa Cubana de Aeropuertos y Servicios Aeronáuticos Abril 2010 ANTECEDENTES El proyecto Seguridad es una

Más detalles

2. CLASIFICACIÓN DE LA ACTIVIDAD CURRICULAR, FORMACIÓN PRÁCTICA Y CARGA HORARIA

2. CLASIFICACIÓN DE LA ACTIVIDAD CURRICULAR, FORMACIÓN PRÁCTICA Y CARGA HORARIA CÓDIGO ASIGNATURA 1131-3 DEPARTAMENTO: Ingeniería e Investigaciones Tecnológicas ASIGNATURA: DATA MINING y DATA WAREHOUSE Plan 2009 Ingeniería en Informática Año: 5 (Electiva - Ingeniería de Software)

Más detalles

MANUAL DE PROCEDIMIENTOS (MAPRO) DE LA UNIDAD DE TECNOLOGIA DE LA INFORMACIÓN

MANUAL DE PROCEDIMIENTOS (MAPRO) DE LA UNIDAD DE TECNOLOGIA DE LA INFORMACIÓN MANUAL DE PROCEDIMIENTOS (MAPRO) DE LA UNIDAD DE TECNOLOGIA DE LA INFORMACIÓN LA PUNTA, 2010 1 1. INTRODUCCION La Unidad de Tecnología de la Información, es el órgano de apoyo, encargado de la administración,

Más detalles

MINING SOLUTIONS LIMITADA

MINING SOLUTIONS LIMITADA MINING SOLUTIONS LIMITADA Contenido... 1 Resumen Ejecutivo... 3... 4 Nuestros Servicios... 5 Administración de proyectos... 6 Operación y mantenimiento sobre los Sistema de Manejo de la Información Geológica

Más detalles

CONSIDERACIONES GENERALES DEL WEB MINING

CONSIDERACIONES GENERALES DEL WEB MINING CONSIDERACIONES GENERALES DEL WEB MINING Sandra Milena Leal Elizabeth Castiblanco Calderón* RESUMEN: el presente artículo describe los conceptos básicos para la utilización del Webmining, dentro de los

Más detalles

Tema 2. Ingeniería del Software I feliu.trias@urjc.es

Tema 2. Ingeniería del Software I feliu.trias@urjc.es Tema 2 Ciclo de vida del software Ingeniería del Software I feliu.trias@urjc.es Índice Qué es el ciclo de vida del Software? El Estándar 12207 Modelos de proceso Qué es el Ciclo de Vida del SW? Definición

Más detalles

CONTENIDO. 1. Introducción. 2. Reseña histórica del computador. 3. Definición de computador.

CONTENIDO. 1. Introducción. 2. Reseña histórica del computador. 3. Definición de computador. CONTENIDO 1. Introducción. 2. Reseña histórica del computador. 3. Definición de computador. 4. Sistemas numéricos. 4.1 Generalidades. 42 Sistema binario. 4.3 Sistema octal,. 4.4 Sistema decimal. 4.5 Sistema

Más detalles

DISEÑO CURRICULAR EN COLOMBIA. EL CASO DE LAS MATEMÁTICAS

DISEÑO CURRICULAR EN COLOMBIA. EL CASO DE LAS MATEMÁTICAS DISEÑO CURRICULAR EN COLOMBIA. EL CASO DE LAS MATEMÁTICAS Pedro Gómez 100514DisenoCurricularColombiav2 Este documento pretende describir las condiciones que regulan el proceso de diseño curricular en los

Más detalles

Difusión de la voz del cliente en las operaciones de la empresa: el uso de six-sigma para gestionar el conocimiento Juan Carlos G. Landero, Ph.D.

Difusión de la voz del cliente en las operaciones de la empresa: el uso de six-sigma para gestionar el conocimiento Juan Carlos G. Landero, Ph.D. Número 45. Mayo 2013 Difusión de la voz del cliente en las operaciones de la empresa: el uso de six-sigma para gestionar el conocimiento Juan Carlos G. Landero, Ph.D. 1 Resumen En un contexto de máxima

Más detalles

Diplomado en sistemas integrados de gestión en el. marco de la gestión ambiental

Diplomado en sistemas integrados de gestión en el. marco de la gestión ambiental Fecha de realización: Junio 1 al 25 de agosto de 2012. 1. Presentación Con el fin de promover el desarrollo de habilidades para la planificación, establecimiento y mantenimiento de sistemas integrados

Más detalles

BPM: Articulando Estrategia, Procesos y Tecnología

BPM: Articulando Estrategia, Procesos y Tecnología BPM: Articulando Estrategia, Procesos y Tecnología Resumen: La competitividad es el imaginario que dirige las acciones empresariales en la actualidad. Lograr condiciones que permitan competir con mayores

Más detalles

La Gerencia de Análisis de Redes (GAR) del Instituto

La Gerencia de Análisis de Redes (GAR) del Instituto Certificación ISO 9001 de la Gerencia de Análisis de Redes Javier Martínez H. e Isabel Chipolla O. En sus más de 20 años de existencia, la GAR ha colaborado principalmente en el desarrollo de programas

Más detalles

Un modelo predictivo para reducir la tasa de ausentismo en atenciones médicas programadas

Un modelo predictivo para reducir la tasa de ausentismo en atenciones médicas programadas Un modelo predictivo para reducir la tasa de ausentismo en atenciones médicas programadas Ing. Juan Miguel Moine Ing. Cristian Germán Bigatti Ing. Guillermo Leale Est. Graciela Carnevali Est. Esther Francheli

Más detalles

1. INTRODUCCIÓN 1.1 INGENIERÍA

1. INTRODUCCIÓN 1.1 INGENIERÍA 1. INTRODUCCIÓN 1.1 INGENIERÍA Es difícil dar una explicación de ingeniería en pocas palabras, pues se puede decir que la ingeniería comenzó con el hombre mismo, pero se puede intentar dar un bosquejo

Más detalles

Centro de Investigación y Desarrollo en Ingeniería en Sistemas de Información (CIDISI)

Centro de Investigación y Desarrollo en Ingeniería en Sistemas de Información (CIDISI) Centro de Investigación y Desarrollo en Ingeniería en Sistemas de Información (CIDISI) OFERTAS TECNOLÓGICAS 1) GESTIÓN ORGANIZACIONAL Y LOGÍSTICA INTEGRADA: TÉCNICAS Y SISTEMAS DE INFORMACIÓN 2) GESTIÓN

Más detalles

El Consultorio Ambiental la Universidad Libre La Universidad Libre

El Consultorio Ambiental la Universidad Libre La Universidad Libre El Consultorio Ambiental es un espacio Académico, Técnico, Investigativo, y de proyección social de la Universidad Libre, dirigido por la Facultad de Ingeniería, desde su programa de Ingeniería Ambiental.

Más detalles

Curso de Minería de Datos Instructor: Dr. Luis Carlos Molina Félix

Curso de Minería de Datos Instructor: Dr. Luis Carlos Molina Félix Curso de Minería de Datos Instructor: Dr. Luis Carlos Molina Félix Presentación Las bases de datos y los sistemas de administración de datos han jugado un papel primordial en el crecimiento y éxito de

Más detalles

CURSOS CONENTO. Una puerta abierta para que puedas desarrollar tus propios análisis

CURSOS CONENTO. Una puerta abierta para que puedas desarrollar tus propios análisis CURSOS CONENTO Una puerta abierta para que puedas desarrollar tus propios análisis Introducción Este documento recoge la lista de los cursos que ofrecemos para ayudar a nuestros clientes a incrementar

Más detalles

DESCUBRE ICESI ECONOMÍA Y NEGOCIOS INTERNACIONALES

DESCUBRE ICESI ECONOMÍA Y NEGOCIOS INTERNACIONALES FACULTAD DE CIENCIAS ADMINISTRATIVAS Y ECONÓMICAS ES UN INCENTIVO MUY GRANDE PARA MI, ESTUDIAR UNA CARRERA QUE CUENTA CON LA ACREDITACIÓN DE ALTA CALIDAD. GUSTAVO ADOLFO RÍOS SEMESTRE X ECONOMÍA Y NEGOCIOS

Más detalles

Informática II Ing. Industrial. Data Warehouse. Data Mining

Informática II Ing. Industrial. Data Warehouse. Data Mining Data Warehouse Data Mining Definición de un Data Warehouses (DW) Fueron creados para dar apoyo a los niveles medios y altos de una empresa en la toma de decisiones a nivel estratégico en un corto o mediano

Más detalles

BCP DATA CENTER VIVIANA GOMEZ HERNANDEZ LUZ MARINA LOPEZ GOMEZ

BCP DATA CENTER VIVIANA GOMEZ HERNANDEZ LUZ MARINA LOPEZ GOMEZ BCP DATA CENTER VIVIANA GOMEZ HERNANDEZ LUZ MARINA LOPEZ GOMEZ UNIVERSIDAD DE CALDAS FACULTAD DE INGENIERÍA Ingeniería en Sistemas y Computación Manizales, Noviembre 2010 BCP DATA CENTER VIVIANA GOMEZ

Más detalles

Mantenimiento del Software

Mantenimiento del Software Mantenimiento del Software S3 Francisco Ruiz, Macario Polo Grupo Alarcos Dep. de Informática ESCUELA SUPERIOR DE INFORMÁTICA UNIVERSIDAD DE CASTILLA-LA MANCHA http://alarcos.inf-cr.uclm.es/doc/mso/ Ciudad

Más detalles

EASY TIME REPORT Because time is money. For real. Gestión de tiempos profesionales

EASY TIME REPORT Because time is money. For real. Gestión de tiempos profesionales EASY TIME REPORT Because time is money. For real. Gestión de tiempos profesionales Brochure EL QUE NO BUSCA SOLUCIONES, ENCUENTRA PROBLEMAS. Hoy a las empresas no les alcanza con adaptarse a los cambios.

Más detalles

Master en Gestion de la Calidad

Master en Gestion de la Calidad Master en Gestion de la Calidad 3. La Calidad en la Actualidad La calidad en la actualidad 1 / 9 OBJETIVOS Al finalizar esta unidad didáctica será capaz: Conocer la calidad en la actualidad. La familia

Más detalles

ENTRADAS PROCESO RECURSOS

ENTRADAS PROCESO RECURSOS Título: Conceptos básicos de la gestión de procesos en las empresas Autor: Ángel Ibisate, Jefe del Departamento de Calidad y Normativa (Red Eléctrica Española) Fecha: 20-05-2005 1. INTRODUCCIÓN El presente

Más detalles

Universidad de Murcia Facultad de Comunicación y Documentación Titulación de Diplomado en Biblioteconomía y Documentación Curso Académico 2007-2008

Universidad de Murcia Facultad de Comunicación y Documentación Titulación de Diplomado en Biblioteconomía y Documentación Curso Académico 2007-2008 Universidad de Murcia Facultad de Comunicación y Documentación Titulación de Diplomado en Biblioteconomía y Documentación Curso Académico 2007-2008 1. Identificación 1.1. De la asignatura Nombre de la

Más detalles

Recursos humanos. Rotación: Es la cantidad de personas que ingresan y que se desvinculan de la empresa.

Recursos humanos. Rotación: Es la cantidad de personas que ingresan y que se desvinculan de la empresa. Recursos humanos Indice 1. Introducción 2. Prevision 3. Aplicación 4. Conservacion 5. Desarrollo 6. Control 1. Introducción Previsión Mercado Laboral Selección y Admisión Reclutamiento Aplicación Descripción

Más detalles

SEMINARIO DE PRODUCCIÓN LIMPIA & CONSUMO SOSTENIBLE

SEMINARIO DE PRODUCCIÓN LIMPIA & CONSUMO SOSTENIBLE SEMINARIO DE PRODUCCIÓN LIMPIA & CONSUMO SOSTENIBLE Septiembre 15, 16 y 17 de 2011 Docente: JORGE AUGUSTO MONTOYA ARANGO ECO-ETIQUETADO AMBIENTAL PORTAFORLIO DE SERVICIOS Certificaciones de SGA y de Productos

Más detalles

LOGISTICA D E COMPRAS

LOGISTICA D E COMPRAS LOGISTICA D E COMPRAS 1. - Concepto de compras OBTENER EL (LOS) PRODUCTO(S) O SERVICIO(S) DE LA CALIDAD ADECUADA, CON EL PRECIO JUSTO, EN EL TIEMPO INDICADO Y EN EL LUGAR PRECISO. Muchas empresas manejan

Más detalles

Aplicaciones prácticas de Minería de Datos con IBM SPSS Modeler

Aplicaciones prácticas de Minería de Datos con IBM SPSS Modeler Álvaro J. Méndez Services Engagement Manager IBM SPSS / Profesor Econometría UAM Jecas, 22 Oct 2010 Aplicaciones prácticas de Minería de Datos con IBM SPSS Modeler Business Analytics software Agenda Minería

Más detalles

Personas TI Ingeniería de Software BPO Capacitación

Personas TI Ingeniería de Software BPO Capacitación Personas TI Ingeniería de Software BPO Capacitación Nosotros Somos la empresa líder a nivel nacional en servicios de apoyo a proyectos tecnológicos. Desarrollamos servicios integrados de TI a la medida

Más detalles

LOS CINCO GRADOS DE MADUREZ DE UN PROYECTO BI

LOS CINCO GRADOS DE MADUREZ DE UN PROYECTO BI LOS CINCO GRADOS DE MADUREZ DE UN PROYECTO BI INTRODUCCIÓN Se habla en multitud de ocasiones de Business Intelligence, pero qué es realmente? Estoy implementando en mi organización procesos de Business

Más detalles

PROCESO DE DECLARACIÓN DE DOMINANCIA EN MERCADO MOVIL EN COLOMBIA

PROCESO DE DECLARACIÓN DE DOMINANCIA EN MERCADO MOVIL EN COLOMBIA PROCESO DE DECLARACIÓN DE DOMINANCIA EN MERCADO MOVIL EN COLOMBIA Iván Sánchez Medina Ex-comisionado CRC Agenda! Análisis de mercados relevantes y de dominancia.! Declaración de dominancia y decisiones

Más detalles

Los Planes de Estudio de las carreras de grado y el proyecto sobre la factibilidad de otorgar un titulo intermedio, y

Los Planes de Estudio de las carreras de grado y el proyecto sobre la factibilidad de otorgar un titulo intermedio, y RESOLUCIÓN DE CONSEJO ACADÉMICO Nº 136/2010 Tandil, 4 de octubre de 2010.- VISTO: Los Planes de Estudio de las carreras de grado y el proyecto sobre la factibilidad de otorgar un titulo intermedio, y CONSIDERANDO:

Más detalles

Asociación Española de Ingeniería Mecánica. XV Reunión Nacional de Profesores de Ingeniería Mecánica y de Vehículos

Asociación Española de Ingeniería Mecánica. XV Reunión Nacional de Profesores de Ingeniería Mecánica y de Vehículos Asociación Española de Ingeniería Mecánica Conocimientos y capacidades para el Cálculo, Diseño y Ensayo de Máquinas en los títulos de Grado y Capacidad para el Diseño y Ensayo de Máquinas en los títulos

Más detalles

SQL Server Business Intelligence parte 1

SQL Server Business Intelligence parte 1 SQL Server Business Intelligence parte 1 Business Intelligence es una de las tecnologías de base de datos más llamativas de los últimos años y un campo donde Microsoft ha formado su camino a través de

Más detalles

INTRODUCCIÓN. El presente proyecto se ha elaborado como propuesta apara el Programa de Gestión de Calidad SISO 9000:2000

INTRODUCCIÓN. El presente proyecto se ha elaborado como propuesta apara el Programa de Gestión de Calidad SISO 9000:2000 INTRODUCCIÓN El presente proyecto se ha elaborado como propuesta apara el Programa de Gestión de Calidad SISO 9000:2000 Este documento muestra los objetivos del proyecto, la metodología de trabajo para

Más detalles

UNIVERSIDAD ALBERT EINSTEIN FACULTAD DE INGENIERIA

UNIVERSIDAD ALBERT EINSTEIN FACULTAD DE INGENIERIA UNIVERSIDAD ALBERT EINSTEIN FACULTAD DE INGENIERIA Estudio de las herramientas TOAD y DBArtisan para la administración e integración de bases de datos relacionales. PREVIA OPCION AL TÍTULO DE: INGENIERO

Más detalles

Inteligencia de Negocios Introducción. Por Elizabeth León Guzmán, Ph.D. Profesora Ingeniería de Sistemas Grupo de Investigación MIDAS

Inteligencia de Negocios Introducción. Por Elizabeth León Guzmán, Ph.D. Profesora Ingeniería de Sistemas Grupo de Investigación MIDAS Inteligencia de Negocios Introducción Por Elizabeth León Guzmán, Ph.D. Profesora Ingeniería de Sistemas Grupo de Investigación MIDAS Agenda 1.Introducción 2.Definición 3.ETL 4.Bodega de Datos 5.Data Mart

Más detalles

Normas chilenas de la serie ISO 9000

Normas chilenas de la serie ISO 9000 Normas chilenas de la serie ISO 9000 Hernán Pavez G. Director Ejecutivo del Instituto Nacional de Normalización, INN, Matías Cousiño N 64, 6 Piso, Santiago, Chile. RESUMEN: en nuestro país las empresas

Más detalles

LA LOGÍSTICA COMO FUENTE DE VENTAJAS COMPETITIVAS

LA LOGÍSTICA COMO FUENTE DE VENTAJAS COMPETITIVAS LA LOGÍSTICA COMO FUENTE DE VENTAJAS COMPETITIVAS Los clientes compran un servicio basandose en el valor que reciben en comparacion con el coste en el que incurren. Por, lo tanto, el objetivo a largo plazo

Más detalles

ANÁLISIS DE CARGOS. 1. Nombre del cargo 2. Posición del cargo en el organigrama. 3. Contenido del cargo. 1. Requisitos intelectuales

ANÁLISIS DE CARGOS. 1. Nombre del cargo 2. Posición del cargo en el organigrama. 3. Contenido del cargo. 1. Requisitos intelectuales Análisis de CARGOS ANÁLISIS DE CARGOS Autor: Herman Bachenheimer Correo: herman@puj.edu.co Después de la descripción, sigue el análisis del cargo. Una vez identificado el contenido del cargo (aspectos

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

INTELIGENCIA DE NEGOCIOS (Business Intelligence)

INTELIGENCIA DE NEGOCIOS (Business Intelligence) INTELIGENCIA DE NEGOCIOS (Business Intelligence) Contenido: 1. Conceptos y Definiciones 2. Índices Financieros 3. Estadísticas 4. Planificación Estratégica 5. Balanced Scorecard 1. Conceptos y Definiciones

Más detalles