LA MINERÍA DE DATOS, Y SU LUGAR EN LA GESTIÓN DE LA INFORMACIÓN DE UNA CIUDAD INTELIGENTE

LA MINERÍA DE DATOS, Y SU LUGAR EN LA GESTIÓN DE LA INFORMACIÓN DE UNA CIUDAD INTELIGENTE

PONENTES Néstor Jaime Castaño Pérez Decano de la Facultad de Ciencias e Ingeniería de la Universidad de Manizales. Investigador del Grupo de investigación y desarrollo en Informática y Telecomunicaciones GIDIT. Doctorando a Ingeniería Informática de la Universidad Pontificia de Salamanca. Certificado en Redes HFC de ANTEC e Instructor CNNA de Cisco. Campos de interés: La inteligencia de negocios, basada en minería de datos, investigación de operaciones, estadística y simulación. Félix Antonio Céspedes Giraldo Gestor de Proyectos TIC y de Innovación, Arquitecto de Software, y Analista de Datos del Grupo de Investigación en Gestión y Análisis GESYAN. Ingeniero de Sistemas y Telecomunicaciones de la Universidad de Manizales. Certificado en Programming in HTML5 with JavaScript and CSS3 Specialist de Microsoft. Campos de interés: Las arquitecturas de software distribuidas, los sistemas de información geográfico, y la minería de datos, aplicados al Sector de Telecomunicaciones, Salud y Energético.

I. SMART CITY Fuente. Smart City (Sosteniblidad). www.verlaciudad.com

I. SMART CITY Fuente. Actores involucrados. www.verlaciudad.com

II. KDD DESCUBRIMIENTO DE CONOCIMIENTO EN BASES DE DATOS Fuente. Relaciones existentes entre cada paso del proceso KDD y las tecnologías de Microsoft SQL Server. http://msdn.microsoft.com/es-es/library/ms174949.aspx

III. MODELO DE GESTIÓN DE INFORMACIÓN PARA UNA CIUDAD INTELIGENTE Fuente. Realización propia.

III. MODELO DE GESTIÓN DE INFORMACIÓN PARA UNA CIUDAD INTELIGENTE DM. Fase del ETL, OLAP, Data Warehouse de las bases de datos. BM. Proceso inicial de minería de datos. DS. Proceso de trabajo colaborativo de pertinencia técnica y social del conocimiento. DP. Proceso de trabajo colaborativo de generación de políticas generales. PD. Ejecución de la política y retroalimentación de los resultados.

1 Social Networks and Internet Analitics HEALTH 2 3 4 5 9 8 7 6 TRADE PUBLIC 10 PRIVATE 11 12 Pharmacological Risk Calculation in Real Time Fuente. Realización propia.

1. Concepción ética sobre el manejo de los datos, objetivo principal disminución del riesgo por interacciones farmacológicas.

1 Social Networks and Internet Analitics HEALTH 2 3 4 5 9 8 7 6 TRADE PUBLIC 10 PRIVATE 11 12 Pharmacological Risk Calculation in Real Time Fuente. Realización propia.

2. Análisis de los datos y los riesgos en un hospital de primer nivel de atención.

1 Social Networks and Internet Analitics HEALTH 2 3 4 5 9 8 7 6 TRADE PUBLIC 10 PRIVATE 11 12 Pharmacological Risk Calculation in Real Time Fuente. Realización propia.

3. Modelado, validación y conformación del cubo de datos.

1 Social Networks and Internet Analitics HEALTH 2 3 4 5 9 8 7 6 TRADE PUBLIC 10 PRIVATE 11 12 Pharmacological Risk Calculation in Real Time Fuente. Realización propia.

4. Proceso de minería de datos y trabajo colaborativo.

1 Social Networks and Internet Analitics HEALTH 2 3 4 5 9 8 7 6 TRADE PUBLIC 10 PRIVATE 11 12 Pharmacological Risk Calculation in Real Time Fuente. Realización propia.

5. Trabajo Colaborativo.

1 Social Networks and Internet Analitics HEALTH 2 3 4 5 9 8 7 6 TRADE PUBLIC 10 PRIVATE 11 12 Pharmacological Risk Calculation in Real Time Fuente. Realización propia.

6. Base de datos del canal de distribución de medicamentos.

1 Social Networks and Internet Analitics HEALTH 2 3 4 5 9 8 7 6 TRADE PUBLIC 10 PRIVATE 11 12 Pharmacological Risk Calculation in Real Time Fuente. Realización propia.

7. Proceso de Minería de datos.

1 Social Networks and Internet Analitics HEALTH 2 3 4 5 9 8 7 6 TRADE PUBLIC 10 PRIVATE 11 12 Pharmacological Risk Calculation in Real Time Fuente. Realización propia.

8. Trabajo Colaborativo.

1 Social Networks and Internet Analitics HEALTH 2 3 4 5 9 8 7 6 TRADE PUBLIC 10 PRIVATE 11 12 Pharmacological Risk Calculation in Real Time Fuente. Realización propia.

9. Modelado de los datos y de la forma de almacenar y gestionar el conocimiento aportado por el sector público y el privado.

1 Social Networks and Internet Analitics HEALTH 2 3 4 5 9 8 7 6 TRADE PUBLIC 10 PRIVATE 11 12 Pharmacological Risk Calculation in Real Time Fuente. Realización propia.

10. Procesos de minería de datos, para combinar y analizar los aportes realizados por ambos sectores.

1 Social Networks and Internet Analitics HEALTH 2 3 4 5 9 8 7 6 TRADE PUBLIC 10 PRIVATE 11 12 Pharmacological Risk Calculation in Real Time Fuente. Realización propia.

11. Generación de política.

1 Social Networks and Internet Analitics HEALTH 2 3 4 5 9 8 7 6 TRADE PUBLIC 10 PRIVATE 11 12 Pharmacological Risk Calculation in Real Time Fuente. Realización propia.

12. Despliegue de la política en las Ips y Pacientes.

V. CONCLUSIONES La construcción de una Ciudad Inteligente, es concebida como un territorio el que se llevan a cabo procesos de innovación como base de una economía competitiva. La generación de capacidades de predicción y la construcción de un lenguaje racional para la discusión pública.

V. CONCLUSIONES La utilización de la Minería de Datos como una estrategia determinante en la construcción de la Ciudad Inteligente, lo convierte en un proyecto político, pues ella es la expresión social del poder del conocimiento y su capacidad de alcanzar transformaciones.