Conceptos y Elementos de la Inteligencia de Negocios by LUIS EDUARDO RAMON ROSADO https://padlet.com/iinf17lramonr/s8jh3fh8nei4tqsw INTELIGENCIA DE NEGOCIOS en-us 2021-05-27 00:14:59 UTC 2025-04-20 16:40:28 UTC hello@padlet.com https://padlet.net/icons/png/1f5a5.png Bunisse Intelligence: iinf17lramonr https://padlet.com/iinf17lramonr/s8jh3fh8nei4tqsw/wish/1563427795
Bunisse Intelligence, utiliza el pasado para predicciones futuras esto a su vez hace referencia al uso de estrategias y herramientas que sirven para transformar información en conocimiento, con el objetivo de mejorar el proceso de toma de decisiones en una empresa.
Business Intelligence combina por tanto información interna y externa de muy diversa, esta información puede ser proporcionada desde la API.
BI es un proceso, una metodología, que se inicia con datos, pero que se extiende hasta la toma de decisiones que tienen como objetivo mejorar el desempeño de una empresa y mejorar sus resultados.

Ventajas:

  1. La capacidad de analizar de forma combinada información interna y externa procedente de distintas fuentes y sistemas.
  2. Una mayor profundidad de análisis y una capacidad ampliada de reporte.
  3. La posibilidad de remontar ese análisis atrás en el tiempo en base a series históricas.
  4. La capacidad de realizar proyecciones y pronósticos de futuro en base a toda esa información.



]]> 2021-05-27 01:06:37 UTC https://padlet.com/iinf17lramonr/s8jh3fh8nei4tqsw/wish/1563427795 Machine Learning iinf17jvazquezm https://padlet.com/iinf17lramonr/s8jh3fh8nei4tqsw/wish/1563524376 Es una disciplina científica del ámbito de la Inteligencia Artificial que crea sistemas que aprenden automáticamente.
Permite modelos a entrenar con conjuntos de datos antes de ser implementados. Algunos modelos de machine learning están online y son continuos. Este proceso iterativo de modelos online conduce a una mejora en los tipos de asociaciones hechas entre los elementos de datos.
Se divide en 4 categorías:
  • Aprendizaje supervisado
Comienza típicamente con un conjunto establecido de datos y una cierta comprensión de cómo se clasifican estos datos. El aprendizaje supervisado tiene la intención de encontrar patrones en datos que se pueden aplicar a un proceso de analítica. 
  • Aprendizaje no supervisado
Se utiliza cuando el problema requiere una cantidad masiva de datos sin etiquetar. Por ejemplo, las aplicaciones de redes sociales, tales como Twitter, Instagram y Snapchat, tienen grandes cantidades de datos sin etiquetar.
  • Aprendizaje de refuerzo
Es un modelo de aprendizaje conductual. 
El algoritmo recibe retroalimentación del análisis de datos, conduciendo el usuario hacia el mejor resultado.
  • Deep learning
Es un método específico de machine learning que incorpora las redes neuronales en capas sucesivas para aprender de los datos de manera iterativa.
 El deep learning es especialmente útil cuando se trata de aprender patrones de datos no estructurados.
Machine learning ofrece un valor potencial a las empresas que tratan de aprovechar el big data y les ayuda a comprender mejor los cambios sutiles en el comportamiento, las preferencias o la satisfacción del cliente.
]]> 2021-05-27 01:42:10 UTC https://padlet.com/iinf17lramonr/s8jh3fh8nei4tqsw/wish/1563524376 ETL iinf17lramonr https://padlet.com/iinf17lramonr/s8jh3fh8nei4tqsw/wish/1563568948 Los procesos ETL son una parte de la integración de datos, pero es un elemento importante cuya función completa el resultado de todo el desarrollo de la cohesión de aplicaciones y sistemas. 

Fase de extracción ETL:
 ● Extraer los datos desde los sistemas de origen.
● Analizar los datos extraídos obteniendo un chequeo.
● Convertir los datos a un formato preparado para iniciar el proceso de transformación.

Fase de transformación:
 
La fase de transformación de los procesos de ETL aplica una serie de reglas de negocio o funciones sobre los datos extraídos para convertirlos en datos que serán cargados las cuales son directrices.
● Declarativas.
● Independientes.
● Claras.
● Inteligibles.
● Con una finalidad útil para el negocio. 
]]> 2021-05-27 01:58:50 UTC https://padlet.com/iinf17lramonr/s8jh3fh8nei4tqsw/wish/1563568948 ETL part 2 iinf17lramonr https://padlet.com/iinf17lramonr/s8jh3fh8nei4tqsw/wish/1563581675 Culminación proceso ETL
En esta fase, los datos procedentes de la fase anterior (fase de transformación) son cargados en el sistema de destino. Dependiendo de los requerimientos de la organización, este proceso puede abarcar una amplia variedad de acciones diferentes.
Las cuales se dividen en 2 partes:

● Acumulación simple: esta manera de cargar los datos consiste en realizar un resumen de todas las transacciones comprendidas en el período de tiempo seleccionado y transportar el resultado como una única transacción hacia el data warehouse, almacenando un valor calculado que consistirá típicamente en un sumatorio o un promedio de la magnitud considerada.
● Rolling: este proceso sería el más recomendable en los casos en que se busque mantener varios niveles de granularidad. Para ello se almacena información resumida a distintos niveles, correspondientes a distintas agrupaciones de la unidad de tiempo o diferentes niveles jerárquicos en alguna o varias de las dimensiones de la magnitud almacenada.]]> 2021-05-27 02:03:26 UTC https://padlet.com/iinf17lramonr/s8jh3fh8nei4tqsw/wish/1563581675 Aplicaciones de los procesos ETL iinf17lramonr https://padlet.com/iinf17lramonr/s8jh3fh8nei4tqsw/wish/1563594399  •    Mueva datos desde una o múltiples fuentes.
    •    Reformatee esos datos y los limpie, cuando sea necesario.
    •    Los cargue en otro lugar como una base de datos, un data mart o un data warehouse.
    •    Cuando ya están cargados en su ubicación definitiva, se empleen en otro sistema operacional, para apoyar un proceso de negocio.]]> 2021-05-27 02:08:09 UTC https://padlet.com/iinf17lramonr/s8jh3fh8nei4tqsw/wish/1563594399 CODIGOS DE ESTADO iinf17jvazquezm https://padlet.com/iinf17lramonr/s8jh3fh8nei4tqsw/wish/1563631067 Un código de estado es una parte de la respuesta devuelta por el servidor cuando un cliente (por ejemplo, un navegador) llama a una URL. Con la ayuda de un código de estado, el servidor indica al cliente si la solicitud se ha procesado correctamente o si se ha producido un error.
Los códigos de errores de de respuesta de HHTP, se engrupan en 5 clases.
  1. Respuestas informativas (100–199),
  2. Respuestas satisfactorias (200–299),
  3. Redirecciones (300–399),
  4. Errores de los clientes (400–499),
  5. Errores de los servidores (500–599).
Los códigos de estado http juegan un papel importante en la optimización de motores de búsqueda. Una frecuencia alta de errores 404 puede indicar un mal mantenimiento de la página web. 
También son importantes para el SEO los 301 redirects, ya que ayudan a evitar la duplicación de contenido.
]]> 2021-05-27 02:21:51 UTC https://padlet.com/iinf17lramonr/s8jh3fh8nei4tqsw/wish/1563631067 SERVICIOS CLOUD COMPUTING iinf17jvazquezm https://padlet.com/iinf17lramonr/s8jh3fh8nei4tqsw/wish/1563634685 Los servicios en la nube son servicios que se utilizan a través de servidores web, las cuales se puede acceder remotamente desde cualquier lugar del mundo, siempre y cuando se cuente con internet.

Podemos agrupar los servicios de la nube en varias categorías:
  • Software as a Service (SaaS)
El más utilizado. El software está alojado en servidores de los proveedores y el cliente accede a ellos a través del navegador web. 

  • Platform as a Service (PaaS)
En este tipo de servicios en la nube el proveedor ofrece acceso a un entorno basado en cloud en el cual los usuarios pueden crear y distribuir sus propias aplicaciones.

  • Infrastructure as a Service (IaaS)
Un proveedor de servicios proporciona el software y las aplicaciones a través de Internet. 
]]> 2021-05-27 02:23:16 UTC https://padlet.com/iinf17lramonr/s8jh3fh8nei4tqsw/wish/1563634685 BIG DATA iinf17jvazquezm https://padlet.com/iinf17lramonr/s8jh3fh8nei4tqsw/wish/1563647874 También llamados datos masivos, inteligencia de datos, datos a gran escala o big data, es un término que hace referencia a conjuntos de datos tan grandes y complejos que precisan de aplicaciones informáticas no tradicionales de procesamiento de datos para tratarlos adecuadamente, tales como bases de datos relacionales y estadísticas convencionales o paquetes de visualización, dentro del tiempo necesario para que sean útiles.
Estos datos se caracterizan por:
  • Volumen: la cantidad de datos generados y guardados.
  • Variedad: el tipo y naturaleza de los datos para ayudar a las personas a analizar los datos y usar los resultados de forma eficaz. 
  • Usan textos, imágenes, audio y vídeo. 
  • Velocidad: en este contexto, la velocidad a la cual se generan y procesan los datos para cumplir las exigencias y desafíos de su análisis.
  • Veracidad: la calidad de los datos capturados puede variar mucho y así afectar a los resultados del análisis.
  • Valor: los datos generados deben ser útiles, accionables y tener valor.

¿Por qué es tan importante para las empresas actualmente?
Lo que hace que Big Data sea tan útil para muchas empresas es el hecho de que proporciona respuestas a muchas preguntas que las empresas ni siquiera sabían que tenían. En otras palabras, proporciona un punto de referencia. Con una cantidad tan grande de información, los datos pueden ser moldeados o probados de cualquier manera que la empresa considere adecuada. Al hacerlo, las organizaciones son capaces de identificar los problemas de una forma más comprensible.
]]> 2021-05-27 02:28:30 UTC https://padlet.com/iinf17lramonr/s8jh3fh8nei4tqsw/wish/1563647874 Bunisse Intelligence part 2 iinf17lramonr https://padlet.com/iinf17lramonr/s8jh3fh8nei4tqsw/wish/1566868206 El Business Intelligence ayuda a las empresas a tomar decisiones basadas en información concreta, que proviene del análisis de datos que ellas mismos generaron.

De esta manera, el BI ayuda a organizar y estructurar la planificación estratégica de una empresa, evitando que los gerentes se basen únicamente en conjeturas o en su intuición.

Como resultado, el Business Intelligence ofrece a las empresas que lo utilizan una importante ventaja competitiva sobre la competencia.

El BI también también ayuda a:

  • Optimizar procesos.
  • Utilizar la evidencia como base para la toma de decisiones.
  • Tener una visión más amplia y concreta de la empresa.
  • Agregar valor al negocio y a las soluciones ofrecidas a los clientes
  • Identificar las tendencias y el comportamiento del consumidor.
  • Identificar nuevas oportunidades comerciales.
  • Identificar pérdidas en algún punto.
]]> 2021-05-27 23:11:00 UTC https://padlet.com/iinf17lramonr/s8jh3fh8nei4tqsw/wish/1566868206 Data warehouse iinf17lramonr https://padlet.com/iinf17lramonr/s8jh3fh8nei4tqsw/wish/1567172908 Data Warehouse supone una base de datos corporativa que se caracteriza por integrar y depurar información de una o más fuentes distintas, para luego procesarla. De esta manera, es posible analizar dicha información desde diferentes puntos de vista y a gran velocidad.
Asimismo, los datos de un Data Warehouse deben almacenarse de un forma segura, fiable, de fácil recuperación y, sobre todo, que su administración y gestión sea lo más eficaz y óptima posible.

Características:
  • Orientación a temas. Solo los datos necesarios para el proceso de generación del conocimiento del negocio se integran desde el entorno operacional. 

  • Variante en el tiempo. Los datos muestran el estado de la actividad del negocio en ese mismo momento.


  • No volátil. La información no se puede modificar ni eliminar una vez almacenado el dato. Sólo podrá ser usada como lectura o consulta en un futuro.

  • Integrado. Los datos almacenados en el data warehouse deben estar formados por una estructura consistente.

  • Metadatos. El data warehouse cuenta con metadatos, es decir, datos sobre datos. Los metadatos permiten simplificar y automatizar la obtención de la información de una manera precisa, ayudando a localizar los datos que nos interesan.

Ventajas del Data Warehouse

  • Herramienta de toma de decisiones en cualquier área, basándose en la información integrada y global de la empresa.
  • Permite la aplicación de técnicas de análisis para encontrar relaciones ocultas entre los data warehouse.
  • Facilita dentro de la empresa la implantación de sistemas de gestión integral con relación al cliente.
]]> 2021-05-28 01:28:33 UTC https://padlet.com/iinf17lramonr/s8jh3fh8nei4tqsw/wish/1567172908 Data Science iinf17jvazquezm https://padlet.com/iinf17lramonr/s8jh3fh8nei4tqsw/wish/1567203869  es la ciencia centrada en el estudio de los datos. Se encarga de extraer información de grandes cantidades de datos.
Data Science combina la estadística, las matemáticas y la informática para interpretar datos.
El objetivo de aplicarla es tomar decisiones.
Existen una serie de conceptos básicos que forman de la ciencia de los datos:
  • Data Mining
  • Deep Learning
  • Machine Learning
  • Inteligencia artificial (IA)
Puestos de trabajo en los que se necesita una formación especializada en Data Science:
  • Data Scientist
  • Data Engineer
  • Data Analyst
  • Chief Data Officer (CDO)
El principal beneficio del Data Science en una organización es la facilidad para tomar decisiones. Las organizaciones con Data Scientists pueden incluir evidencia cuantificable basada en datos en sus decisiones comerciales.
Los beneficios específicos del Data Science varían según el objetivo de la empresa y la industria.
]]> 2021-05-28 01:40:41 UTC https://padlet.com/iinf17lramonr/s8jh3fh8nei4tqsw/wish/1567203869