loading page

Data Mining para a Toma de Decisiones en el Sector Empresarial y Productivo
  • Jaime Ibarra Ávila
Jaime Ibarra Ávila
Instituto Tecnológico Superior Zacatecas Occidente
Author Profile

Abstract

Introducción

En la década de los 70s con la aparición de las primeras computadoras en el ámbito personal, se empezó a popularizar el almacenamiento de información en las empresas, lo cual condujo rápidamente al desarrollo y uso de Herramientas que administraran dicha actividad, lo cual originó que la información generada por las empresas aumentará su volumen, lo cual además trajo consigo nuevos retos, tales como la implementación de nuevas técnicas y herramientas, el manejo de gran cantidad de datos y la implementación de nuevas estrategias para conseguir darle un uso adecuado a la información almacenada.
\cite{Churchill_1979}
Data warehousing and on-line analytical processing (OLAP) are essential elements of decision support, which has increasingly become a focus of the database industry. Many commercial products and services are now available, and all of the principal database management system vendors now have offerings in these areas. Decision support places some rather different requirements on database technology compared to traditional on-line transaction processing applications.
\cite{Chaudhuri_1997}
Es entonces que con ayuda de un SGBD surge lo que se conoce como Data Mining o Minería de Datos, lo cual es un conjunto de técnicas que ayudan a las empresas a tomar mejores decisiones en base a información que puede ser consultada en tiempo real a través de Técnicas de Inteligencia de Negocios (Business Intelligence).
\cite{aronson2005decision}
Por ende, el campo de las Tecnologías de Información y Comunicación (TIC’s) implementó soluciones eficientes a este tipo de actividad desarrollando las primeras Bases de Datos, las cuales aún en su implementación un tanto rudimentaria lograron establecer algunas técnicas que ayudaron a las empresas públicas y privadas con la administración de su información.
\citep{wayman2005involving}
Decision support systems (DSS) are becoming increasingly more critical to the daily operation of organizations. Data warehousing, an integral part of this, provides an infrastructure that enables businesses to extract, cleanse, and store vast amounts of data. The basic purpose of a data warehouse is to empower the knowledge workers with information that allows them to make decisions based on a solid foundation of fact. However, only a fraction of the needed information exists on computers; the vast majority of a firm's intellectual assets exist as knowledge in the minds of its employees. What is needed is a new generation of knowledge-enabled systems that provides the infrastructure needed to capture, cleanse, store, organize, leverage, and disseminate not only data and information but also the knowledge of the firm. The purpose of this paper is to propose, as an extension to the data warehouse model, a knowledge warehouse (KW) architecture that will not only facilitate the capturing and coding of knowledge but also enhance the retrieval and sharing of knowledge across the organization. The knowledge warehouse proposed here suggests a different direction for DSS in the next decade. This new direction is based on an expanded purpose of DSS. That is, the purpose of DSS in knowledge improvement. This expanded purpose of DSS also suggests that the effectiveness of a DSS will, in the future, be measured based on how well it promotes and enhances knowledge, how well it improves the mental model(s) and understanding of the decision maker(s) and thereby how well it improves his/her decision making.
\citep{Nemati_2002}
Bibliomining or data mining for libraries  is the application of data mining and bibliometric tools to data produced from library service.
\citep{nicholson2003bibliomining}
Es importante que se entienda que para poder tomar decisiones, la información debe convertirse primero en conocimiento a través del proceso de producción de conocimiento. \ref{352912}