UNIVERSIDAD DE GUADALAJARA.

SISTEMA DE UNIVERSIDAD VIRTUAL

Análisis de información y minería de

datos para la toma de decisiones
Unidad 1
Actividad preliminar.
Análisis de información
JAASIEL ALEJANDRO CASTELLANOS GOMEZ
12/08/2022

DOCENTE:
Introducción.
Investiga en Internet los siguientes conceptos:

 Inteligencia de negocios
 OLAP
 Minería de datos

Puedes consultar el siguiente recurso que se encuentra en la biblioteca virtual para realizar tu
investigación Hernández, J. (2004). El proceso de extracción del conocimiento. En Introducción a
la minería de datos. Pp.19-40. Madrid (España): Pearson Educación S.A.

2.- Genera un documento en donde se describa cada uno de los conceptos y mencione 3 ejemplos
prácticos en los que se podría utilizar la inteligencia de negocios en la industria, en tu trabajo o
incluso en la vida diaria.

3.- Entrega tu documento en el buzón de tareas, para ser evaluado por tu asesor.

4.- Después comparte tus 3 ejemplos con tus compañeros en el foro “Ejemplos de uso del análisis
de la información”.
Inteligencia de negocios.

La definición de inteligencia de necios puede explicarse a partir de procesos, ya que es aquí donde
esta surge, en combinación de aplicaciones y tecnología, aplicadas a mejorar estos o bien hacerlos
menos dificiles de operar.

Su finalidad es aprovechar la velocidad de la tecnología para obtención de datos provenientes de

sistemas de gestión empresarial, permitiendo su análisis e interpretación, y finalmente la toma de
decisiones en el momento preciso.

Dentro de este modelo la tecnología juega un papel clave, ya que combinado con los procesos
estandarizados de la organización permite mover una gran cantidad de datos de manera fácil y
ordenada, permitiendo a los responsables la ordenación e investigación sobre diferentes
conjuntos.

El alcance de la inteligencia de negocios puede extenderse a tres diferentes campos.

La inteligencia como a nivel operativo, cuando es utilizada para la toma de decisiones diarias,
sobre las transacciones que se mueven por los sistemas de gestión de empresas.

La inteligencia a nivel táctico al aportar desde la informacion general a la especifica a los mandos
para la toma de decisiones relevantes para el negocio.

La inteligencia a nivel estratégico para otorgar desde la informacion especifica a la general, un

sentido de direccion, permitiendo visualizar a los encargados de negocios datos duros sobre el
estado de la empresa y de las unidades de negocio.

Usos de la inteligencia de negocios.

Finanzas: para la gestión de reportes de índole empresarial, generando reportes detallados de
gastos, ingresos y egresos, permitiendo un seguimiento puntual de los gastos y estados
financieros.

Ejemplos: Una empresa de deliveri utilize sistemas basados en datos recolectados por sus
usuarios para determiner las mejores rutas o las rutas mas beneficiosas en terminus de ingresos,
para darles prioridad o bien asignar a lo operadores mas rapidos a atender estas rutas, generando
con estas opciones mas ingresos para la compañia.

Mercadotecnia: permite la recolección de informacion para la segmentación detallada de

mercados eficientizado los esfuerzos de venta gestados a partir de tecnología.

Logística: permite dar seguimiento a las mercancías en tiempo real, logrando optimizar los
tiempos de entrega y los desperdicios de material originados por la actividad.
Ejemplo
DHL empresa de logística que integra rastro en tiempo real.

Procesamiento analítico en línea (OLAP)

Esta es una tecnología que permite organizar grandes bases de datos comerciales, aplicando
tecnologias y permitiendo que sean manipuladas sin necesida de afectar la operacion real de la
empresa.

A diferencia de las bases de datos tradicionales empleadas en una gran cantidad de empresas, las
bases OLAP admiten análisis, no solo almacenamiento.

Esto se ve reflejado por ejemplo en el rendimiento que tiene ambas tecnologías, mientras que las
bases OLTP suelen congelarse y presentar problemas de funcionamiento cuando se intenta hacer
algún tipo de análisis sobre ellas, las bases OLAP admiten un análisis complejo sin afectar el
rendimiento general de los sistemas de almacenamiento.

Uno de los puntos fuertes de este tipo de base de datos es el empleo de modelos semánticos para
proporcionar abstracción y poder integrar elementos unificados que varias áreas entiendan entre
si y que se originen del mismo elemento en a vida real.

Otra característica importante de este tipo de base de datos es su multidimensionalidad, es decir

la posibilidad de abordar un problema de almacenamiento de datos desde distintos ángulos y
desde la vista de diferentes actores, esto se puede ver bastante bien en la formación de los cubos
OLAP que son una manera fácil de entender esta complejidad asociada.

En un principio las tablas o los registros que utilizan las bases de datos OLAP ya tiene informacion
importante, no hay necesidad de capturarla.Por ejemplo, en el caso de una empresa de viajes por
autobús, ya existe información de las corridas asignadas, los empleados que trabajan en cada
estación y los próximos viajes a realizarse. Asi realizando un análisis de informacion cruzada,
contra un estado financiero podríamos obtener que viajes o que rutas resultan más rentables.

Es precisamente el Cruze de informacion lo que da sentido a las bases OLAP, complementado la

informacion obtenida desde sistemas tipo ERP, lo que permite la obtención de conocimiento,
mismo que suele ser representado mediante diversas herramientas graficas.
Ahora bien la Tecnología OLAP no es única, ya que suele dividirse en mas tecnologías
especializadas en determinada características, asi tenemos la existencia de ROLAP, especializado
en la escalabilidad de volúmenes de datos, utilizando los conjuntos de datos existentes en una
versión previa, los sistemas MALP que recargan los conjuntos de datos en una nueva base de datos
multidimensional.

En un espacio intermedio entre ellos dos existe HOLAP que es un sistema híbrido que utiliza
ambos esquemas para almacenar informacion ofreciendo las bondades de ambos, la escalabilidad
y la capacidad de analizar datos a partir de sus estructuras.

Finalmente existen derivaciones como WOLAP orientado hacia servicios basados en web, DOLAP
orientado a aplicaciones de escritorio, RTOLAP orientado hacia aplicaciones en tiempo real y
SOLAP.
Minería de Datos.

Al igual que pasa con la inteligencia de negocios, la minería de datos es una serie de técnicas destinadas
a la recolección de datos desde diversas fuentes, asi como su clasificación, y la automatización de esta,
tiene como objetivo ayudar a comprender enormes conjuntos de datos e información permitiendo que
esta misma pueda ser utilizada para extraer conclusiones.

El principal objetivo es encontrar conexiones o patrones entre datos de una misma naturaleza o que se
encuentren relacionados de alguna manera.

Entre las aplicaciones de la vida real, esta la obtención de informacion de leed para técnicas de
marketing digital, el descubrimiento de hábitos de consumo de una representación importante de la
población, asi como la interpretación de comportamientos de usuarios de un determinado producto
ayudando a la fidelización de clientes.

En consecuencia, esto provoca una disminución de costes para las empresas al tener de primera mano
datos estadísticos reales de sus usuarios, y la oportunidad de apertura nuevas líneas de negocio.

El minado de datos tiene una serie de técnicas que ya ha sido probadas y que abordan diferentes
aspectos.

Asociación, sirve para encontrar las relacionesde elementos de varios conjuntos de datos que pueden o
no una asociación previa, por ejemplo, se utiliza en los carritos de compra de las tiendas online para
entender que productos se suelen comprar juntos y poder ofrecer precios o promociones que incentiven
la compra de estos.

Agrupación o cloustering, similar a la técnica anterior relaciona elementos, con la diferencia de que
estos elementos suelen tener más relaciones en común entre sí, por ejemplo, elementos que comparten
utilidad en un entorno predeterminado, como pueden ser clavos o tornillos, o elementos que
comparten un elemento o característica en común.

Clasificación, técnica que consiste en encontrar elementos o variables comunes entre los datos y
ordenarlos de acuerdo con estos criterios.

Predicción, técnica que intenta predecir la relación que existe entre las variables dependientes y las
independientes.

Patrones secuenciales, esta técnica consiste en utilizar datos transaccionales identificar tendencias
durante patrones de tiempos, lo que permite a las empresas entender los tiempos de consumo y
manejar mejor el inventario y la oferta que se lanza al mercado.

.
Bibliografía
bello, e. (10 de dicienbre de 2021). ¿Qué es el minado de Datos o Data Mininig? Técnicas y pasos a
seguir. Obtenido de IEBS: https://www.iebschool.com/blog/data-mining-mineria-datos-big-data/

Castro, J. (2021). Qué es un negocio inteligente y sus beneficios. Obtenido de

https://blog.corponet.com.mx/que-es-la-inteligencia-de-negocios

Microsoft Corportation. (11 de 12 de 2021). Online analytical processing (OLAP). Obtenido de

https://docs.microsoft.com/en-us/azure/architecture/data-guide/relational-data/online-analytical-
processing

OEA. (s.f.). Sociedad del conocimiento. Obtenido de OAS.org:

https://www.oas.org/es/temas/sociedad_conocimiento.asp

pá g. 7