Módulo 3

EVALUACIÓN , COMPETEN CIAS Y EN TR EVISTAS

Introducción

7. EL ALMACÉN DE DATOS Y SU UTILIZACIÓN EN LA EMPR ESA

7.1 Conceptos y propiedades

7.2 Representación de las dimensiones a analizar

7.3 Práctica sobre la aplicación Microsoft PowerPoint

8.LA MIN ER ÍA DE DATOS Y LA IN TELIGEN CIA EMPR ESAR IAL

8.1 Conceptos, vinculaciones y fundamentos

8.2 Descubrimiento del conocimiento

8.3 Tipos de conocimiento

8.4 Análisis y re exión del aprovechamiento de la información

8.5 Práctica sobre la aplicación Microsoft PowerPoint

9. LA VISUALIZACIÓN DEL CON OCIMIEN TO, ¿CÓMO OB SER VAR LO QUE N O SE VE

9.1 Concepto y características

9.2 La vinculación entre las pantallas y particiones

9.3 Técnicas de representación

9.4 Práctica sobre la aplicación en línea Prezi

CIER R E DEL MÓDULO

Descarga del contenido

1 14

Introducción

We detected a high number of errors from your

connection. To continue, please confirm that you're a
human (and not a spambot).

I'm not a robot

reCAPTCHA
Privacy - Terms

Code: MW-RL
Client IP: 206.189.65.188

Hasta el momento se analizó el funcionamiento de la base de datos, elemento esencial en un Sistema de

Información para almacenar toda la información que surge de las operaciones diarias. Este tercer y penúltimo
módulo, comienza a recorrer la utilización de la información a un nivel aún mayor, pasando de un nivel operativo
a uno de mayor envergadura como lo es el estratégico, que es apoyado para la toma de decisiones de una
empresa.

Por otro lado, a partir de los almacenes, surge la minería de datos. Este proceso compuesto por un conjunto
reglas, permite la detección de problemas, patrones y reglas que permitan optimizar los procesos y generar
cambios de estrategias en el caso de ser necesarias. A partir de ello, se comprende la importancia de la
información y su posterior análisis para el descubrimiento de conocimiento. Este descubrimiento surge a partir de
los resultados arrojados por el sistema, por lo tanto, el mismo debe trabajar en su representación, de manera tal
que los usuarios puedan utilizarlo en la toma de decisiones. Ante esto, la última unidad recorre algunas técnicas
de representación del conocimiento de manera superficial, para comprender la finalidad de las herramientas de
análisis inteligente de la información.

Por último, la práctica comienza con la aplicación Microsoft PowerPoint, vinculada a la producción de
presentaciones que enriquecen una exposición, trabajando sobre los elementos que ofrece, sumado a los efectos y
transiciones.

Asimismo, para que las presentaciones sean aún más dinámicas, surge la aplicación Prezi, que nos permite
diseñar presentaciones dinámicas con un impacto visual muy superior a lo trabajado en PowerPoint. Este tipo de
presentaciones enriquecen la exposición de los diferentes procesos, siempre teniendo en cuenta las
consideraciones generales para el armado.
Objetivos del módulo

Comprender el proceso que se realiza para el análisis de la información en búsqueda de nuevo

conocimiento.

Identificar la importancia del análisis de la información de una Base de Datos.

Distinguir los diferentes tipos de patrones que pueden estar presentes en la información de una base de
datos.

Reconocer la importancia de las técnicas de visualización para la representación de patrones y reglas.

UNIDAD 7 7.1 Conceptos y propiedades.

7.2 Representación de las
El almacén de datos
dimensiones a analizar.
y su aplicación en la 7.3 Práctica sobre la aplicación
empresa Microsoft PowerPoint.
 8.1 Conceptos, vinculaciones y
fundamentos.
UNIDAD 8 8.2 Descubrimiento del
La minería de datos conocimiento.
8.3 Tipos de conocimiento.
y la inteligencia 8.4 Análisis y reflexión del
empresarial aprovechamiento de la
información.
8.5 Práctica sobre la aplicación
Microsoft PowerPoint.

9.1 Concepto y características.

UNIDAD 9 9.2 La vinculación entre las pantallas

y particiones.
Visualización del 9.3 Técnicas de representación.
conocimiento 9.4 Práctica sobre la aplicación en
línea Prezi.

C O NT I NU A R
2 14

7.1 Conceptos y propiedades

Las bases de datos tienen la finalidad de almacenar la información de una empresa, de manera de contar con ella en
el momento que se requiera y realizar las modificaciones que se consideren. Las empresas cuentan con grandes
volúmenes de datos, que no solamente son utilizados de manera específica y operacional. Durante los últimos años,
el aprovechamiento de los datos y su enriquecimiento ha tomado un grado de importancia muy significativo, tanto en
la detección de patrones como de reglas/tendencias, que permiten el apoyo a la toma de decisiones de los niveles más
elevados de una empresa.

Tomando en cuenta el funcionamiento de la base de datos, elemento esencial en un Sistema de Información para
almacenar toda la información que surge de las operaciones diarias, el presente módulo comienza a transitar la
utilización de dicha información a un nivel aún mayor, pasando de un nivel operativo a uno de mayor envergadura
como lo es el estratégico, que es apoyado para la toma de decisiones de una empresa.
Ante esta situación planteada, se aborda el concepto de “Almacén de datos”, que refiere a una base de datos amplia,
que permite el almacenamiento de todos los datos vinculados a temas específicos. Estos datos son obtenidos de las
bases de datos operacionales y enriquecidos de manera tal de realizar un análisis sobre ellos, en busca de lo antes
mencionado. Esta herramienta también conocida y englobada dentro del concepto “Big Data”, parte de un objetivo
claro que determina los datos útiles para tales estudios.

Para ser más específico en lo mencionado, les brindo un ejemplo partiendo del área empresarial: Análisis de las
decisiones en base a productos nuevos que se lanzan. Para tal fin, se recolectan los datos de la empresa para conocer
las preferencias de los clientes y se enriquece con información externa, para saber no solamente el impacto del
producto sobre nuestros clientes; sino que a su vez, qué importancia puede adoptar en el mercado para incrementar
las ventas y el acercamiento de nuevos clientes.

Dentro de la unidad (más precisamente en el material) van a poder fortalecer estos conceptos y observar otros
ejemplos que orientan a la importancia de la utilización del análisis complejo de los datos. Existe una metodología
denominada “Cubo de Datos o Hipercubo” (depende de la cantidad de variables) que muestra cómo se hace un
análisis y dependiendo la posición, se obtienen datos distintos.

Es importante destacar que el Almacén de datos no es más ni menos que una herramienta, la cual será parametrizada
o configurada en base a un objetivo en común. Esto va en base a que su mala utilización, genera no solamente un
costo innecesario, sino que asimismo, un proceso con resultados que no son los deseados. Además, la herramienta no
toma decisiones, sino que brinda el apoyo con la información resultante, para que los sectores más altos sean los
encargados de tal función.

Para comprender aún más lo desarrollado, observen el siguiente ejemplo:

El resultado de un estudio arroja que al menos el 85% de nuestros clientes consumen el producto “chocolate aireado”
durante el último trimestre del año en todos los locales de la empresa. Asimismo, de los datos externos se obtuvo que
las personas que no son clientes, solo un 10% elijan comer chocolate aireado en las zonas las cuales poseen los
locales, ya que se observó que la mayoría de la población consume tabletas comunes.

Variables analizadas:

• Para la parte inicial se utilizó un Hipercubo con las siguientes variables: clientes - productos - locales - períodos.
• Para la parte final se utilizó un Hipercubo con las siguientes variables: personas (no clientes) - productos - períodos
- zonas.

Toma de decisiones:

• Gerente 1: Plantea el proyecto de la realización de un nuevo producto estrella de chocolate aireado, con el objetivo
de seguir manteniendo a los clientes satisfechos y captar al 10% que aún no lo son.

• Gerente 2: Plantea el proyecto de la realización de un producto estrella de tabletas comunes para lograr ampliar la
cantidad de clientes.

• Gerente 3: Analiza el bajo nivel de ventas por tabletas comunes e intenta mejorar los productos de esa línea.

Este ejemplo justifica la definición “de apoyo” a toma de decisiones. Los tres gerentes recibieron la misma
información, pero optaron por tomar decisiones diferentes.

Por último, se comienza con el recorrido sobre la aplicación Microsoft PowerPoint, planteando presentaciones
dinámicas que favorezcan la presentación de la información. En este aspecto, hay que tener en cuenta algunas
consideraciones generales (encontrarán un archivo), ya que la presentación es muy importante en cualquier proceso,
pudiendo convertir el proyecto en éxito o fracaso, independientemente de su contenido. Toda primera impresión de
un proyecto es muy importante, a tal punto que una mala impresión inicial, cuesta mucho revertirla y en muchos
casos no se logra.

Es importante tener en cuenta que en la actualidad los volúmenes de información son inmensos, es por ello que se
busca su aprovechamiento, para optimizar cada una de las áreas disciplinares. La toma de decisiones siempre recae
sobre el encargado de la labor, que trabajará la misma desde su perspectiva y los intereses de la empresa. En la
próxima unidad abordaremos conceptos generales de la minería de datos, que permitirán comprender la detección de
ciertos patrones y reglas a través del análisis de los almacenes de datos.

La información de un Sistema de Información puede ser consultada y modificada cuando surge un requerimiento,
operando la misma en los diferentes niveles: operativo, táctico y estratégico.
Pese a esto, los niveles superiores (táctico y estratégico) requieren de información que apoye la toma de decisiones.
Es por ello, que surgen los almacenes de datos, capaces de contener grandes volúmenes de información orientados a
temas que les permita facilitar el análisis de los negocios, encontrando tendencias y detectando problemas.

El almacén de datos es un conjunto de datos recolectados con un cierto criterio o agrupados según un tema
específico, que permiten brindar información precisa para apoyar la toma de decisiones, ayudando en el análisis
de la información de las empresas. Los almacenes tienen la flexibilidad de trabajar con herramientas analíticas
que descubren tendencias, patrones, problemas, etc.

Por otra parte, existe una gran diferencia con las bases de datos comunes que operan diariamente las empresas. Esta
diferencia se basa en que si bien se pueden realizar inserciones y modificaciones (periódicamente se realizan
actualizaciones para mantener la vigencia de los datos), los almacenes son principalmente de lectura, mientras que
las bases de datos comunes consultan y manipulan los datos continuamente según las necesidades. Dicha diferencia
radica en los objetivos de cada una, mientras que los almacenes forman parte de una recolección de datos
operacionales para un análisis complejo de datos (grandes porciones), las bases de datos comunes utilizan porciones
pequeñas para consultas y altas/modificaciones continuas.

En unidades anteriores se ha abarcado el concepto de integridad de los datos en las bases de datos de los sistemas de
información. La inconsistencia en la base de datos no se basa solamente a nivel operacional, sino que además, los
almacenes cuentan con esa integridad para realizar la selección según los criterios establecidos. En otros términos,
los almacenes toman los datos de las base de datos comunes para trabajar con ellos según el análisis que se desea
realizar, por lo tanto, la pérdida de integridad en esa primera instancia, se traslada a los almacenes.
Para el análisis de los grandes volúmenes de información almacenados en los almacenes, se utilizan funciones
estadísticas y matemáticas, que se representarán luego ante una posible toma de decisiones. Un ejemplo claro son los
informes generales de una temporada de verano en el partido de la costa. Cada entidad (hoteles, gastronómicos,
turísticos) brindan información general sobre la temporada según diferentes criterios. Los datos son colocados en
almacenes de datos que serán analizados por herramientas analíticas, con el objetivo de obtener información
relevante de la temporada. Dicha información obtenida le permite al partido conocer el rendimiento por períodos, y a
partir de allí, evaluar posibilidades de optimización y mejora de rendimiento para una futura temporada.

C O NT I NU A R
3 14

7.2 Representación de las dimensiones a analizar

Los almacenes de datos poseen grandes volúmenes de datos orientados a temas específicos. Cuando se realiza un
análisis de datos, se seleccionan las dimensiones o variables que se vincularán para obtener la información necesaria
para el apoyo a la toma de decisiones. Cuando se seleccionan dos variables, la representación se da a través de un
cuadro general denominado de doble entrada (ver Cuadro 1).

Cuadro 1. Cantidad de remeras vendidas. Elaboración propia.

Este cuadro representa una variable en las las (artículos) y la otra en las columnas (períodos), obteniendo en cada
cruce el dato específico (cantidad vendida). Sin embargo, un análisis complejo requiere el cruce de más dimensiones,
y es por ello, que se utilizan los denominados cubos de datos (3 dimensiones) o hipercubos (4 o más dimensiones).
La utilización de más dimensiones permite un estudio más profundo en búsqueda de patrones o reglas para la
optimización de procesos. Asimismo, estos cubos son completados por otros campos (denominados hechos) que
tienen suma importancia para determinar qué valor es el que se compara (cantidad, importe, etc.).

Para profundizar aún más, en la gura 1 representamos como modelo un cubo de datos con las siguientes
dimensiones: artículos, período (mensual) y locales de venta. Las dimensiones se analizarán con el hecho “cantidad”,
que permitirá realizar los cruces necesarios para obtener las cantidades de cada artículo por período y por local.
Ejemplo: Artículo Nº4; Enero-2016; Local 5; 850 unidades. Pese a esto, la herramienta del cubo de datos nos permite
realizar una “rotación”, que implica realizar el análisis desde otra perspectiva (cambiar de dimensión principal).

Figura 1. Cubo de datos. Elaboración propia.

El cubo de datos mencionado anteriormente puede sufrir cambios de jerarquización, logrando aumentar (resultados
generales) o disminuir (resultados específicos) dimensiones para obtener resultados más detallados o generales. En el
caso del ejemplo trabajado en la gura 1, el período se podría volver más específico si se realiza quincenal o
semanal, mientras que podría trabajar con resultados más globales como trimestres, semestres y años.

Los almacenes de datos permiten trabajar con diversas fuentes, para enriquecer los datos almacenados, que brindan la
posibilidad de trabajar con modelos multidimensionales que optimicen los resultados del análisis, favoreciendo la
toma de decisiones.

Material de lectura

En el siguiente material podrás encontrar información referente a la big data y el poder de los datos.

Big Data el poder de los datos..pdf

6 MB

Fundación Innovación Bankinter. (Coord., 2016). Big Data. El poder de los datos. Versión 23 en castellano. Madrid: Fundación Innovación

Bankinter

C O NT I NU A R
4 14

7.3 Práctica sobre la aplicación Microsoft PowerPoint

Consideraciones generales para la construcción de una presentación

Hay que tener en cuenta que la presentación es la guía (recorrido) de la temática a abordar; es por ello, que tiene que
estar diseñada de manera tal que favorezca no solamente al expositor, sino que a su vez, permita el buen seguimiento
de los oyentes. La presentación se vuelve una pieza clave para lograr el éxito de la exposición.

Para tal fin, en este archivo se enumerarán algunas consideraciones generales a tener en cuenta antes de realizar la
construcción:

1 Evitar el exceso de texto en las diapositivas. Utilizar redes conceptuales simples, palabras claves,
pequeñas citas, etc. Mucho volumen de texto perjudica la dinámica de la presentación.

2 Lograr una diapositiva dinámica y sencilla, fácil de seguir por los oyentes. La sencillez favorece la
interpretación. Es importante que las diapositivas posean espacios en blanco.

3 No utilizar una gran variedad de colores (disminuye la formalidad y decrece la atención). Evitar los
colores claros, que perjudican la lectura del oyente.

4 Revisar la ortografía, el tamaño del texto (tamaño medio y diferencia dependiendo la importancia) y la
alineación (formalidad).

5 Mencionar en el caso de ser utilizada la bibliografía, respetando las normas estandarizadas. En el caso
de realizar citas, utilizar “” y letra cursiva para su distinción.
 6 Mantener una coherencia entre las diapositivas, para realizar un recorrido de principio a fin. Establecer
como ejes básicos el siguiente orden: Introducción – Desarrollo y Conclusiones.

7 Todos los elementos utilizados deben tener el tamaño adecuado y estar alineados.

8 Destacar el foco central de cada diapositiva. El oyente se detendrá en él.

9 Evitar utilizar muchas transiciones, y asimismo, controlar en lo posible las diapositivas de manera
manual. La automatización si bien puede guiarnos en el tiempo (panorama ideal), la realidad es que
siempre se producen alteraciones propias de una presentación. El control manual disminuye la tensión
y la dependencia al tiempo de manera estructurada.

Tutorial PowerPoint

Recorrido inicial en PowerPoint que aborda las herramientas generales para la realización de una presentación.

We detected a high number of errors from your

connection. To continue, please confirm that you're a
human (and not a spambot).

I'm not a robot

reCAPTCHA
Privacy - Terms

Code: MW-RL
Client IP: 206.189.65.188

Marque la opción correcta. ¿Qué es un almacén de datos?

Es un conjunto de datos recolectados que aborda diferentes temas
que son relevantes para la institución.

Es un conjunto de datos recolectados y agrupados según un

determinado criterio o un tema específico.

Es un conjunto de datos recolectados a partir de las ventas y el

stock de una empresa.

SUBMIT
Bibliografía de referencia

Elmasri, R. y Shamkant, N. B. (2007). Fundamentos de Sistemas de Bases de Datos. Quinta Edición.

Editorial Pearson.

Microsoft (2010). Excel.

Bibliografía obligatoria

Fundación Innovación Bankinter. (Coord., 2016). Big Data. El poder de los datos. Versión 23 en
castellano. Madrid: Fundación Innovación Bankinter
C O NT I NU A R
5 14

8.1 Conceptos, vinculaciones y fundamentos

Luego de haber abordado el concepto de almacén de datos en la unidad anterior, en la presente se comienza a trabajar
sobre la minería de datos. La misma nos permitirá la detección de problemas, patrones y reglas que permitan
optimizar los procesos y generar cambios de estrategias en el caso de ser necesarias.

Como se anticipó en la presentación, la minería de datos tiene como objetivo la detección de problemas, patrones y
reglas. A partir de ello, los niveles encargados de trabajar la resultante, utilizarán la herramienta para el apoyo en la
toma de decisiones. Esto tiene como finalidad el trabajo sobre la optimización de procesos, donde se destacan por
ejemplo: mejora de productos existentes, detección de situaciones inusuales ante un estímulo en particular, síntomas
frecuentes sobre determinadas problemáticas, etc.
La minería brinda una solución al procesamiento de grandes volúmenes de datos, qué técnicas simples/operativas no
lo pueden abordar. Luego de dicho procesamiento, se aplicará un posterior análisis y se generará un conocimiento
sobre ello. Para tal fin, hay que tener en cuenta que los datos son hechos o acontecimientos, mientras que la
información es un conjunto de datos procesados. En esta unidad surge el conocimiento, que forma parte de una
información analizada.

¿Por qué la importancia de dicha herramienta? Existen ciertos comportamientos en los datos que pueden
presentarse como inusuales o relaciones indirectas muy estrechas que a simple vista no son percibidas. Ante esto, la
minería permite que esa información oculta pero existente, pase a ser observada y permita su posterior análisis.

Hay que destacar que la relación con los almacenes de datos es muy estrecha, ya que a partir de la selección de la
información, se produce el análisis correspondiente. Información que no ha sido seleccionada, no solo no podrá ser
analizada, sino que a su vez, puede perjudicar la exactitud de un análisis.

En el material de la unidad van a encontrar diferentes criterios o patrones que pueden encontrarse en un proceso de
análisis. La herramienta busca el descubrimiento de conocimiento que permita la mejora de cada área en particular.
Además, encontrarán una reflexión, teniendo en cuenta que dependiendo de la perspectiva o enfoque que se toma en
cualquier análisis, el conocimiento resultante va a estar orientado a él. En la vida cotidiana observamos diversas
situaciones y las analizamos según un criterio en particular; sin embargo, cuando hay más de una perspectiva/criterio
(propia o con otras personas), el foco tiende a cambiar por cada uno de ellos, al igual que la resultante. En la minería
sucede lo mismo, según cómo trabajamos las variables y colocamos el foco, la resultante va a estar ligada a dicho
criterio.

Por otra parte, la unidad continúa con la aplicación Microsoft PowerPoint, trabajando sobre los efectos y
transiciones, que bien utilizados (sin exceso) enriquecen una presentación. Asimismo, hay que tener en cuenta las
consideraciones generales que se encuentran en la unidad anterior. Podrán observar el tutorial para fortalecer la
mecánica y aplicarla en la presentación.

La construcción de un almacén de datos depende del criterio de análisis y la información que se desee procesar.
Ambas herramientas están completamente ligadas y se trabajan en simultáneo. La inteligencia sobre la información
le brinda a las instituciones la posibilidad de mejorar los servicios y optimizar los procesos.
Los almacenes de datos contienen grandes volúmenes de datos, que están orientados a temas y criterios específicos,
que son analizados para la obtención de patrones o reglas. Los almacenes no realizan el análisis, sino que tienen
como función el almacenamiento de los datos mediante una selección de distintas bases de datos y fuentes.

Es por ello, que surge la minería de datos como herramienta o técnica capaz de descubrir nueva información sobre
los grandes volúmenes de datos, detectando problemas, patrones, reglas, etc. El análisis complejo se realizará con
diferentes técnicas que arrojarán los resultados que permitan el apoyo a la toma de decisiones y el descubrimiento de
situaciones que permitan optimizar los procesos.

En este capítulo realizaremos un recorrido por la vinculación de los almacenes y la minería, los tipos de
conocimiento que pueden ser descubiertos y una reflexión acerca de cómo un se priorizan las variables de un análisis
según lo que se desea estudiar.

La minería de datos es una herramienta muy utilizada en la actualidad, ya que el descubrimiento de nueva
información permite el desarrollo de nuevas estrategias de negocio que favorezcan notoriamente las actividades y/o
procesos. Asimismo, otros de los puntos de aporte de la minería son la detección de comportamientos inusuales
(situaciones fuera de lo común que deben ser abordadas) y la detección de nuevos patrones que no son detectados a
simple vista.

Las consultas que se pueden realizar en los sistemas con bases de datos comunes se realizan sobre pequeñas
porciones de datos, esto trae como consecuencia que no haya una precisión para la toma de decisiones. La minería
utiliza los almacenes para lograr extraer patrones significativos, que serán investigados por los niveles tácticos y
estratégicos de la empresa. Es importante destacar que la minería y los almacenes están muy ligados, ya que el diseño
se realiza en base a los temas específicos de los que se hará la recolección de los datos y la investigación que se
realizará sobre ellos; es por ello, que no son independientes.

La minería de datos brinda información específica que permite

trabajar sobre varias perspectivas como: la identificación de
determinadas situaciones, la predicción del comportamiento en un
futuro de ciertos elementos, la posibilidad de optimizar recursos y la
posibilidad de dividir datos según parámetros específicos.

C O NT I NU A R
6 14

8.2 Descubrimiento del conocimiento

Tal como se mencionó anteriormente, los almacenes y la minería están diseñados en conjunto, y eso se debe a que la
búsqueda de patrones se realiza sobre los datos específicos que se desean estudiar. Es por ello, que la construcción de
los mismos se realiza por etapas.

En un principio se realiza la selección y limpieza de los datos, en los cuales se definen los datos que van a ser
utilizados para el análisis y se hace una revisión para eliminar redundancia e inconsistencias. Este inicio de proceso
es esencial, ya que la delimitación de los datos y su selección adecuada lleva a la optimización de un descubrimiento
exitoso.
Una vez realizada la selección y limpieza, se añaden datos extras de diversas fuentes, que permitirán el
enriquecimiento de los datos seleccionados, reforzando aún más el contenido de los almacenes. Una vez realizado
esto, se realiza un proceso de reagrupación, transformando los datos de manera tal de reducir el volumen y
clasificarlos según criterios, que permitan favorecer la búsqueda y análisis.

C O NT I NU A R
7 14

8.3 Tipos de conocimiento

Para nalizar con las etapas, los datos ya se encuentran preparados para la búsqueda de patrones y reglas. En este
punto se extraen tipos de conocimiento según distintos criterios como:

Reglas de asociación
–
Estas reglas tienen como finalidad la detección de situaciones que inducen a otras. En otras palabras, si pasa “a”, es
probable o seguramente pasará “b”. Un ejemplo básico de este punto puede ser la compra de un vestido para una
esta. El análisis arrojado por la minería de datos indica que una situación “a” es la compra del vestido y la
situación “b” que se repite frecuentemente es la compra de una cartera. Esta información que se genera es recibida
por los niveles estratégicos, que les permitirá la toma de decisiones para optimizar el proceso. Es importante
destacar que no siempre se va a producir tal situación, pero un descubrimiento de un conjunto de procesos que se
repiten frecuentemente, pueden cambiar la estrategia de venta de los productos, ubicando las carteras en posiciones
estratégicas, que permitan visualizar la combinación. En este descubrimiento en particular, una decisión posible
sería colocar un estante de carteras en la parte superior de los vestidos, ordenadas con el mismo criterio de colores,
generando un impacto visual que incremente aún más la posibilidad de venta de ambas. Este ejemplo utiliza una
situación básica, en la actualidad se detectan muchos patrones que no son percibidos y es de suma importancia la
herramienta. En cuanto a la rama de la salud, es muy utilizado para analizar ciertos patrones que se producen
posteriormente a un tipo de situación.

Clasificación y categorías
–
En este punto se incluyen dos tipos de descubrimiento que se vinculan a la jerarquización y a la división según
categorías.

En cuanto a la jerarquización, se utiliza mucho en los negocios para la detección de aptitudes para roles
determinados. Un ejemplo está en un puesto de trabajo, donde la detección de un conjunto de características
 permiten encontrar personas que seguramente se desempeñarán muy bien en el rol.

Por otra parte, la categorización se basa en realizar la división de diferentes eventos por categorías,
permitiendo trabajar sobre cada una de ellas para lograr un mayor aprovechamiento del negocio. Una
situación que reeja el mismo es un parque temático, que la posibilidad de detección de diferentes categorías
de visitantes, permite trabajar en cada una de ellas, logrando la satisfacción de cada una de ellas.

Patrones secuenciales y de tiempos

–
Son los patrones que se vuelven a repetir o que se detectan similitudes en períodos de tiempo. En el caso de los
secuenciales, se detectan patrones que se repiten y es por ello, que una estrategia permite optimizar dicha situación.
Podemos ejemplificarlo con la compra de zapatillas de un estilo idéntico o parecido, da la posibilidad de identificar
la preferencia del consumidor. En base a los patrones en series de tiempo, se detectan similitudes que favorecen
optimizar estrategias de negocios según la información obtenida. Un ejemplo puede ser la detección de un producto
“x” que tiene su pico de venta en enero de cada año. Hay muchos casos que la escala puede cambiar y no son
detectados con una observación simple. Asimismo, hay productos que no están clasificados por temporada; sin
embargo, presentan picos que no son detectados sin un análisis.
Como etapa nal, se encuentra la presentación y visualización de los resultados, que permitirán tomar las decisiones
con información clara y precisa.

C O NT I NU A R
8 14

8.4 Análisis y reflexión del aprovechamiento de la

información

Reflexión

Hemos comprendido la importancia de la información y la protección

de su integridad. Asimismo, las técnicas que se utilizan actualmente
para analizar grandes volúmenes de información, que permiten
conocer preferencias y por archivos a través de la búsqueda de
patrones y reglas, proceso que se realiza sobre la información de
grandes bases de datos.

La información es analizada en grandes porciones, buscando optimizar continuamente cada proceso, por ejemplo:
cuando se presentan las estadísticas del partido de la costa, la información utilizada para tal n es recolectada
mediante la selección y la limpieza de los datos de los hoteles, gastronomía, paradores, etc. Esto permite optimizar
las siguientes temporadas, preferencias en preferencias y tendencias. La recolección de datos a través de diferentes
herramientas es vital para lograr el éxito de las investigaciones. Es por ello, que la conexión entre cada disciplina
involucrada en cualquier orden, se vuelve esencial para el tratamiento de la misma. Dicha situación se da debido a
que cada uno tendrá la posibilidad de analizar dicha información, según el enfoque que precisa y los objetivos
planteados.

Como reexión sobre el análisis según el enfoque, se plantea las siguientes preguntas: ¿Alguna vez observaron una
película más de una vez, analizando diferentes contextos o variables? Cuándo la evaluaron detalladamente según
un contexto / variable, ¿recuerdan haber observado todo lo detallado durante el segundo análisis con un
contexto totalmente diferente? La reflexión a estas preguntas nos permite no solamente comprender la importancia
de la recolección de datos según criterios o temas (funcionamiento del almacén de los datos) y la búsqueda de
diferentes patrones (minería de datos), sino que a su vez, de qué manera los niveles tácticos y estratégicos trabajarán
sobre los resultados. En este punto, destacamos que el sistema no toma decisiones, ya que solamente es el encargado
de analizar y mostrar los resultados. Queda en manos del encargado personal para tal labor, que tendrá un criterio
para la toma de decisiones según sus consideraciones y factores que inuyan tanto positiva como negativamente.

C O NT I NU A R
9 14

8.5 Práctica sobre la aplicación Microsoft PowerPoint

Tutorial PowerPoint

Se aborda los efectos y transiciones para la realización de una presentación.

We detected a high number of errors from your

connection. To continue, please confirm that you're a
human (and not a spambot).

I'm not a robot

reCAPTCHA
Privacy - Terms

Code: MW-RL
Client IP: 206.189.65.188

Marque la opción correcta. ¿Por qué los almacenes y la minería de

datos están diseñados en conjunto?
Porque permite que la visualización sea óptima.

Porque permite buscar patrones.

Porque permite que el usuario pueda efectuar búsquedas a una

mayor velocidad.

Porque permite que el área de diseño UX/UI pueda lograr una

forma de visualizar la información mediante patrones
secuenciales y de tiempo.

SUBMIT
Bibliografía de referencia

Elmasri, R. y Shamkant, N. B. (2007). Fundamentos de Sistemas de Bases de Datos. Quinta Edición.

Editorial Pearson.

Microsoft (2010). PowerPoint.

C O NT I NU A R
10 14

9.1 Concepto y características

Esta unidad aborda la representación del conocimiento obtenido de la minería de datos. Es muy importante tomar en
consideración que la representación clara y concisa del conocimiento, le permite una mejor interpretación a los
usuarios que operan con ella, favoreciendo la toma de decisiones. Un análisis complejo como lo realizado en la
unidad anterior, arroja resultados que podrían no ser apreciados correctamente, dada la cantidad de información y las
comparaciones realizadas. Las técnicas de representación favorecen notoriamente esta cuestión, colocando a la vista
esas relaciones y situaciones inusuales, que permiten ser abordadas de manera inmediata.

Las unidades anteriores de este tercer módulo abordaron los conceptos de Almacén y Minería de datos,
comprendiendo la importancia de la información y su posterior análisis para el descubrimiento de conocimiento. Una
vez que se realiza el proceso mencionado, el conocimiento se debe representar de manera tal que los usuarios puedan
utilizarlo en la toma de decisiones. Esta última unidad recorre algunas técnicas de representación del conocimiento
de manera superficial, para comprender la finalidad de las herramientas de análisis inteligente de la información.

Por último, esta unidad presenta la herramienta Prezi, que permitirá diseñar presentaciones dinámicas con un impacto
visual muy superior a lo trabajado en unidades anteriores. Este tipo de presentaciones enriquecen la exposición de los
diferentes procesos, siempre teniendo en cuenta las consideraciones generales para el armado.

Existen muchas herramientas gratuitas que brindan información general abierta, con el objetivo de que los usuarios
tomen conocimiento de ella, y en algunos casos, puedan utilizarla. Así como se trabajó en el capítulo de seguridad el
concepto de información sensible, en la búsqueda inteligente de información sucede algo similar. La información que
se maneja debe ser de carácter general y no particular, evitando información privada que pueda afectar a los usuarios.

Por otra parte, hay que considerar que el descubrimiento de conocimiento “útil”, está muy vinculado a los procesos
anteriores como la búsqueda, selección y enriquecimiento de los datos. Es por ello, que si bien las etapas se
encuentran divididas, el objetivo es común y todas son dependientes. Siempre hay que considerar que el sistema no
toma las decisiones, sino que aporta el conocimiento generado de los procesos, para que el usuario lo haga.

En esta unidad, encontrarán un material que profundiza los conceptos antes mencionados, incorporando unos breves
ejemplos de técnicas de representación de los datos. Existen numerosas técnicas, pero nos abocaremos en las más
sencillas y fáciles de interpretar, con el objetivo de comprender el porqué de estos procesos de inteligencia y
aprovechamiento de la información.

Por último, encontrarán una guía básica para la creación de una cuenta gratuita en Prezi, que les permitirá crear
presentaciones dinámicas con un impacto visual muy positivo. El archivo tutorial será acompañado por un video que
explica cómo desarrollar una breve presentación. De esta manera podrán realizar la actividad de la unidad.

El módulo realizó un trayecto que persigue el descubrimiento del conocimiento, tomando en consideración que las
etapas están separadas, pero estrechamente vinculadas. En la actualidad, el análisis inteligente de los datos toma cada
vez más fuerza y será aún mayor con el correr de los años. Las empresas buscan sacar provecho para optimizar todos
los procesos.
La minería de datos realiza diversos procesos en la búsqueda de patrones y reglas, utilizando para tal n a los
almacenes. Una vez realizados los procesos, hay que trabajar en el último aspecto que es la presentación del
conocimiento que se generó a raíz del análisis de la información. Es por ello, que se busca representar el
conocimiento de manera comprensible para el usuario, que lo utilizará para el apoyo a la toma de decisiones. La
buena visualización de los datos favorece la interpretación del conocimiento para trabajar sobre ello.

Para tal n, este material presenta algunas técnicas sencillas de representación del conocimiento, para comprender de
manera superficial la visualización y su importancia.

C O NT I NU A R
11 14

9.2 La vinculación entre las pantallas y particiones

Como se adelantó, la importancia de la representación del conocimiento es esencial para el apoyo a la toma de
decisiones. Es frecuente escuchar la frase “Es importante el producto, pero aún más su presentación”. La
presentación se vuelve un eje fundamental en todo proceso, ya que una mala impresión inicial, puede arrojar por la
borda cualquier proyecto por más valioso que sea. Ante esta situación, se realiza un trabajo intenso sobre la
representación de cualquier proceso, incluyendo no solamente el impacto que producirá lo representado, sino que a
su vez, analizando el público receptor, para mejorar el impacto de lo que se expondrá.

La visualización del conocimiento luego de aplicar la minería de datos, no queda exenta de la representación. Los
resultados que se arrojen tendrán que ser expuestos de manera sencilla, generando en el usuario receptor la
amigabilidad necesaria para realizar el análisis correspondiente. La comunicación visual es la más utilizada en la
actualidad, por lo tanto, se trabaja en ella para el aprovechamiento del análisis realizado.
 1

Actualmente, el big data o minería de datos es muy utilizado por las empresas, obteniendo información
muy valiosa de los procesos para optimizar procesos, búsqueda de nuevos clientes, comportamientos en
secuencia, etc.
 2

Un ejemplo muy destacado son los bancos, que trabajan el conocimiento para mejorar sus productos y
captar más clientes, en un mercado cada vez más competitivo.

C O NT I NU A R
12 14

9.3 Técnicas de representación

Existen numerosas técnicas para la representación del conocimiento y de diferente grado de dificultad e
interpretación. Entre las más sencillas se encuentran las siguientes:

Tablas
En las mismas se representan los datos según la agrupación que se considere (variables a utilizar), permitiendo
obtener conocimiento para el apoyo a la toma de decisiones.

Tabla I. Artículos por cuatrimestre. Elaboración propia.

En el ejemplo que se observa en la tabla I, se trabajan dos variables: artículos y cuatrimestres, que son acompañadas
por un valor de representación a medir: la cantidad vendida. Este tipo de representación sencilla permite observar
tendencias de artículos en los diferentes períodos y trabajar en ello en búsqueda de mejoras. Información que se
obtiene de este pequeño ejemplo:

El artículo 1 tiene un pico en el segundo cuatrimestre y tiene un tercero muy bajo.

El artículo 2 es estable y tiene un rendimiento parejo durante todo el año.

El artículo 3 mantiene líneas muy bajas de ventas y tiene un cierre aceptable en el último período.

Árboles de decisión
Los árboles nos permiten generar una estructura jerárquica de decisiones, en el cual se detectan patrones por
categorización. En el ejemplo del esquema I se observa el árbol dónde se realiza tanto en el nivel raíz como en los
internos, una determinada pregunta que permite orientar el camino a tomar. Los árboles son muy útiles para este tipo
de patrones muy marcados.

SI
 Esquema I. Árbol de decisión. Elaboración propia.

Redes Semánticas
Otra de las técnicas sencillas de representación son las redes semánticas. A través de la misma, podemos localizar
valores que están muy vinculados para trabajar sobre ellos. En el esquema II se encuentra un ejemplo de almacén y
minería de datos, en este caso ambos trabajan sobre la información y es un nodo en común. Dicha red es muy
utilizada para localizar vinculaciones entre variables o valores.

Esquema II. Redes semánticas. Elaboración propia.

Gráficos lineales
La gráca lineal nos permite observar tendencias entre diferentes variables junto a sus valores, obteniendo una visión
clara de la información analizada. Esto permite el apoyo a la toma de decisiones mediante una representación sencilla
de tendencias. El siguiente gráfico muestra un ejemplo de esto.
 Gráfico 1. Artículos y cantidades (representadas por unidades de millar). Elaboración propia.

La gráfica lineal puede ser otra representación de los datos de una tabla. Dependiendo el usuario, se puede escoger
representación o utilizar ambas.

Grácos de dispersión
La dispersión tiene como finalidad observar la agrupación de los datos analizados, encontrando una o varias
tendencias. El impacto visual que genera la técnica permite una fácil detección de las zonas y agrupamientos.
 Gráfico 2. Distribución de valores. Elaboración propia.

En la gráfica podemos observar tres grupos bien definidos, los cuales deberán ser analizados por el usuario para la
toma de decisiones.

Material de Lectura

Te invitamos a revisar el siguiente recurso que brinda información sobre la impresión en 3D, maquetas y prototipos.

Impresión 3D. Maquetas y prototipos..pdf

1.7 MB

Domínguez, I. A.; Romero, L.; Espinosa, M. M. y Domínguez, M. (2013). Impresión 3D de maquetas y prototips de arquitectura y

construcción. En Revista de la Construcción. Volumen 12, nro. 12, pp. 39-53.

C O NT I NU A R
13 14

9.4 Práctica sobre la aplicación en línea Prezi

Prezi tiene como finalidad la creación de presentaciones dinámicas, que permiten facilitar y enriquecer las
presentaciones.

En esta pequeña guía, se especifican los pasos para la creación de una cuenta. A partir de allí, con la ayuda del
tutorial, podrán generar una presentación de prueba.

Alta de cuenta

Se accede al navegador y se coloca la siguiente URL: https://prezi.com/

Luego accedemos al botón “Comienza”.

Figura 1. Sección “Comienza” en Prezi. Elaboración propia.

Dentro de la opción, se encuentran las posibilidades de cuenta. Dentro de ellas existen cuentas Pro/Plus que
brindan más herramientas y tienen un costo. En este caso, nos dirigimos a la solapa izquierda (Basic) y
generamos una gratis (primera opción).

Figura 2. Tipos de cuentas en Prezi. Elaboración propia.

Luego de acceder, Prezi solicita nombre, apellido, correo y contraseña. Asimismo, brinda la posibilidad de
utilizar una cuenta LinkedIn o de Facebook.

Figura 3. Creación de cuenta en Prezi. Elaboración propia.

Una vez generada la cuenta, la web indica que la cuenta ya se encuentra creada, por lo tanto, se puede acceder
desde la parte superior, con el botón “Entra”. En el acceso, nos solicita correo y contraseña, o la utilización de la
cuenta de LinkedIn o Facebook que se ha utilizado.

Figura 4. Logueo en Prezi. Elaboración propia.

Tutorial Prezi

Video sobre la utilización de la aplicación Prezi.

We detected a high number of errors from your

connection. To continue, please confirm that you're a
human (and not a spambot).

I'm not a robot

reCAPTCHA
Privacy - Terms

Code: MW-RL
Client IP: 206.189.65.188
Marque la opción correcta. ¿Qué tipo de representación del conocimiento nos
permite generar una estructura jerárquica según patrones de categorización?

Tablas

Gráficos de dispersión

Árboles de decisión

Redes semánticas
 Gráficos lineales

SUBMIT

Bibliografía de referencia

Elmasri, R. y Shamkant, N. B. (2007). Fundamentos de Sistemas de Bases de Datos. Quinta Edición.

Editorial Pearson.

Microsoft (2010). Microsoft Word.

Prezi Inc (2018). Prezi.

Bibliografía de lectura obligatoria

Comalat-Navarra, M. (2015). Bibliotecas públicas e impresoras 3D: el debate está servido. En El

profesional de la información, vol. 24, nro. 2, pp. 185-192.

C O NT I NU A R
14 14

Descarga del contenido

¿Quieres imprimir el contenido del módulo?

Para descargar el contenido del módulo, e imprimirlo, haz clic en el archivo que se encuentra a continuación.