Metodología para Procesos de Inteligencia de Negocios con mejoras en la extracción y transformación de fuentes de Datos

  1. Morales Cardoso, Santiago Leonardo 1
  2. Morales Morales, Mario Raúl 1
  3. Rizo Adelgher, Ramon 2
  1. 1 Universidad Central del Ecuador
    info

    Universidad Central del Ecuador

    Quito, Ecuador

    ROR https://ror.org/010n0x685

  2. 2 Universitat d'Alacant
    info

    Universitat d'Alacant

    Alicante, España

    ROR https://ror.org/05t8bcz72

Revista:
Revista Publicando

ISSN: 1390-9304

Año de publicación: 2017

Volumen: 4

Número: 11

Páginas: 107-119

Tipo: Artículo

DIALNET GOOGLE SCHOLAR

Otras publicaciones en: Revista Publicando

Resumen

El hecho de no tener claro un método para ser eficiente en la búsqueda de decisiones en inteligencia de negocios generan altos costos en el uso de recursos por lo cual la ciencia de la computación llegó a solventar esta problemática mediante una rama de la misma que es la inteligencia artificial y en un sub campo como es el Aprendizaje Automático (A-A). En el presente trabajo se va a definir una metodología llamada M3S de IN, en la cual se determina un procedimiento adecuado a seguir para tener los mejores resultados en la extracción de Información, para obtener mayor conocimiento y valor en la información; a su vez dicha metodología se sustentara en el algoritmo ID3 de árboles de decisión el cual se fundamenta de conceptos matemáticos como son la entropía y ganancia de información dentro del análisis de los mejores atributos que se pueden considerar para toma de decisiones.

Referencias bibliográficas

  • Sempere, J. (2014). Aprendizaje de árboles de decisión. Universidad Politécnica de Valencia, Valencia.
  • J.R. Quinlan (1973, 1986): Método ID3
  • García López, D. A. (2007). Algoritmo de discretización de series tiempo basado en entropía y su aplicación en datos colposcópicos.
  • Mitchell, T. (1997). Machine Learning, McGraw Hill.
  • Pyle, D. (2003). Business modeling and data mining. Morgan Kaufmann Publishers.
  • Rafael, M. (2015). 11. Últimas aportaciones del marketing | marketing- xxi.com. Retrieved August 10, 2016, from http://www.marketing- xxi.com/ultimos-25-anos-de-marketing-en-espana-11.htm
  • Rivadera, G. R. (2010). La metodología de Kimball para el diseño de almacenes de datos ( Data warehouses ), 56–71.
  • Rodallegas Ramos Erika, Torres González Areli ,. Gaona Couto Beatriz B,
  • Gastelloú Hernández Erick, Lezama Morale Rafael As, V. O. S. (2010). Minería de datos: predicción de la deserción escolar mediante el algoritmo de árboles de decisión y el algoritmo de los k vecinos más cercanos. Recursos Digitales. Retrieved from http://ccita2010.utmetropolitana.edu.mx/recursos/Recursos_digitales.pdf#pa ge=34
  • Lior Rokach and Oded Maimon (2008). Data mining with decision trees: theory and applications. World Scientific.
Fuente de los datos: Dialnet