Plan de implementación de tecnologías Big Data para la optimización de estrategias comerciales y de segmentación
La analítica de datos masivos ha disparado las iniciativas hacia la implementación de aplicaciones de Big Data en muchas organizaciones de todos los sectores económicos del país. La planeación y despliegue de estrategias comerciales exitosas, procesos adecuados de segmentación de clientes, implement...
- Autores:
-
Carrillo Álvarez, Francisco
- Tipo de recurso:
- Fecha de publicación:
- 2016
- Institución:
- Universidad Autónoma de Bucaramanga - UNAB
- Repositorio:
- Repositorio UNAB
- Idioma:
- spa
- OAI Identifier:
- oai:repository.unab.edu.co:20.500.12749/3369
- Acceso en línea:
- http://hdl.handle.net/20.500.12749/3369
- Palabra clave:
- Systems engineering
Software management
Software application
Software development
Education
New technologies
Technological innovations
Investigations
Teaching
Commercial strategies
Printed newspapers
Architecture
Technological innovation
Segmentation
Information sources
Ingeniería de sistemas
Gestión de software
Aplicación de software
Desarrollo de software
Educación
Nuevas tecnologías
Innovaciones tecnológicas
Investigaciones
Enseñanza
Big Data
Estrategias comerciales
Periódicos impresos
Arquitectura
Innovación tecnológica
Segmentación
Fuentes de información
- Rights
- openAccess
- License
- http://creativecommons.org/licenses/by-nc-nd/2.5/co/
| id |
UNAB2_a5ad280439dddf4f76f3f1e6d89f7a39 |
|---|---|
| oai_identifier_str |
oai:repository.unab.edu.co:20.500.12749/3369 |
| network_acronym_str |
UNAB2 |
| network_name_str |
Repositorio UNAB |
| repository_id_str |
|
| dc.title.spa.fl_str_mv |
Plan de implementación de tecnologías Big Data para la optimización de estrategias comerciales y de segmentación |
| dc.title.translated.eng.fl_str_mv |
Big Data technology implementation plan for the optimization of commercial and segmentation strategies |
| title |
Plan de implementación de tecnologías Big Data para la optimización de estrategias comerciales y de segmentación |
| spellingShingle |
Plan de implementación de tecnologías Big Data para la optimización de estrategias comerciales y de segmentación Systems engineering Software management Software application Software development Education New technologies Technological innovations Investigations Teaching Commercial strategies Printed newspapers Architecture Technological innovation Segmentation Information sources Ingeniería de sistemas Gestión de software Aplicación de software Desarrollo de software Educación Nuevas tecnologías Innovaciones tecnológicas Investigaciones Enseñanza Big Data Estrategias comerciales Periódicos impresos Arquitectura Innovación tecnológica Segmentación Fuentes de información |
| title_short |
Plan de implementación de tecnologías Big Data para la optimización de estrategias comerciales y de segmentación |
| title_full |
Plan de implementación de tecnologías Big Data para la optimización de estrategias comerciales y de segmentación |
| title_fullStr |
Plan de implementación de tecnologías Big Data para la optimización de estrategias comerciales y de segmentación |
| title_full_unstemmed |
Plan de implementación de tecnologías Big Data para la optimización de estrategias comerciales y de segmentación |
| title_sort |
Plan de implementación de tecnologías Big Data para la optimización de estrategias comerciales y de segmentación |
| dc.creator.fl_str_mv |
Carrillo Álvarez, Francisco |
| dc.contributor.advisor.spa.fl_str_mv |
Pajarito Grajales, Diego Fabián Calderón Benavides, Maritza Liliana |
| dc.contributor.author.spa.fl_str_mv |
Carrillo Álvarez, Francisco |
| dc.contributor.cvlac.*.fl_str_mv |
https://scienti.minciencias.gov.co/cvlac/visualizador/generarCurriculoCv.do?cod_rh=0000068900 |
| dc.contributor.googlescholar.*.fl_str_mv |
https://scholar.google.es/citations?hl=es&user=XihGBWoAAAAJ |
| dc.contributor.scopus.*.fl_str_mv |
https://www.scopus.com/authid/detail.uri?authorId=15043558200 |
| dc.contributor.researchgate.*.fl_str_mv |
https://www.researchgate.net/profile/Liliana_Calderon-Benavides |
| dc.subject.keywords.eng.fl_str_mv |
Systems engineering Software management Software application Software development Education New technologies Technological innovations Investigations Teaching Commercial strategies Printed newspapers Architecture Technological innovation Segmentation Information sources |
| topic |
Systems engineering Software management Software application Software development Education New technologies Technological innovations Investigations Teaching Commercial strategies Printed newspapers Architecture Technological innovation Segmentation Information sources Ingeniería de sistemas Gestión de software Aplicación de software Desarrollo de software Educación Nuevas tecnologías Innovaciones tecnológicas Investigaciones Enseñanza Big Data Estrategias comerciales Periódicos impresos Arquitectura Innovación tecnológica Segmentación Fuentes de información |
| dc.subject.lemb.spa.fl_str_mv |
Ingeniería de sistemas Gestión de software Aplicación de software Desarrollo de software Educación Nuevas tecnologías Innovaciones tecnológicas Investigaciones Enseñanza |
| dc.subject.proposal.none.fl_str_mv |
Big Data Estrategias comerciales Periódicos impresos Arquitectura Innovación tecnológica Segmentación Fuentes de información |
| description |
La analítica de datos masivos ha disparado las iniciativas hacia la implementación de aplicaciones de Big Data en muchas organizaciones de todos los sectores económicos del país. La planeación y despliegue de estrategias comerciales exitosas, procesos adecuados de segmentación de clientes, implementación de políticas de fidelización, gestión del conocimiento y la unificación de la información son algunos de los aspectos más relevantes para empresas que buscan mejorar su desempeño comercial a través de la explotación de su activo más importante – la información-. Los medios impresos, por su naturaleza, son constantemente llamados a implementar herramientas que le permitan mejorar no solo el conocimiento del cliente sino sus procesos de gestión de información. En el presente estudio se hace una revisión de las necesidades de adopción de nuevas fuentes de información en procesos de venta, transformación y unificación de las diferentes fuentes de datos existentes en la empresa, se plantea una arquitectura tecnológica que soporte dichos cambios basada en la implementación de tecnologías Big Data, modelos de procesos de unificación de la información y de ventas, y a su vez se propone un plan de implementación que brinde a Vanguardia Liberal las fortalezas necesarias para afrontar procesos de analítica de datos masivos en el sector de los medios impresos. |
| publishDate |
2016 |
| dc.date.issued.none.fl_str_mv |
2016-06-20 |
| dc.date.accessioned.none.fl_str_mv |
2020-06-26T21:33:15Z |
| dc.date.available.none.fl_str_mv |
2020-06-26T21:33:15Z |
| dc.type.driver.none.fl_str_mv |
info:eu-repo/semantics/masterThesis |
| dc.type.local.spa.fl_str_mv |
Tesis |
| dc.type.redcol.none.fl_str_mv |
http://purl.org/redcol/resource_type/TM |
| dc.identifier.uri.none.fl_str_mv |
http://hdl.handle.net/20.500.12749/3369 |
| dc.identifier.instname.spa.fl_str_mv |
instname:Universidad Autónoma de Bucaramanga - UNAB |
| dc.identifier.reponame.spa.fl_str_mv |
reponame:Repositorio Institucional UNAB |
| url |
http://hdl.handle.net/20.500.12749/3369 |
| identifier_str_mv |
instname:Universidad Autónoma de Bucaramanga - UNAB reponame:Repositorio Institucional UNAB |
| dc.language.iso.spa.fl_str_mv |
spa |
| language |
spa |
| dc.relation.references.spa.fl_str_mv |
Carrillo Álvarez, Francisco (2016). Plan de implementación de tecnologías BIG DATA para la optimización de estrategias comerciales y de segmentación. Bucaramanga (Colombia) : Universidad Autónoma de Bucaramanga UNAB 5 ventajas de la Inteligencia de Negocios. (s. f.). Recuperado 15 de junio de 2016, a partir de http://mprende.co/gesti%C3%B3n/5-ventajas-de-la-inteligencia-de-negocios Acerca de Gartner. (s. f.). Recuperado 15 de junio de 2016, a partir de http://www.gartner.com/technology/about.jsp Acosta Medellín, J. N., & Florez Lara, D. H. (2015). Diseño e implementación de prototipo BI utilizando una herramienta de Big Data para empresas Pymes distribuidoras de tecnología. Recuperado a partir de http://repository.ucatolica.edu.co:8080/xmlui/handle/10983/2543 Apache Mahout: Scalable machine learning and data mining. (s. f.). Recuperado 6 de mayo de 2016, a partir de http://mahout.apache.org/ Apache SparkTM - Lightning-Fast Cluster Computing. (s. f.). Recuperado 21 de febrero de 2016, a partir de https://spark.apache.org/ Arana, E., & Hernan, J. (2015). Plan de marketing para la empresa comercial Jácome”, cantón Quevedo, año 2015. Recuperado a partir de http://repositorio.uteq.edu.ec/handle/43000/661 Ardila Cañas, E., & Gómez Díaz, I. C. (2015). Estrategias para la gestión de grandes volúmenes de datos por medio de big data en el contexto de la analítica de negocios: caso MVM ingeniería de software SAS. Recuperado a partir de http://bibliotecadigital.usbcali.edu.co:8080/jspui/handle/10819/2702 AWS | Análisis de Big Data y almacenamiento en la nube. (s. f.). Recuperado 2 de junio de 2016, a partir de //aws.amazon.com/es/big-data/ AWS | Elastic mapreduce (EMR) para el procesamiento rápido de datos. (s. f.). Recuperado 4 de mayo de 2016, a partir de //aws.amazon.com/es/elasticmapreduce/ AWS | Servicio de base de datos gestionada NoSQL (DynamoDB). (s. f.). Recuperado 4 de mayo de 2016, a partir de //aws.amazon.com/es/dynamodb/ AWS | Solución de almacenamiento y análisis de datos en la nube. (s. f.). Recuperado 4 de mayo de 2016, a partir de //aws.amazon.com/es/redshift/ Ayelo, E., & Alberto, S. (2015). Big data como mejora competitiva para la gestión de la información en la agricultura argentina. Recuperado a partir de http://repositorio.udesa.edu.ar/jspui/handle/10908/10919 Big Data Analytics & Hadoop Services from Teradata. (s. f.). Recuperado 7 de mayo de 2016, a partir de http://www.teradata.com.es/services/big-analytics-and-hadoop-services/?ICID=mainnav&LangType=1034&LangSelect=true#tabbable=0&tab1=0&tab2=0 Big Data Appliance | Oracle España. (s. f.). Recuperado 2 de junio de 2016, a partir de https://www.oracle.com/es/engineered-systems/big-data-appliance/index.html Big data de código abierto para el impaciente, Parte 1: Tutorial Hadoop: Hello World con Java, Pig, Hive, Flume, Fuse, Oozie, y Sqoop con Informix, DB2, y MySQL. (2013, mayo 20). [CT316]. Recuperado 20 de febrero de 2016, a partir de https://www.ibm.com/developerworks/ssa/data/library/techarticle/dm-1209hadoopbigdata/ Cloudera, © 2016, comerciales, I. T. los derechos reservados A. H. y los nombres de los proyectos de código abierto relacionados son marcas comerciales de A. S. F. P. ver una lista completa de las marcas, & Aquí, H. C. (s. f.). Cloudera. Recuperado 2 de junio de 2016, a partir de http://es.cloudera.com/ Cloudera, © 2016, Hadoop, I. A. rights reserved A., trademarks, associated open source project names are trademarks of the A. S. F. F. a complete list of, & Here, C. (s. f.). Why Cloudera. Recuperado 4 de mayo de 2016, a partir de http://es.cloudera.com/ Comparativa y diferencias entre las herramientas de Business Intelligence Pentaho y Qlikview. (s. f.). Recuperado 14 de mayo de 2016, a partir de http://www.buyto.es/general-business-intelligence/comparativa-y-diferencias-entre-pentaho-y-qlikview Contel Rico, B. (2011). Desarrollo de una solución business intelligence en una empresa del sector de alimentación. Recuperado a partir de https://riunet.upv.es/handle/10251/9127 Coronel, C. (2011). Bases de Datos, Diseño, Implementacion y Administracion. Cengage Learning Editores Cuadrante Mágico para Data Warehouse y Data Management Solutions para Analytics. (s. f.). Recuperado 6 de mayo de 2016, a partir de https://www.gartner.com/doc/reprints?id=1-2ZSVG83&ct=160229&st=sb&mkt_tok=eyJpIjoiWVRGaFpUbGhNMlk1WVdaaCIsInQiOiJzSktMOWhCSUY3czRcL1Z4N01lTW0zVjJjNlg4aTdaM3hRYk9NN2t4UG9GSmpCRDF0ajJKc253bWY5N3E5NGNmS3NCajFUcWlscHhCTDRBTHdIYWxUSk5NUE41RjB6M3VDNXAwdTNvUktuUEE9In0%253D Data, C. B. (2015). Conociendo Big Data. Revista Facultad de Ingeniería (Fac. Ing.), 24(38), 63–77. Data Visualization & Analytics Software - TIBCO Spotfire. (s. f.). Recuperado 13 de mayo de 2016, a partir de http://spotfire.tibco.com/ Data Warehousing in the Age of Big Data, 1st Edition | Krish Krishnan | ISBN 9780124059207. (s. f.). Recuperado 17 de junio de 2016, a partir de http://store.elsevier.com/Data-Warehousing-in-the-Age-of-Big-Data/Krish-Krishnan/isbn-9780124059207/ Desarrollo Pentaho - Intryo. (s. f.). Recuperado 14 de mayo de 2016, a partir de http://www.intryo.com/pentaho Dresner Advisory Services - Home of Business Intelligence and the Wisdom of Crowds ® Market Research. (s. f.). Recuperado 16 de junio de 2016, a partir de http://dresneradvisory.com/ El Proyecto Apache Cassandra. (s. f.). Recuperado 5 de mayo de 2016, a partir de http://cassandra.apache.org/ Ferrer-Sapena, A., & Sánchez-Pérez, E. (2013). Open data, big data:?` hacia dónde nos dirigimos? Anuario ThinkEPI 2013, 7, 150–156 Ferri, C., Ramírez, Q. M. J., & Hernández, O. J. (2004). Introducción a la minería de datos. Editorial Prentice Hall, España. Forrester : Welcome. (s. f.). Recuperado 16 de junio de 2016, a partir de https://www.forrester.com/home Garcés Uquillas, M. B. (2015). Estudio comparativo de metodologías e implementación de alternativas business intelligence opensource vs. propietarias en entornos tradicionales; caso prototipo en las pymes en el sector agroindustrial. Recuperado a partir de http://dspace.udla.edu.ec/handle/33000/2660 García, J. H. M. (2010). La Inteligencia De Negocios Como Herramienta Para La Toma De Decisiones Estratégicas En Las Empresas. Análisis De Su Aplicabilidad En El Contexto Corporativo Colombiano. Recuperado a partir de http://www.docentes.unal.edu.co/hrumana/docs/TESIS_JHMG_Inteligencia_de_Negocios_2010.pdf Gartner BI. (s. f.). Recuperado 6 de mayo de 2016, a partir de https://www.gartner.com/doc/reprints?id=1-2XXET8P&ct=160204&st=sb Google. (s. f.). What is BigQuery? Recuperado 4 de mayo de 2016, a partir de https://cloud.google.com/bigquery/what-is-bigquery Goyzueta Rivera, S. I. (2015). Big Data Marketing: una aproximación. Revista Perspectivas, (35), 147–158. Guerrero López, F. A., Rodríguez Pinilla, J. E., & others. (2014). Diseño y desarrollo de una guía para la implementación de un ambiente Big Data en la Universidad Católica de Colombia. Recuperado a partir de http://repository.ucatolica.edu.co/jspui/handle/10983/1320 Guevara, S., & Antonio, O. (2015). Modelo de inteligencia de negocio para la toma de decisiones en la empresa San Roque S.A. Tesis digitales - UPAO. Recuperado a partir de http://repositorio.upao.edu.pe/handle/upaorep/794 Guided Analytics | Business Intelligence Software | QlikView. (s. f.). Recuperado 5 de mayo de 2016, a partir de http://www.qlik.com/products/qlikview Gutiérrez, J. A. T., Acebrón, L. B., & Casielles, R. V. (2005). Investigación de mercados: métodos de recogida y análisis de la información para la toma de decisiones en marketing. Editorial Paraninfo. Hadoop - IBM - Apache Hadoop Open Source Software Project. (2016-05-04). Recuperado 4 de mayo de 2016, a partir de http://www.ibm.com/analytics/us/en/technology/hadoop Hadoop Summit: la seguridad un reto de Big Data según Hortonworks. (s. f.). Recuperado 6 de mayo de 2016, a partir de http://www.revistabyte.es/actualidad-byte/seguridad-principal-reto-de-big-data/ Hortonworks: Open and Connected Data Platforms. (s. f.). Recuperado 2 de junio de 2016, a partir de http://hortonworks.com/ IBM - Colombia. (2016, mayo 16). Recuperado 16 de junio de 2016, a partir de https://www.ibm.com/co-es/ IBM adquiere Cloudant. (2014, febrero 24). [CTB10]. Recuperado 5 de mayo de 2016, a partir de https://www-03.ibm.com/press/mx/es/pressrelease/43317.wss IBM - InfoSphere Information Server - Data Integration, Information Integration - Overview. (s. f.). Recuperado 4 de mayo de 2016, a partir de http://www-01.ibm.com/software/data/integration/info_server IBM Analytics - Stream Computing. (2015, julio 3). [ct000]. Recuperado 4 de mayo de 2016, a partir de http://www.ibm.com/analytics/us/en/technology/stream-computing IBM DB2 for Linux, Unix and Windows – Database software – IBM Analytics. (2016, marzo 17). Recuperado 4 de mayo de 2016, a partir de https://www.ibm.com/analytics/us/en/technology/db2/db2-linux-unix-windows.html IBM PureData System - Analytics - System. (s. f.). Recuperado 4 de mayo de 2016, a partir de http://www-01.ibm.com/software/data/puredata/analytics/index.html IBM SPSS - IBM Analytics. (2016, marzo 17). Recuperado 6 de mayo de 2016, a partir de http://www.ibm.com/analytics/us/en/technology/spss/ IBM Watson Explorer. (s. f.). [CT004]. Recuperado 4 de mayo de 2016, a partir de http://www.ibm.com/smarterplanet/us/en/ibmwatson/explorer.html Inteligencia Operacional, Administración de registros, Administración de aplicaciones, Seguridad y cumplimiento de empresa. (s. f.). Recuperado 4 de mayo de 2016, a partir de http://www.splunk.com/es_es Is Big Data Still a Thing? (The 2016 Big Data Landscape). (2016, febrero 1). Recuperado 2 de mayo de 2016, a partir de http://mattturck.com/2016/02/01/big-data-landscape/ Las bases de datos NoSQL. (s. f.). Recuperado 15 de junio de 2016, a partir de http://nosql-database.org/ Lawrence, P. S. (2002). Ingeniería de Software, Teoría y Práctica. Editorial Prentice Hall. Primera edición. ISBN, 987–9460. López García, D. (2013). Análisis de las posiblidades de uso de Big Data en las organizaciones. Recuperado a partir de http://repositorio.unican.es/xmlui/handle/10902/4528 MapR: Plataforma de datos convergente. (s. f.). Recuperado 5 de mayo de 2016, a partir de https://www.mapr.com/ Más de 500 mil usuarios únicos de 45 mil empresas en 185 países ayudaron a darle forma al nuevo Power BI | News Center Latinoamérica. (s. f.). Recuperado a partir de https://news.microsoft.com/es-xl/mas-de-500-mil-usuarios-unicos-de-45-mil-empresas-en-185-paises-ayudaron-a-darle-forma-al-nuevo-power-bi/#sm.001k62cxz12ptdj1thb19crn2ff24 Microsoft: página principal. (s. f.). Recuperado 16 de junio de 2016, a partir de https://www.microsoft.com/es-co/ MLlib | Spark Apache. (s. f.). Recuperado 6 de mayo de 2016, a partir de http://spark.apache.org/mllib/ Morales, G., & Carolina, S. (2015). Estudio Comparativo de Métodos Existentes para Integrar la Información Estructurada y no Estructurada de una Industria Enfocado en la Generación de Conocimiento, Desde la Perspectiva de una Solución Integral de Big Data. Recuperado a partir de http://dspace.udla.edu.ec/handle/33000/3385 PSPP. (s. f.). Recuperado 6 de mayo de 2016, a partir de http://www.gnu.org/software/pspp/ Pentaho | Data Integration and Business Analytics Platform for Big Data Deployments. (s. f.). Recuperado 5 de mayo de 2016, a partir de http://www.pentaho.com/homepage/homepage Power BI | Herramientas de BI para la visualización de datos interactivos. (s. f.). Recuperado 13 de mayo de 2016, a partir de https://powerbi.microsoft.com/es-es/ Reinventando la gestión de datos. (s. f.). Recuperado 16 de junio de 2016, a partir de https://www.mongodb.com/dynamic/node Rodriguez, J. S., & Valverde, E. L. (s. f.). Big Data Analytics: propuesta de una arquitectura. Recuperado a partir de http://bb9.ulacit.ac.cr/tesinas/publicaciones/043235.pdf Romero Albarracín, D. L., Vargas López, C. A., Rojas Cordero, A., & Director. (2016, febrero 25). Diseño de prototipo para la implementación de un sistema Big Data (Thesis). Recuperado a partir de http://alejandria.poligran.edu.co/handle/10823/788 Sabater Picañol, J. (2013). Big Data. Recuperado a partir de http://upcommons.upc.edu/handle/2099.1/20144 SAS. (s. f.). Recuperado 16 de junio de 2016, a partir de http://www.sas.com/en_us/insights/big-data.html SelectHub. (2016, enero 6). Tableau vs QlikView vs Microsoft Power BI. Recuperado a partir de https://selecthub.com/business-intelligence/tableau-vs-qlikview-vs-microsoft-power-bi/ Serrat Morros, R. (2013). Big Data: análisis de herramientas y soluciones. Recuperado a partir de http://upcommons.upc.edu/handle/2099.1/19855 Silva Guerra, H. (2014). LOS EFECTOS DE LA IMAGEN, LOS SÍMBOLOS Y LOS HÁBITOS CULTURALES EN LA ACTITUD CONSUMISTA DEL NEGOCIO MINORISTA COLOMBIANO (Spanish). University of St. Gallen, Business Dissertations, 1-160. Software, P. (2015, febrero 13). Pivotal [text/html]. Recuperado 6 de mayo de 2016, a partir de http://pivotal.io/ de plataforma de análisis de big data en la nube – Haven OnDemand | HP® Colombia. (s. f.). Recuperado 4 de mayo de 2016, a partir de http://www8.hp.com/co/es/software-solutions/big-data-cloud-haven-ondemand/index.html Tableau Software. (s. f.). Recuperado 6 de mayo de 2016, a partir de http://www.tableau.com TensorFlow - una biblioteca de software de fuente abierta para la máquina de Inteligencia. (s. f.). Recuperado 27 de mayo de 2016, a partir de https://www.tensorflow.org/ The BI Survey 15, BARC’s annual report on the BI industry. (s. f.). Recuperado a partir de http://barc-research.com/bi-survey-15/ Un nuevo punto de Vista sobre Inteligencia de Negocios – Microsoft Power BI. (s. f.). Recuperado 14 de mayo de 2016, a partir de http://www.icsicorp.com.mx/index.php/news/113-un-nuevo-punto-de-vista-sobre-inteligencia-de-negocios-business-intelligence-bi-microsoft-power-bi Vega, J. J. C., Ortega, J. F. C., & Aguilar, L. J. (2015). Arquitectura Tecnológica Para Big Data. Revista Científica, 21. Recuperado a partir de http://revistas.udistrital.edu.co/ojs/index.php/revcie/article/view/8451 Virtualización de servidor con VMware vSphere | VMware Colombia. (s. f.). Recuperado 4 de mayo de 2016, a partir de http://www.vmware.com/co/products/vsphere/ Vivancos Vicente, P. J. (2016, enero 20). Plataforma inteligente de diseño para todos para control de teléfonos móviles mediante habla en lenguaje natural [info:eu-repo/semantics/doctoralThesis]. Recuperado 21 de febrero de 2016, a partir de https://digitum.um.es/xmlui/handle/10201/47541 Weka 3 - Data Mining with Open Source Machine Learning Software in Java. (s. f.). Recuperado 6 de mayo de 2016, a partir de http://www.cs.waikato.ac.nz/ml/weka Welcome to ApacheTM Hadoop®! (s. f.). Recuperado 5 de mayo de 2016, a partir de https://hadoop.apache.org Zeppelin. (s. f.). Recuperado 6 de mayo de 2016, a partir de https://zeppelin.incubator.apache.org/ |
| dc.rights.uri.*.fl_str_mv |
http://creativecommons.org/licenses/by-nc-nd/2.5/co/ |
| dc.rights.local.spa.fl_str_mv |
Abierto (Texto Completo) |
| dc.rights.accessrights.spa.fl_str_mv |
info:eu-repo/semantics/openAccess http://purl.org/coar/access_right/c_abf2 |
| dc.rights.creativecommons.*.fl_str_mv |
Atribución-NoComercial-SinDerivadas 2.5 Colombia |
| rights_invalid_str_mv |
http://creativecommons.org/licenses/by-nc-nd/2.5/co/ Abierto (Texto Completo) http://purl.org/coar/access_right/c_abf2 Atribución-NoComercial-SinDerivadas 2.5 Colombia |
| eu_rights_str_mv |
openAccess |
| dc.format.mimetype.spa.fl_str_mv |
application/pdf |
| dc.coverage.spa.fl_str_mv |
Bucaramanga (Colombia) |
| dc.publisher.grantor.spa.fl_str_mv |
Universidad Autónoma de Bucaramanga UNAB |
| dc.publisher.faculty.spa.fl_str_mv |
Facultad Ingeniería |
| dc.publisher.program.spa.fl_str_mv |
Maestría en Gestión, Aplicación y Desarrollo de Software |
| institution |
Universidad Autónoma de Bucaramanga - UNAB |
| bitstream.url.fl_str_mv |
https://repository.unab.edu.co/bitstream/20.500.12749/3369/1/2016_Tesis_Francisco_Carrillo_Alvarez.pdf https://repository.unab.edu.co/bitstream/20.500.12749/3369/2/2016_Articulo_Francisco_Carrillo_Alvarez.pdf https://repository.unab.edu.co/bitstream/20.500.12749/3369/3/2016_Impacto_Proyecto_Francisco_Carrillo_Alvarez.zip https://repository.unab.edu.co/bitstream/20.500.12749/3369/4/2016_Licencia_FranciscoCarrillo_Alvarez.pdf https://repository.unab.edu.co/bitstream/20.500.12749/3369/5/2016_Tesis_Francisco_Carrillo_Alvarez.pdf.jpg https://repository.unab.edu.co/bitstream/20.500.12749/3369/6/2016_Articulo_Francisco_Carrillo_Alvarez.pdf.jpg https://repository.unab.edu.co/bitstream/20.500.12749/3369/7/2016_Licencia_FranciscoCarrillo_Alvarez.pdf.jpg |
| bitstream.checksum.fl_str_mv |
8ec242852d51852e135a0206610a5559 eaf2451eb5cbdd85a36abe28303ec878 8a3cecf8a9a3df17f3bc47b2ed33a4f9 05d86e52f09e7367cca44de6f63e2efc 447203820f2d265addd102449a25810f 220e8528618a95867b9f954995cb2859 b086e145b9ae73d3236ed23f43aa9bca |
| bitstream.checksumAlgorithm.fl_str_mv |
MD5 MD5 MD5 MD5 MD5 MD5 MD5 |
| repository.name.fl_str_mv |
Repositorio Institucional | Universidad Autónoma de Bucaramanga - UNAB |
| repository.mail.fl_str_mv |
repositorio@unab.edu.co |
| _version_ |
1814278481724309504 |
| spelling |
Pajarito Grajales, Diego FabiánCalderón Benavides, Maritza LilianaCarrillo Álvarez, Franciscohttps://scienti.minciencias.gov.co/cvlac/visualizador/generarCurriculoCv.do?cod_rh=0000068900https://scholar.google.es/citations?hl=es&user=XihGBWoAAAAJhttps://www.scopus.com/authid/detail.uri?authorId=15043558200https://www.researchgate.net/profile/Liliana_Calderon-Benavides2020-06-26T21:33:15Z2020-06-26T21:33:15Z2016-06-20http://hdl.handle.net/20.500.12749/3369instname:Universidad Autónoma de Bucaramanga - UNABreponame:Repositorio Institucional UNABLa analítica de datos masivos ha disparado las iniciativas hacia la implementación de aplicaciones de Big Data en muchas organizaciones de todos los sectores económicos del país. La planeación y despliegue de estrategias comerciales exitosas, procesos adecuados de segmentación de clientes, implementación de políticas de fidelización, gestión del conocimiento y la unificación de la información son algunos de los aspectos más relevantes para empresas que buscan mejorar su desempeño comercial a través de la explotación de su activo más importante – la información-. Los medios impresos, por su naturaleza, son constantemente llamados a implementar herramientas que le permitan mejorar no solo el conocimiento del cliente sino sus procesos de gestión de información. En el presente estudio se hace una revisión de las necesidades de adopción de nuevas fuentes de información en procesos de venta, transformación y unificación de las diferentes fuentes de datos existentes en la empresa, se plantea una arquitectura tecnológica que soporte dichos cambios basada en la implementación de tecnologías Big Data, modelos de procesos de unificación de la información y de ventas, y a su vez se propone un plan de implementación que brinde a Vanguardia Liberal las fortalezas necesarias para afrontar procesos de analítica de datos masivos en el sector de los medios impresos.RESUMEN ............................................................................................................. 13 GLOSARIO ............................................................................................................ 14 INTRODUCCIÓN ................................................................................................... 17 1. MARCO METODOLÓGICO ............................................................................... 18 1.1 Planteamiento del Problema ............................................................................ 18 1.2 Justificación ..................................................................................................... 18 1.3 Pregunta De Investigación ............................................................................... 19 1.4 Objetivos De La Investigación .......................................................................... 19 1.4.1 Objetivo General ........................................................................................... 19 1.4.2 Objetivos Específicos .................................................................................... 20 1.5 Resultados Esperados ..................................................................................... 20 1.6 Metodología ..................................................................................................... 20 1.7 Etapas de la Investigación ............................................................................... 21 1.8 Actividades ....................................................................................................... 21 2. MARCO TEÓRICO ............................................................................................ 26 2.1 Big Data ........................................................................................................... 26 2.1.1 Las 3 “V” ....................................................................................................... 27 2.1.2 Tecnologías Big Data .................................................................................... 28 2.2 Cliente .............................................................................................................. 29 2.3 Estrategia ......................................................................................................... 30 2.4 Segmentación .................................................................................................. 30 2.5 Activos De Información .................................................................................... 31 3. DIAGNÓSTICO DEL ESTADO ACTUAL ........................................................... 33 3.1 Arquitectura ...................................................................................................... 33 3.1.1 Publicidad ..................................................................................................... 33 3.1.2 Circulación .................................................................................................... 34 3.1.3 Administración .............................................................................................. 36 3.1.4 Actores Externos ........................................................................................... 36 8 3.2 Procesos De Venta .......................................................................................... 37 3.2.1 Proceso de venta de publicidad .................................................................... 37 3.2.2 Proceso de Venta en servicio al Cliente ....................................................... 39 3.2.3 Proceso de venta suscripciones ................................................................... 40 3.2.4 Proceso de Validación de la información de los Actores externos ................ 41 4. IDENTIFICACIÓN DE REQUERIMIENTOS....................................................... 44 4.1 Encuesta .......................................................................................................... 44 4.1.1 Instrumento de recolección de la información ............................................... 44 4.2 Resultados ....................................................................................................... 46 4.3 Análisis de los resultados................................................................................. 46 4.4 Conclusiones de los Resultados ...................................................................... 48 5. TECNOLOGIAS BIG DATA ............................................................................... 50 5.1 Principales soluciones tecnológicas de Big Data ............................................. 50 5.2 Tipos de Soluciones Big Data .......................................................................... 54 5.2.1 Distribuciones ............................................................................................... 55 5.2.2 Appliance ...................................................................................................... 55 5.2.3 Cloud ............................................................................................................ 56 5.2.4 Comparación de Soluciones ......................................................................... 56 5.3 Recomendaciones Gartner 2016 ..................................................................... 59 5.3.1 Business Intelligence y Business Analytics ................................................... 59 5.3.2 Almacenamiento y gestión de bases de datos de Analytics ......................... 60 5.4 Evaluación Distribuciones ................................................................................ 61 5.5 Evaluación de Herramientas de Bussiness Intelligence. .................................. 65 5.6 Consideraciones Técnicas. .............................................................................. 69 6. ARQUITECTURA Y MODELOS PROPUESTOS ............................................... 71 6.1 Arquitectura de procesamiento de Big Data propuesta por Krishnan Krish. .... 71 6.2 Arquitectura de Big Data propuesta por Bob Marcus. ...................................... 73 6.3 Arquitectura de Big Data propuesta por Microsoft. .......................................... 75 6.4 Comparación de Arquitecturas Krishnan, Marcus y Microsoft.......................... 77 6.5 Arquitectura Propuesta .................................................................................... 79 6.6 Diagramas de Arquitecturas Propuestas ......................................................... 80 6.6.1 Diagrama de Arquitectura Deseado .............................................................. 81 6.6.2 Diagrama de Arquitectura Realizable ........................................................... 81 6.7 Modelos Propuestos ........................................................................................ 84 6.7.1 Modelo Integrador de Información ................................................................ 85 6.7.2 Modelo de Ventas unificado .......................................................................... 87 7. PLAN DE IMPLEMENTACIÓN .......................................................................... 91 7.1 Actividades ....................................................................................................... 91 7.2 Diagrama de Gantt ........................................................................................... 94 7.3 Discusión viabilidad técnica ............................................................................. 95 8. CONCLUSIONES .............................................................................................. 97 BIBLIOGRAFÍA ...................................................................................................... 99 ANEXOS .............................................................................................................. 109MaestríaBig data analytics has triggered initiatives towards the implementation of Big Data applications in many organizations in all economic sectors of the country. The planning and deployment of successful business strategies, adequate customer segmentation processes, implementation of loyalty policies, knowledge management and the unification of information are some of the most relevant aspects for companies seeking to improve their commercial performance through exploitation of its most important asset - information. Print media, by their nature, are constantly called upon to implement tools that allow them to improve not only customer knowledge but also their information management processes. In this study, a review is made of the needs for the adoption of new information sources in sales processes, transformation and unification of the different data sources existing in the company, a technological architecture that supports said changes based on implementation is proposed. of Big Data technologies, information unification and sales process models, and in turn an implementation plan is proposed that provides Vanguardia Liberal with the necessary strengths to face massive data analytics processes in the printed media sector.application/pdfspahttp://creativecommons.org/licenses/by-nc-nd/2.5/co/Abierto (Texto Completo)info:eu-repo/semantics/openAccesshttp://purl.org/coar/access_right/c_abf2Atribución-NoComercial-SinDerivadas 2.5 ColombiaPlan de implementación de tecnologías Big Data para la optimización de estrategias comerciales y de segmentaciónBig Data technology implementation plan for the optimization of commercial and segmentation strategiesMagíster en Gestión, aplicación y desarrollo de softwareBucaramanga (Colombia)Universidad Autónoma de Bucaramanga UNABFacultad IngenieríaMaestría en Gestión, Aplicación y Desarrollo de Softwareinfo:eu-repo/semantics/masterThesisTesishttp://purl.org/redcol/resource_type/TMSystems engineeringSoftware managementSoftware applicationSoftware developmentEducationNew technologiesTechnological innovationsInvestigationsTeachingCommercial strategiesPrinted newspapersArchitectureTechnological innovationSegmentationInformation sourcesIngeniería de sistemasGestión de softwareAplicación de softwareDesarrollo de softwareEducaciónNuevas tecnologíasInnovaciones tecnológicasInvestigacionesEnseñanzaBig DataEstrategias comercialesPeriódicos impresosArquitecturaInnovación tecnológicaSegmentaciónFuentes de informaciónCarrillo Álvarez, Francisco (2016). Plan de implementación de tecnologías BIG DATA para la optimización de estrategias comerciales y de segmentación. Bucaramanga (Colombia) : Universidad Autónoma de Bucaramanga UNAB5 ventajas de la Inteligencia de Negocios. (s. f.). Recuperado 15 de junio de 2016, a partir de http://mprende.co/gesti%C3%B3n/5-ventajas-de-la-inteligencia-de-negociosAcerca de Gartner. (s. f.). Recuperado 15 de junio de 2016, a partir de http://www.gartner.com/technology/about.jspAcosta Medellín, J. N., & Florez Lara, D. H. (2015). Diseño e implementación de prototipo BI utilizando una herramienta de Big Data para empresas Pymes distribuidoras de tecnología. Recuperado a partir de http://repository.ucatolica.edu.co:8080/xmlui/handle/10983/2543Apache Mahout: Scalable machine learning and data mining. (s. f.). Recuperado 6 de mayo de 2016, a partir de http://mahout.apache.org/Apache SparkTM - Lightning-Fast Cluster Computing. (s. f.). Recuperado 21 de febrero de 2016, a partir de https://spark.apache.org/Arana, E., & Hernan, J. (2015). Plan de marketing para la empresa comercial Jácome”, cantón Quevedo, año 2015. Recuperado a partir de http://repositorio.uteq.edu.ec/handle/43000/661Ardila Cañas, E., & Gómez Díaz, I. C. (2015). Estrategias para la gestión de grandes volúmenes de datos por medio de big data en el contexto de la analítica de negocios: caso MVM ingeniería de software SAS. Recuperado a partir de http://bibliotecadigital.usbcali.edu.co:8080/jspui/handle/10819/2702AWS | Análisis de Big Data y almacenamiento en la nube. (s. f.). Recuperado 2 de junio de 2016, a partir de //aws.amazon.com/es/big-data/AWS | Elastic mapreduce (EMR) para el procesamiento rápido de datos. (s. f.). Recuperado 4 de mayo de 2016, a partir de //aws.amazon.com/es/elasticmapreduce/AWS | Servicio de base de datos gestionada NoSQL (DynamoDB). (s. f.). Recuperado 4 de mayo de 2016, a partir de //aws.amazon.com/es/dynamodb/AWS | Solución de almacenamiento y análisis de datos en la nube. (s. f.). Recuperado 4 de mayo de 2016, a partir de //aws.amazon.com/es/redshift/Ayelo, E., & Alberto, S. (2015). Big data como mejora competitiva para la gestión de la información en la agricultura argentina. Recuperado a partir de http://repositorio.udesa.edu.ar/jspui/handle/10908/10919Big Data Analytics & Hadoop Services from Teradata. (s. f.). Recuperado 7 de mayo de 2016, a partir de http://www.teradata.com.es/services/big-analytics-and-hadoop-services/?ICID=mainnav&LangType=1034&LangSelect=true#tabbable=0&tab1=0&tab2=0Big Data Appliance | Oracle España. (s. f.). Recuperado 2 de junio de 2016, a partir de https://www.oracle.com/es/engineered-systems/big-data-appliance/index.htmlBig data de código abierto para el impaciente, Parte 1: Tutorial Hadoop: Hello World con Java, Pig, Hive, Flume, Fuse, Oozie, y Sqoop con Informix, DB2, y MySQL. (2013, mayo 20). [CT316]. Recuperado 20 de febrero de 2016, a partir de https://www.ibm.com/developerworks/ssa/data/library/techarticle/dm-1209hadoopbigdata/Cloudera, © 2016, comerciales, I. T. los derechos reservados A. H. y los nombres de los proyectos de código abierto relacionados son marcas comerciales de A. S. F. P. ver una lista completa de las marcas, & Aquí, H. C. (s. f.). Cloudera. Recuperado 2 de junio de 2016, a partir de http://es.cloudera.com/Cloudera, © 2016, Hadoop, I. A. rights reserved A., trademarks, associated open source project names are trademarks of the A. S. F. F. a complete list of, & Here, C. (s. f.). Why Cloudera. Recuperado 4 de mayo de 2016, a partir de http://es.cloudera.com/Comparativa y diferencias entre las herramientas de Business Intelligence Pentaho y Qlikview. (s. f.). Recuperado 14 de mayo de 2016, a partir de http://www.buyto.es/general-business-intelligence/comparativa-y-diferencias-entre-pentaho-y-qlikviewContel Rico, B. (2011). Desarrollo de una solución business intelligence en una empresa del sector de alimentación. Recuperado a partir de https://riunet.upv.es/handle/10251/9127Coronel, C. (2011). Bases de Datos, Diseño, Implementacion y Administracion. Cengage Learning EditoresCuadrante Mágico para Data Warehouse y Data Management Solutions para Analytics. (s. f.). Recuperado 6 de mayo de 2016, a partir de https://www.gartner.com/doc/reprints?id=1-2ZSVG83&ct=160229&st=sb&mkt_tok=eyJpIjoiWVRGaFpUbGhNMlk1WVdaaCIsInQiOiJzSktMOWhCSUY3czRcL1Z4N01lTW0zVjJjNlg4aTdaM3hRYk9NN2t4UG9GSmpCRDF0ajJKc253bWY5N3E5NGNmS3NCajFUcWlscHhCTDRBTHdIYWxUSk5NUE41RjB6M3VDNXAwdTNvUktuUEE9In0%253DData, C. B. (2015). Conociendo Big Data. Revista Facultad de Ingeniería (Fac. Ing.), 24(38), 63–77.Data Visualization & Analytics Software - TIBCO Spotfire. (s. f.). Recuperado 13 de mayo de 2016, a partir de http://spotfire.tibco.com/Data Warehousing in the Age of Big Data, 1st Edition | Krish Krishnan | ISBN 9780124059207. (s. f.). Recuperado 17 de junio de 2016, a partir de http://store.elsevier.com/Data-Warehousing-in-the-Age-of-Big-Data/Krish-Krishnan/isbn-9780124059207/Desarrollo Pentaho - Intryo. (s. f.). Recuperado 14 de mayo de 2016, a partir de http://www.intryo.com/pentahoDresner Advisory Services - Home of Business Intelligence and the Wisdom of Crowds ® Market Research. (s. f.). Recuperado 16 de junio de 2016, a partir de http://dresneradvisory.com/El Proyecto Apache Cassandra. (s. f.). Recuperado 5 de mayo de 2016, a partir de http://cassandra.apache.org/Ferrer-Sapena, A., & Sánchez-Pérez, E. (2013). Open data, big data:?` hacia dónde nos dirigimos? Anuario ThinkEPI 2013, 7, 150–156Ferri, C., Ramírez, Q. M. J., & Hernández, O. J. (2004). Introducción a la minería de datos. Editorial Prentice Hall, España.Forrester : Welcome. (s. f.). Recuperado 16 de junio de 2016, a partir de https://www.forrester.com/homeGarcés Uquillas, M. B. (2015). Estudio comparativo de metodologías e implementación de alternativas business intelligence opensource vs. propietarias en entornos tradicionales; caso prototipo en las pymes en el sector agroindustrial. Recuperado a partir de http://dspace.udla.edu.ec/handle/33000/2660García, J. H. M. (2010). La Inteligencia De Negocios Como Herramienta Para La Toma De Decisiones Estratégicas En Las Empresas. Análisis De Su Aplicabilidad En El Contexto Corporativo Colombiano. Recuperado a partir de http://www.docentes.unal.edu.co/hrumana/docs/TESIS_JHMG_Inteligencia_de_Negocios_2010.pdfGartner BI. (s. f.). Recuperado 6 de mayo de 2016, a partir de https://www.gartner.com/doc/reprints?id=1-2XXET8P&ct=160204&st=sbGoogle. (s. f.). What is BigQuery? Recuperado 4 de mayo de 2016, a partir de https://cloud.google.com/bigquery/what-is-bigqueryGoyzueta Rivera, S. I. (2015). Big Data Marketing: una aproximación. Revista Perspectivas, (35), 147–158.Guerrero López, F. A., Rodríguez Pinilla, J. E., & others. (2014). Diseño y desarrollo de una guía para la implementación de un ambiente Big Data en la Universidad Católica de Colombia. Recuperado a partir de http://repository.ucatolica.edu.co/jspui/handle/10983/1320Guevara, S., & Antonio, O. (2015). Modelo de inteligencia de negocio para la toma de decisiones en la empresa San Roque S.A. Tesis digitales - UPAO. Recuperado a partir de http://repositorio.upao.edu.pe/handle/upaorep/794Guided Analytics | Business Intelligence Software | QlikView. (s. f.). Recuperado 5 de mayo de 2016, a partir de http://www.qlik.com/products/qlikviewGutiérrez, J. A. T., Acebrón, L. B., & Casielles, R. V. (2005). Investigación de mercados: métodos de recogida y análisis de la información para la toma de decisiones en marketing. Editorial Paraninfo.Hadoop - IBM - Apache Hadoop Open Source Software Project. (2016-05-04). Recuperado 4 de mayo de 2016, a partir de http://www.ibm.com/analytics/us/en/technology/hadoopHadoop Summit: la seguridad un reto de Big Data según Hortonworks. (s. f.). Recuperado 6 de mayo de 2016, a partir de http://www.revistabyte.es/actualidad-byte/seguridad-principal-reto-de-big-data/Hortonworks: Open and Connected Data Platforms. (s. f.). Recuperado 2 de junio de 2016, a partir de http://hortonworks.com/IBM - Colombia. (2016, mayo 16). Recuperado 16 de junio de 2016, a partir de https://www.ibm.com/co-es/IBM adquiere Cloudant. (2014, febrero 24). [CTB10]. Recuperado 5 de mayo de 2016, a partir de https://www-03.ibm.com/press/mx/es/pressrelease/43317.wssIBM - InfoSphere Information Server - Data Integration, Information Integration - Overview. (s. f.). Recuperado 4 de mayo de 2016, a partir de http://www-01.ibm.com/software/data/integration/info_serverIBM Analytics - Stream Computing. (2015, julio 3). [ct000]. Recuperado 4 de mayo de 2016, a partir de http://www.ibm.com/analytics/us/en/technology/stream-computingIBM DB2 for Linux, Unix and Windows – Database software – IBM Analytics. (2016, marzo 17). Recuperado 4 de mayo de 2016, a partir de https://www.ibm.com/analytics/us/en/technology/db2/db2-linux-unix-windows.htmlIBM PureData System - Analytics - System. (s. f.). Recuperado 4 de mayo de 2016, a partir de http://www-01.ibm.com/software/data/puredata/analytics/index.htmlIBM SPSS - IBM Analytics. (2016, marzo 17). Recuperado 6 de mayo de 2016, a partir de http://www.ibm.com/analytics/us/en/technology/spss/IBM Watson Explorer. (s. f.). [CT004]. Recuperado 4 de mayo de 2016, a partir de http://www.ibm.com/smarterplanet/us/en/ibmwatson/explorer.htmlInteligencia Operacional, Administración de registros, Administración de aplicaciones, Seguridad y cumplimiento de empresa. (s. f.). Recuperado 4 de mayo de 2016, a partir de http://www.splunk.com/es_esIs Big Data Still a Thing? (The 2016 Big Data Landscape). (2016, febrero 1). Recuperado 2 de mayo de 2016, a partir de http://mattturck.com/2016/02/01/big-data-landscape/Las bases de datos NoSQL. (s. f.). Recuperado 15 de junio de 2016, a partir de http://nosql-database.org/Lawrence, P. S. (2002). Ingeniería de Software, Teoría y Práctica. Editorial Prentice Hall. Primera edición. ISBN, 987–9460.López García, D. (2013). Análisis de las posiblidades de uso de Big Data en las organizaciones. Recuperado a partir de http://repositorio.unican.es/xmlui/handle/10902/4528MapR: Plataforma de datos convergente. (s. f.). Recuperado 5 de mayo de 2016, a partir de https://www.mapr.com/Más de 500 mil usuarios únicos de 45 mil empresas en 185 países ayudaron a darle forma al nuevo Power BI | News Center Latinoamérica. (s. f.). Recuperado a partir de https://news.microsoft.com/es-xl/mas-de-500-mil-usuarios-unicos-de-45-mil-empresas-en-185-paises-ayudaron-a-darle-forma-al-nuevo-power-bi/#sm.001k62cxz12ptdj1thb19crn2ff24Microsoft: página principal. (s. f.). Recuperado 16 de junio de 2016, a partir de https://www.microsoft.com/es-co/MLlib | Spark Apache. (s. f.). Recuperado 6 de mayo de 2016, a partir de http://spark.apache.org/mllib/Morales, G., & Carolina, S. (2015). Estudio Comparativo de Métodos Existentes para Integrar la Información Estructurada y no Estructurada de una Industria Enfocado en la Generación de Conocimiento, Desde la Perspectiva de una Solución Integral de Big Data. Recuperado a partir de http://dspace.udla.edu.ec/handle/33000/3385PSPP. (s. f.). Recuperado 6 de mayo de 2016, a partir de http://www.gnu.org/software/pspp/Pentaho | Data Integration and Business Analytics Platform for Big Data Deployments. (s. f.). Recuperado 5 de mayo de 2016, a partir de http://www.pentaho.com/homepage/homepagePower BI | Herramientas de BI para la visualización de datos interactivos. (s. f.). Recuperado 13 de mayo de 2016, a partir de https://powerbi.microsoft.com/es-es/Reinventando la gestión de datos. (s. f.). Recuperado 16 de junio de 2016, a partir de https://www.mongodb.com/dynamic/nodeRodriguez, J. S., & Valverde, E. L. (s. f.). Big Data Analytics: propuesta de una arquitectura. Recuperado a partir de http://bb9.ulacit.ac.cr/tesinas/publicaciones/043235.pdfRomero Albarracín, D. L., Vargas López, C. A., Rojas Cordero, A., & Director. (2016, febrero 25). Diseño de prototipo para la implementación de un sistema Big Data (Thesis). Recuperado a partir de http://alejandria.poligran.edu.co/handle/10823/788Sabater Picañol, J. (2013). Big Data. Recuperado a partir de http://upcommons.upc.edu/handle/2099.1/20144SAS. (s. f.). Recuperado 16 de junio de 2016, a partir de http://www.sas.com/en_us/insights/big-data.htmlSelectHub. (2016, enero 6). Tableau vs QlikView vs Microsoft Power BI. Recuperado a partir de https://selecthub.com/business-intelligence/tableau-vs-qlikview-vs-microsoft-power-bi/Serrat Morros, R. (2013). Big Data: análisis de herramientas y soluciones. Recuperado a partir de http://upcommons.upc.edu/handle/2099.1/19855Silva Guerra, H. (2014). LOS EFECTOS DE LA IMAGEN, LOS SÍMBOLOS Y LOS HÁBITOS CULTURALES EN LA ACTITUD CONSUMISTA DEL NEGOCIO MINORISTA COLOMBIANO (Spanish). University of St. Gallen, Business Dissertations, 1-160.Software, P. (2015, febrero 13). Pivotal [text/html]. Recuperado 6 de mayo de 2016, a partir de http://pivotal.io/de plataforma de análisis de big data en la nube – Haven OnDemand | HP® Colombia. (s. f.). Recuperado 4 de mayo de 2016, a partir de http://www8.hp.com/co/es/software-solutions/big-data-cloud-haven-ondemand/index.htmlTableau Software. (s. f.). Recuperado 6 de mayo de 2016, a partir de http://www.tableau.comTensorFlow - una biblioteca de software de fuente abierta para la máquina de Inteligencia. (s. f.). Recuperado 27 de mayo de 2016, a partir de https://www.tensorflow.org/The BI Survey 15, BARC’s annual report on the BI industry. (s. f.). Recuperado a partir de http://barc-research.com/bi-survey-15/Un nuevo punto de Vista sobre Inteligencia de Negocios – Microsoft Power BI. (s. f.). Recuperado 14 de mayo de 2016, a partir de http://www.icsicorp.com.mx/index.php/news/113-un-nuevo-punto-de-vista-sobre-inteligencia-de-negocios-business-intelligence-bi-microsoft-power-biVega, J. J. C., Ortega, J. F. C., & Aguilar, L. J. (2015). Arquitectura Tecnológica Para Big Data. Revista Científica, 21. Recuperado a partir de http://revistas.udistrital.edu.co/ojs/index.php/revcie/article/view/8451Virtualización de servidor con VMware vSphere | VMware Colombia. (s. f.). Recuperado 4 de mayo de 2016, a partir de http://www.vmware.com/co/products/vsphere/Vivancos Vicente, P. J. (2016, enero 20). Plataforma inteligente de diseño para todos para control de teléfonos móviles mediante habla en lenguaje natural [info:eu-repo/semantics/doctoralThesis]. Recuperado 21 de febrero de 2016, a partir de https://digitum.um.es/xmlui/handle/10201/47541Weka 3 - Data Mining with Open Source Machine Learning Software in Java. (s. f.). Recuperado 6 de mayo de 2016, a partir de http://www.cs.waikato.ac.nz/ml/wekaWelcome to ApacheTM Hadoop®! (s. f.). Recuperado 5 de mayo de 2016, a partir de https://hadoop.apache.orgZeppelin. (s. f.). Recuperado 6 de mayo de 2016, a partir de https://zeppelin.incubator.apache.org/ORIGINAL2016_Tesis_Francisco_Carrillo_Alvarez.pdf2016_Tesis_Francisco_Carrillo_Alvarez.pdfTesisapplication/pdf2635617https://repository.unab.edu.co/bitstream/20.500.12749/3369/1/2016_Tesis_Francisco_Carrillo_Alvarez.pdf8ec242852d51852e135a0206610a5559MD51open access2016_Articulo_Francisco_Carrillo_Alvarez.pdf2016_Articulo_Francisco_Carrillo_Alvarez.pdfArtículoapplication/pdf575693https://repository.unab.edu.co/bitstream/20.500.12749/3369/2/2016_Articulo_Francisco_Carrillo_Alvarez.pdfeaf2451eb5cbdd85a36abe28303ec878MD52open access2016_Impacto_Proyecto_Francisco_Carrillo_Alvarez.zip2016_Impacto_Proyecto_Francisco_Carrillo_Alvarez.zipImpacto del proyectoapplication/octet-stream192https://repository.unab.edu.co/bitstream/20.500.12749/3369/3/2016_Impacto_Proyecto_Francisco_Carrillo_Alvarez.zip8a3cecf8a9a3df17f3bc47b2ed33a4f9MD53open access2016_Licencia_FranciscoCarrillo_Alvarez.pdf2016_Licencia_FranciscoCarrillo_Alvarez.pdfLicenciaapplication/pdf157841https://repository.unab.edu.co/bitstream/20.500.12749/3369/4/2016_Licencia_FranciscoCarrillo_Alvarez.pdf05d86e52f09e7367cca44de6f63e2efcMD54metadata only accessTHUMBNAIL2016_Tesis_Francisco_Carrillo_Alvarez.pdf.jpg2016_Tesis_Francisco_Carrillo_Alvarez.pdf.jpgIM Thumbnailimage/jpeg4779https://repository.unab.edu.co/bitstream/20.500.12749/3369/5/2016_Tesis_Francisco_Carrillo_Alvarez.pdf.jpg447203820f2d265addd102449a25810fMD55open access2016_Articulo_Francisco_Carrillo_Alvarez.pdf.jpg2016_Articulo_Francisco_Carrillo_Alvarez.pdf.jpgIM Thumbnailimage/jpeg13143https://repository.unab.edu.co/bitstream/20.500.12749/3369/6/2016_Articulo_Francisco_Carrillo_Alvarez.pdf.jpg220e8528618a95867b9f954995cb2859MD56open access2016_Licencia_FranciscoCarrillo_Alvarez.pdf.jpg2016_Licencia_FranciscoCarrillo_Alvarez.pdf.jpgIM Thumbnailimage/jpeg9740https://repository.unab.edu.co/bitstream/20.500.12749/3369/7/2016_Licencia_FranciscoCarrillo_Alvarez.pdf.jpgb086e145b9ae73d3236ed23f43aa9bcaMD57metadata only access20.500.12749/3369oai:repository.unab.edu.co:20.500.12749/33692021-11-11 19:30:59.907open accessRepositorio Institucional | Universidad Autónoma de Bucaramanga - UNABrepositorio@unab.edu.co |