Analytics, Big Data y BI - Transformar datos en conocimiento
Para las organizaciones es importante definir una posición respecto de cada una de las etapas del ciclo de vida de los datos: su origen, recolección, almacenamiento, procesado, análisis, presentación y publicación, hay que aclarar que los aspectos tecnológicos son simplemente operativos, lo fundamen...
- Autores:
- Tipo de recurso:
- Fecha de publicación:
- 2018
- Institución:
- Universidad Militar Nueva Granada
- Repositorio:
- Repositorio UMNG
- Idioma:
- spa
- OAI Identifier:
- oai:repository.unimilitar.edu.co:10654/20720
- Acceso en línea:
- http://hdl.handle.net/10654/20720
- Palabra clave:
- Analytics
Big Data
Business Intelligence
PROCESAMIENTO DE DATOS
ESTRUCTURA DE DATOS (COMPUTADORES)
MINERIA DE DATOS
Analytics
Big Data
Business Intelligence
- Rights
- License
- Derechos Reservados - Universidad Militar Nueva Granada, 2018
id |
UNIMILTAR2_a5f1fb9971246bd4ae27a821502a7735 |
---|---|
oai_identifier_str |
oai:repository.unimilitar.edu.co:10654/20720 |
network_acronym_str |
UNIMILTAR2 |
network_name_str |
Repositorio UMNG |
repository_id_str |
|
dc.title.spa.fl_str_mv |
Analytics, Big Data y BI - Transformar datos en conocimiento |
dc.title.titleenglish.spa.fl_str_mv |
Analytics, Big Data and BI - Transforming data into knowledge |
title |
Analytics, Big Data y BI - Transformar datos en conocimiento |
spellingShingle |
Analytics, Big Data y BI - Transformar datos en conocimiento Analytics Big Data Business Intelligence PROCESAMIENTO DE DATOS ESTRUCTURA DE DATOS (COMPUTADORES) MINERIA DE DATOS Analytics Big Data Business Intelligence |
title_short |
Analytics, Big Data y BI - Transformar datos en conocimiento |
title_full |
Analytics, Big Data y BI - Transformar datos en conocimiento |
title_fullStr |
Analytics, Big Data y BI - Transformar datos en conocimiento |
title_full_unstemmed |
Analytics, Big Data y BI - Transformar datos en conocimiento |
title_sort |
Analytics, Big Data y BI - Transformar datos en conocimiento |
dc.contributor.advisor.none.fl_str_mv |
Valero, Gloria Milena |
dc.subject.spa.fl_str_mv |
Analytics Big Data Business Intelligence |
topic |
Analytics Big Data Business Intelligence PROCESAMIENTO DE DATOS ESTRUCTURA DE DATOS (COMPUTADORES) MINERIA DE DATOS Analytics Big Data Business Intelligence |
dc.subject.lemb.spa.fl_str_mv |
PROCESAMIENTO DE DATOS ESTRUCTURA DE DATOS (COMPUTADORES) MINERIA DE DATOS |
dc.subject.keyword.spa.fl_str_mv |
Analytics Big Data Business Intelligence |
description |
Para las organizaciones es importante definir una posición respecto de cada una de las etapas del ciclo de vida de los datos: su origen, recolección, almacenamiento, procesado, análisis, presentación y publicación, hay que aclarar que los aspectos tecnológicos son simplemente operativos, lo fundamental son los aspectos organizacionales, legales, éticos y estratégicos; así como priorizar el talento humano. ¿Qué son los datos?, ¿Quién los genera?, ¿En dónde se originan?, ¿Cómo se administran?, ¿Quién los controla?, ¿Cómo se analizan?, ¿Para qué sirven?, ¿Cuándo pierden valor?, etc. Son preguntas que toda empresa debe plantearse. La capacidad de las empresas para extraer información relevante con el fin de enriquecer la experiencia de sus clientes, mejorando productos, servicios y procesos, es lo que determina el verdadero valor de los datos; en concreto, las organizaciones que evolucionaran serán aquellas que logren transformar datos en información para generar conocimiento. |
publishDate |
2018 |
dc.date.created.none.fl_str_mv |
2018-11-23 |
dc.date.accessioned.none.fl_str_mv |
2019-03-26T16:15:59Z 2019-12-30T14:35:53Z |
dc.date.available.none.fl_str_mv |
2019-03-26T16:15:59Z 2019-12-30T14:35:53Z |
dc.type.spa.fl_str_mv |
info:eu-repo/semantics/bachelorThesis |
dc.type.coar.fl_str_mv |
http://purl.org/coar/resource_type/c_7a1f |
dc.type.spa.spa.fl_str_mv |
Trabajo de grado |
dc.type.dcmi-type-vocabulary.spa.fl_str_mv |
Text |
dc.identifier.uri.none.fl_str_mv |
http://hdl.handle.net/10654/20720 |
url |
http://hdl.handle.net/10654/20720 |
dc.language.spa.fl_str_mv |
spa |
dc.language.iso.spa.fl_str_mv |
spa |
language |
spa |
dc.rights.spa.fl_str_mv |
Derechos Reservados - Universidad Militar Nueva Granada, 2018 |
dc.rights.coar.fl_str_mv |
http://purl.org/coar/access_right/c_abf2 |
dc.rights.uri.spa.fl_str_mv |
https://creativecommons.org/licenses/by-nc-nd/2.5/co/ |
dc.rights.creativecommons.spa.fl_str_mv |
Atribución-NoComercial-SinDerivadas |
rights_invalid_str_mv |
Derechos Reservados - Universidad Militar Nueva Granada, 2018 https://creativecommons.org/licenses/by-nc-nd/2.5/co/ Atribución-NoComercial-SinDerivadas http://purl.org/coar/access_right/c_abf2 |
dc.format.spa.fl_str_mv |
pdf |
dc.format.mimetype.spa.fl_str_mv |
application/pdf |
dc.coverage.spatial.spa.fl_str_mv |
Campus UMNG |
dc.publisher.spa.fl_str_mv |
Universidad Militar Nueva Granada |
dc.publisher.department.spa.fl_str_mv |
Facultad de Ciencias Económicas |
dc.publisher.program.spa.fl_str_mv |
Especialización en Alta Gerencia |
institution |
Universidad Militar Nueva Granada |
dc.source.bibliographicCitation.spa.fl_str_mv |
International Data Corporation [IDC]. (2017, Abril). Nuestra Historia. Retrieved Octubre 24, 2018, from Era de Datos 2025: https://www.seagate.com/files/www-content/our-story/trends/files/Seagate-WP-DataAge2025-March-2017.pdf Davenport, T. H., & Prusak, L. (1998). Working Knowledge: How Organizations Manage what They Know. Boston, United States of America: Harvard Business School Press. Dedić, N., & Stanier, C. (2016). Measuring the Success of Changes to Existing Business Intelligence Solutions to Improve Business Intelligence Reporting. Lecture Notes in Business Information Processing, 268. Springer Judd, C. M., McClelland, G. H., & Ryan, C. S. (2009). Data Analysis: A Model Comparison Approach (Vol. II). New York, United States of America: Routledge. Parr , O. (2009). Business Intelligence Success Factors: Tools for Aligning Your Business in the Global Economy. United States of America: John Wiley & Sons. Shaikh, A., & Karjaluoto, H. (2015, Agosto). Making the most of information technology & systems usage: A literature review, framework and future research agenda. Computers in Human Behavior, 49, 541-566. Taleb, N. (2001). Fooled by Randomness: The Hidden Role of Chance in Life and in the Markets. Estados Unidos: Penguin Random House Grupo Editorial. |
bitstream.url.fl_str_mv |
http://repository.unimilitar.edu.co/bitstream/10654/20720/1/GarciaFajardoJorgeArmando2018.pdf http://repository.unimilitar.edu.co/bitstream/10654/20720/2/license.txt http://repository.unimilitar.edu.co/bitstream/10654/20720/3/GarciaFajardoJorgeArmando2018.pdf.jpg |
bitstream.checksum.fl_str_mv |
131ec1bc74e53e5ed88a47b34544279f 520e8f0b4e8d2d5c25366f2f78f584b0 ac4d9a8e08cde30cd4af09650d9c1e87 |
bitstream.checksumAlgorithm.fl_str_mv |
MD5 MD5 MD5 |
repository.name.fl_str_mv |
Repositorio Institucional UMNG |
repository.mail.fl_str_mv |
bibliodigital@unimilitar.edu.co |
_version_ |
1808417878150479872 |
spelling |
Valero, Gloria MilenaGarcía Fajardo, Jorge Armandojorgarcia83@hotmail.comEspecialista en Alta GerenciaCampus UMNG2019-03-26T16:15:59Z2019-12-30T14:35:53Z2019-03-26T16:15:59Z2019-12-30T14:35:53Z2018-11-23http://hdl.handle.net/10654/20720Para las organizaciones es importante definir una posición respecto de cada una de las etapas del ciclo de vida de los datos: su origen, recolección, almacenamiento, procesado, análisis, presentación y publicación, hay que aclarar que los aspectos tecnológicos son simplemente operativos, lo fundamental son los aspectos organizacionales, legales, éticos y estratégicos; así como priorizar el talento humano. ¿Qué son los datos?, ¿Quién los genera?, ¿En dónde se originan?, ¿Cómo se administran?, ¿Quién los controla?, ¿Cómo se analizan?, ¿Para qué sirven?, ¿Cuándo pierden valor?, etc. Son preguntas que toda empresa debe plantearse. La capacidad de las empresas para extraer información relevante con el fin de enriquecer la experiencia de sus clientes, mejorando productos, servicios y procesos, es lo que determina el verdadero valor de los datos; en concreto, las organizaciones que evolucionaran serán aquellas que logren transformar datos en información para generar conocimiento.For organizations it is important to define a position with respect to each of the stages of the data life cycle: its origin, collection, storage, processing, analysis, presentation and publication, it must be clarified that the technological aspects are simply operational, fundamental are the organizational, legal, ethical and strategic aspects; as well as prioritize human talent. What are the data? Who generates them? Where do they originate? How are they administered? Who controls them? How are they analyzed? What are they used for? When do they lose value? etc. These are questions that every company should consider. The ability of companies to extract relevant information to enrich the experience of their customers, improving products, services and processes, is what determines the true value of the data; specifically, the organizations that will evolve will be those that manage to transform data into information to generate knowledge.pdfapplication/pdfspaspaUniversidad Militar Nueva GranadaFacultad de Ciencias EconómicasEspecialización en Alta GerenciaDerechos Reservados - Universidad Militar Nueva Granada, 2018https://creativecommons.org/licenses/by-nc-nd/2.5/co/Atribución-NoComercial-SinDerivadashttp://purl.org/coar/access_right/c_abf2AnalyticsBig DataBusiness IntelligencePROCESAMIENTO DE DATOSESTRUCTURA DE DATOS (COMPUTADORES)MINERIA DE DATOSAnalyticsBig DataBusiness IntelligenceAnalytics, Big Data y BI - Transformar datos en conocimientoAnalytics, Big Data and BI - Transforming data into knowledgeinfo:eu-repo/semantics/bachelorThesisTrabajo de gradoTexthttp://purl.org/coar/resource_type/c_7a1fInternational Data Corporation [IDC]. (2017, Abril). Nuestra Historia. Retrieved Octubre 24, 2018, from Era de Datos 2025: https://www.seagate.com/files/www-content/our-story/trends/files/Seagate-WP-DataAge2025-March-2017.pdfDavenport, T. H., & Prusak, L. (1998). Working Knowledge: How Organizations Manage what They Know. Boston, United States of America: Harvard Business School Press.Dedić, N., & Stanier, C. (2016). Measuring the Success of Changes to Existing Business Intelligence Solutions to Improve Business Intelligence Reporting. Lecture Notes in Business Information Processing, 268. SpringerJudd, C. M., McClelland, G. H., & Ryan, C. S. (2009). Data Analysis: A Model Comparison Approach (Vol. II). New York, United States of America: Routledge.Parr , O. (2009). Business Intelligence Success Factors: Tools for Aligning Your Business in the Global Economy. United States of America: John Wiley & Sons.Shaikh, A., & Karjaluoto, H. (2015, Agosto). Making the most of information technology & systems usage: A literature review, framework and future research agenda. Computers in Human Behavior, 49, 541-566.Taleb, N. (2001). Fooled by Randomness: The Hidden Role of Chance in Life and in the Markets. Estados Unidos: Penguin Random House Grupo Editorial.EspecializaciónCiencias Económicas - Especialización en Alta GerenciaORIGINALGarciaFajardoJorgeArmando2018.pdfEnsayoapplication/pdf342192http://repository.unimilitar.edu.co/bitstream/10654/20720/1/GarciaFajardoJorgeArmando2018.pdf131ec1bc74e53e5ed88a47b34544279fMD51LICENSElicense.txttext/plain2898http://repository.unimilitar.edu.co/bitstream/10654/20720/2/license.txt520e8f0b4e8d2d5c25366f2f78f584b0MD52THUMBNAILGarciaFajardoJorgeArmando2018.pdf.jpgIM Thumbnailimage/jpeg6454http://repository.unimilitar.edu.co/bitstream/10654/20720/3/GarciaFajardoJorgeArmando2018.pdf.jpgac4d9a8e08cde30cd4af09650d9c1e87MD5310654/20720oai:repository.unimilitar.edu.co:10654/207202019-12-30 09:35:54.131Repositorio Institucional UMNGbibliodigital@unimilitar.edu.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 |