Sistemas de apoyo a la toma de decisiones: caso de estudio dirección comercial.
Resumen
La administración por procesos y la inteligencia de negocio desempeñan un papel fundamental en el desarrollo empresarial mundial, al tratar de mejorar el desempeño de las organizaciones a través del uso de las tecnologías de la información y las comunicaciones. Al igual que el resto de las funciones organizacionales, la mercadotecnia requiere ser dirigida, esto implica la definición de objetivos, asignación de recursos para su alcance y dirección efectiva. El propósito de este trabajo es exponer la ventaja del uso de sistemas informáticos de apoyo a la toma de decisiones para la gestión empresarial, demostrado mediante un caso de estudio por medio del análisis del perfil de los clientes de acuerdo con su nivel de participación en las ventas.
Citas
Alpar, P. y Schulz, M. (2016). Self-service business intelligence. Business & Information Systems Engineering, 58 (2), pp.151-155.
Baeza, R. (2013). La minería de datos alimenta nuevos servicios e innovación. La nación. Recuperado de: http://www.nacion.com/tecnologia/software/mineria-alimenta-nuevos-servicios-innovacion_0_1348665154.html [consultado 14/1/2019].
Bernabeu, R. D. (2010). HEFESTO v2.0: Metodología para la Construcción de un Data Warehouse. Recuperado de: https://www.businessintelligence.info/resources/assets/hefesto-v2.pdf
Brown, M. S. (2014). Data Mining for Dummies. New Jersey: John Wiley & Sons, Inc.
Caiceo, J. (2012). El valor de la información para la toma de decisiones CEO Metric Arts. Revista de tecnologías de información para la gerencia, 7 (601).
Fan, S., Lau, R. Y. y Zhao, J. L. (2015). Demystifying big data analytics for business intelligence through the lens of marketing mix. Big Data Research, 2 (1), pp.28-32.
Gómez, L. D. (2009). Efectividad de mercadotecnia. Una perspectiva de la medición del desempeño organizacional. Recuperado de: http://www.gestiopolis.com/marketing/medicion-de-la-efectividad-de-la-mercadotecnia.htm
Larson, D. y Chang, V. (2016). A review and future direction of agile, business intelligence, analytics and data science. International Journal of Information Management, 36(5), pp.700-710.
López, C., Torrent, M., Molina, F., Schanz, S., Sandoval, A., Sfiligoy, J. P. y Sassaroli, M. L. (2014). Sistemas de apoyo a la toma de decisiones. XVI Workshop de Investigadores en Ciencias de la Computación. Buenos Aires, Argentina.
Moro, S., Cortez, P. y Rita, P. (2015). Business intelligence in banking: A literature analysis from 2002 to 2013 using text mining and latent Dirichlet allocation. Expert Systems with Applications, 42(3), pp.1314-1324.
Moss, L. T. y Atre, S. (2003). Business intelligence roadmap: the complete project lifecycle for decision-support applications. EUA: Addison-Wesley Professional.
Richards, G., Yeoh, W., Chong, A. Y. L. y Popovič, A. (2019). Business intelligence effectiveness and corporate performance management: an empirical analysis. Journal of Computer Information Systems, 59 (2), pp.188-196.
Russell, S. y Norvig, P. (2004). Inteligencia artificial, un enfoque moderno. España: Pearson Alhambra.
Trieu, V. H. (2017). Getting value from Business Intelligence systems: A review and research agenda. Decision Support Systems, 93 (4), pp.111-124.
Turban, E., Sharda, R. y Delen, D. (2010). Decision Support and Business Intelligence Systems (required). Tomo 1(9.a edición). EUA: Prentice Hall.
Vercellis, C. (2009). Business intelligence: data mining and optimization for decision making. New York: Wiley.
