Realiza el modelado de un proceso de difusión de productos editoriales utilizando métodos de Inteligencia artificial como son los árboles de decisión, para poder ajustar con la mayor precisión el reparto de los productos entre los distintos Puntos de Ventas distribuidos geográficamente por todo el territorio Nacional. El análisis se basa en la identificación de los principales indicadores que influyen positiva o negativamente en comportamiento de su la venta. El objetivo es que al modelar el proceso este permita automatizar y optimizar el reparto de productos a cada punto de venta, poder predecir con más precisión el comportamiento de ventas de cada Punto de venta y con ello poder tomar mejores tomas de decisión a la hora de realizar una difusión de productos. Se utiliza el método de árboles binarios porque es un método de predicción que nos ayuda en base a atributos que componen una situación descrita y que a partir de esta nos da una respuesta la cual traducimos en una toma de decisión. / Trabajo de suficiencia profesional

La aparición de nuevas tecnologías impulsa cambios. Gracias a ello, surgen necesidades de adaptación que generan nuevas expectativas para el desarrollo de una cultura de datos. Esta, al comprender algunos comportamientos y prácticas relacionadas al almacenamiento, gestión y análisis de datos, conlleva a la mejora continua de la organización, pues facilita la unión de los objetivos organizacionales con acciones y decisiones basadas en datos, mas no únicamente en la intuición. De ese modo, las organizaciones están empezando a ser más conscientes sobre los beneficios de utilizar analítica de datos para el logro de sus objetivos. Lastimosamente, existe poca disposición de las áreas de Gestión Humana en querer incorporar la analítica a sus actividades diarias. Aún más, se podría afirmar que es una de las áreas con un uso tardío de analítica de datos para el ámbito empresarial, práctica que, inclusive, se encuentra más reducida en el caso peruano. Por lo antes señalado, la presente investigación pretende describir la madurez en la cultura de datos de las gerencias de Gestión Humana en una muestra de empresas medianas y grandes de Lima Metropolitana. Para conseguir dicho objetivo se utilizó como técnica de análisis el método de clústers, ya que permite generar agrupaciones de acuerdo a características particulares y comunes de cada uno de los conglomerados. Asimismo, la investigación cuenta con un alcance descriptivo. La información cuantitativa fue recolectada de una muestra de gerencias de Gestión Humana a través de encuestas. En esa línea; la herramienta de análisis cuantitativo utilizada fue el análisis de conglomerados, el cual permitió identificar las características y el nivel de madurez analítica de cada clúster. Adicionalmente, la información cualitativa fue recolectada a través de entrevistas a expertos en gestión de personas y analítica de datos. De ese modo, se conocieron los puntos de vista de dichos expertos sobre el desarrollo de la cultura de datos, así como la aparición de algún tema emergente. En ese sentido, se concluye que la muestra estudiada posee un nivel de madurez analítica medio, y, aún más, dos de los clusters encontrados están más cercanos a carecer de ella.

No description available.

El trabajo de investigación presentado en esta tesis doctoral aborda el uso de algoritmos de inteligencia artificial y su aplicación en los sistemas de ayuda para la toma de decisiones en enfermedades de diagnóstico complejo. La dificultad en la gestión clínica de dichas enfermedades requiere un trabajo en conjunto (área de salud e ingeniería informática) y un intercambio de conocimientos, experiencias e información que permita obtener mejores resultados en el proceso de atención de los enfermos. La creación de sistemas que contribuyan en la toma de decisiones tiene como propósito mejorar la calidad de los procesos médico-asistenciales en la predicción y clasificación de enfermedades buscando enriquecer el cuidado de los pacientes. Dichos sistemas de ayuda tienen tres componentes fundamentales: base de datos (información del paciente), algoritmos de inteligencia artificial y usuarios (médicos, personal asistencial, etc.). La integración de los componentes mencionados trae mejoras en la atención de los pacientes, la reducción de errores médicos, diagnósticos y protocolos clínicos más acertados, agilidad en los procesos, prevención de eventos adversos, entre otros. Dada la gran variedad de datos que se recogen en la historia clínica, extraer conocimiento de ellos es una tarea muy difícil de realizar con los métodos tradicionales. Por este motivo se han incorporado redes neuronales artificiales, redes bayesianas y árboles de decisión en el campo médico, logrando importantes contribuciones. En esta tesis doctoral estos modelos se han utilizado en la clasificación del riesgo en cirugía cardíaca y en la predicción de la mortalidad hospitalaria. Los modelos han sido evaluados teniendo en cuenta su precisión, sensibilidad, especificidad. Tales clasificadores son sensibles cuando los datos presentan un alto contenido de ruido, datos incompletos, duplicidad de las variables, texto, amplio rango de magnitudes, etc. Para solucionar estos problemas, se han utilizado herramientas para el preprocesado de los datos, como la normalización, discretización e imputación de datos. Cuando estas fueron aplicadas se observó una mejora en los resultados. Otra dificultad que tienen las bases de datos médicas es la alta dimensionalidad. Por lo tanto, se ha optado por la aplicación de técnicas de selección de características principales y por el análisis de cada una de las variables para evitar la duplicidad de la información. Estas técnicas han mejorado notablemente el desempeño de los clasificadores. En cuanto a los algoritmos utilizados en este trabajo se ha evidenciado un buen resultado en la clasificación de enfermedades y en la predicción de la mortalidad hospitalaria. Para clasificar el riesgo de cirugía cardíaca pediátrica en tres categorías (alto, medio y bajo) se han implementado el perceptrón multicapa, mapas autoorganizados, redes de función de base radial y árboles de decisión. Los resultados muestran que las redes neuronales presentan un buen desempeño con una precisión entre el 81.7% y 99.8%, mientras que los árboles de decisión produjeron errores más elevados en la clasificación. Una adecuada clasificación del riesgo quirúrgico permite al personal médico y asistencial mejorar el plan de atención y por lo tanto reducir las posibles complicaciones y el riesgo de muerte. Teniendo en cuenta esto, los árboles de decisión no son los más adecuados para la clasificación del riesgo, sin embargo presentan excelentes resultados cuando se trata de un resultado binario. Los algoritmos usados para la predicción de la mortalidad hospitalaria de los pacientes operados de reparación abierta de aneurisma de aorta abdominal han sido el perceptrón multicapa, las redes de función de base radial y las redes bayesianas. Esta parte de la investigación fue desarrollada en dos fases: en la primera fase, la implementación se llevó a cabo utilizando todas las variables de la base de datos. En la segunda fase, se emplearon técnicas de selección de características principales. Los resultados generales respecto a la precisión de los algoritmos en las dos fases fueron entre 91.2% y 96.4%. La diferencia de las pruebas radica en los valores de sensibilidad y especificidad, pues en la primera fase la sensibilidad y especificidad muestran valores entre 52.1% y 72% y entre 92.6% y 97%, respectivamente. En la segunda fase, en la cual se aplicó un método de selección de características y una combinación de todos los algoritmos, se observó un aumento en la sensibilidad con valores entre el 65.5% y 86.8%, es decir, que los algoritmos mejoraron la capacidad para predecir la mortalidad hospitalaria. El algoritmo que mostró el mejor resultado en todas las pruebas realizadas fue la red bayesiana. El desarrollo de un sistema de ayuda para la toma de decisiones clínicas basado en los métodos de aprendizaje mencionados en este trabajo podría mejorar la clasificación del riesgo en cirugía y la predicción de mortalidad hospitalaria. Además, el sistema sería útil para que los médicos y el personal asistencial puedan evaluar a tiempo el impacto de las decisiones y dar prioridad a las actividades de prevención de eventos adversos.

El presente proyecto fue realizado con el objetivo de mejorar la gestión de información para el área de manufactura de la UCP Backus y Johnston – Planta Motupe, a través de un sistema ejecutivo web aplicando la tecnología OLAP. Para el desarrollo del proyecto, fue necesario un levantamiento de información inicial que permitió el diagnosticar la realidad de la empresa antes mencionada, así como también los principales documentos que se utilizan en la empresa con información del año 2010, 2011 y 2012. Esta idea fue propuesta basándose en la situación por la que atravesaba la UCP Backus – Planta Motupe, la cual era muy crítica dando como resultado que el registro de datos en las hojas de cálculo demanda el incremento de tiempo; además de la necesidad que cuentan los gerentes para el planteamiento de sus propuestas de acuerdo a los valores o resultados que muestren los operarios sobre sus transacciones diarias. En el levantamiento de información se aplicó entrevistas y observaciones al personal involucrado, con el fin de obtener información principal sobre los procesos que se evalúan, como son Consumos energéticos y Gestión de cambios de ingeniería del área de Mantenimiento. Para su implementación del sistema informático se basó en la metodología XP utilizando plataforma web, programación en PHP, tecnología OLAP. Lo que logró disminuir el tiempo y esfuerzo para la generación y actualización de la información; además se incrementó la disponibilidad de acceso a la información lo que ayudó a mejorar el clima organizacional con la calidad de sus procesos, disminuyendo las fallas para el procesamiento de datos; mejorando el nivel de apoyo para la toma de decisiones, permitiendo mejorar el tiempo para plantear propuestas de sus proyectos dentro de la empresa.

La elaboración manual de reportes y el registro no centralizado de información dentro de una empresa conlleva a la perdida de información valiosa que puede generar una ventaja competitiva importante. Del mismo modo, la automatización de procesos empresariales proporciona beneficios dentro de los cuales se encuentran: mayor productividad, reducción de tiempo, optimización de costos, generación de una base de conocimientos y sobre todo la obtención de la información en tiempo real. Contar con la información en tiempo real en los procesos claves permite la toma de decisiones de modo más eficiente generando así un mayor valor para la empresa. En este contexto, el presente trabajo tiene como objetivo elaborar una arquitectura empresarial que permita la mejora del proceso de “Planta Concentradora” basado en la automatización tecnológica de actividades claves del proceso. Como resultado de la automatización se podrá contar con una base de conocimiento desde la cual se podrá obtener información para dar solución a las incidencias del proceso, se reducirá el tiempo de elaboración en los reportes y se podrá consultar el resultado de cada subproceso en tiempo real. / The manual preparation of reports and the non-centralized registry of information within a company lead to the loss of valuable information that can generate an important competitive advantage. In the same way, the business processes automation provides benefits: higher productivity, time reduction, cost optimization, generation of a knowledge base, and above all, obtaining real-time information. Having real-time information in key processes allows more efficient decision-making, thus generating greater value for the company. In this context, the present work aims to develop a business architecture that allows the improvement of the "Concentrator Plant" process based on the technological automation of process’ key activities. As a result of the automation, it will be possible to have a knowledge base from which information can be obtained to solve the incidents of the process. The elaboration time in the reports will be reduced, and the result of each sub-process can be consulted in real-time. / Tesis

La presente investigación tiene como objetivo elaborar una propuesta de aplicación de un modelo de Business Intelligence en el área de operaciones de una empresa que brinda servicios de logística de última milla a pequeñas y medianas empresas en el canal e-commerce para una mejora integral en términos de toma de decisiones. Para el desarrollo de la propuesta se realizó una revisión teórica a partir de fuentes secundarias acerca del Business Intelligence, sus componentes, beneficios y metodologías. Para este mismo fin, se empleó la metodología de Ralph Kimball, ya que es la que más se adecúa a la organización. La estrategia de investigación empleada es un estudio de caso único, de alcance descriptivo y con un enfoque de estudio cualitativo. Para el levantamiento de información se realizaron un total de 15 entrevistas. De estas, 9 fueron realizadas a los actores de la empresa con la finalidad de conocer sus necesidades, requerimientos y su infraestructura TI, y 4 fueron realizadas a expertos para la etapa exploratoria. Para la etapa de hallazgos, se realizaron 2 entrevistas al supervisor de operaciones, al encargado de TI así como a los CEO, con el objetivo de validar la propuesta planteada. Como resultado de este estudio, se elaboraron una serie de indicadores que fueron compuestos a partir de las necesidades de la organización. Asimismo, se realizó la propuesta de un dashboard a través de la herramienta de visualización de Microsoft Power BI con la finalidad de que el área usuaria, de operaciones, pueda tener una visualización más clara, precisa y a tiempo real de sus indicadores, eliminando la elaboración de reportes manuales y ayudando a la gerencia a contar con información para la toma de mejores decisiones dentro de la empresa.

El presente trabajo de investigación tuvo como objetivo principal apoyar el proceso de toma de decisiones comerciales sobre clientes morosos del suministro de agua potable en la municipalidad de Chota frente a la situación problemática que existía debido a que los usuarios tenían deudas de no solo meses sino incluso años. Con esta finalidad, se planteó el desarrollo de un sistema de análisis comercial basado en Inteligencia de Negocios, utilizando la metodología de Barquin para dar soporte al proceso de toma de decisiones sobre clientes morosos. Finalmente, se obtuvieron como resultados que eran 5 las dimensiones idóneas que alimentarían al hecho “Ingresos”; los reportes permitieron mostrar los ingresos reales según un período de tiempo determinado, la evolución de suministros, la evolución de ingresos, el análisis de ingresos por zonas y las deudas de los clientes. Además, mediante el juicio de expertos se logró validar el sistema en base a la ISO 9421 con el criterio de usabilidad y el coeficiente de V-Aiken.

El presente trabajo de investigación tuvo como objetivo principal apoyar la toma de decisiones en los procesos de abastecimiento y control de medicamentos de la farmacia del Hospital Nacional Almanzor Aguinaga Asenjo frente a problemas como casos de pacientes que no encuentran la medicina prescrita por su médico, elevados costos de almacenamiento de medicinas en productos que presentan baja demanda y el bajo nivel de satisfacción de los pacientes del hospital. Con esta finalidad, se planteó el desarrollo de una solución basada en Inteligencia de Negocios, utilizando la metodología de Ralph Kimball en combinación con la metodología CRISP-DM para predecir el comportamiento en la rotación de medicinas mediante series temporales. Finalmente se obtuvieron resultados sobre el nivel de satisfacción del usuario, donde el 80% consideró que la aplicación ha reducido el tiempo de análisis de información para la toma de decisiones sobre abastecimiento de medicinas en el nivel bueno y muy bueno; otro 80% de usuarios consideró que la aplicación incrementó el nivel de información oportuna para la toma de decisiones y finalmente el 100% de usuarios consideró que la aplicación permite mejorar el entendimiento de los escenarios de decisiones para el proceso de abastecimiento de medicinas.

Las oficinas de contabilidad de las universidades nacionales en gran mayoría no miden la información ni el desempeño de su personal en búsqueda de eficiencia y eficacia. La oficina de contabilidad de la Universidad Nacional Mayor de San Marcos (UNMSM) carece de información sobre el rendimiento de los trabajadores para la toma de decisiones estratégicas, esto es muy importante para saber dónde y cómo solventar alguna falla o mejorar las decisiones tomadas. Se busca desarrollar un data mart a través de la metodología Hefesto, utilizando las herramientas Pentaho Data Integration y QlikView, dicho Data Mart nos permitirá almacenar solo la información requerida e ir eliminando aquellos datos que obstaculizan la labor del análisis. Gracias al desarrollo del data mart, la oficina de contabilidad pudo obtener los indicadores necesarios para la toma de decisiones respecto al rendimiento de su personal, mejorando así su desempeño y la distribución de trabajo. / Tesis