Business">
Actividad No. 3 Conceptos Básicos en La Inteligencia de Negocios
Actividad No. 3 Conceptos Básicos en La Inteligencia de Negocios
Actividad No. 3 Conceptos Básicos en La Inteligencia de Negocios
Esto permite a las empresas personalizar la oferta todo lo posible a los clientes al
obtener esta información de Google, Amazon o Facebook. Además, los sistemas
de computación tradicionales no son capaces de analizar correctamente este
volumen de información, dado que el software tradicional solo encuentra lo que el
usuario busca, motivo por el que se necesitan en primer lugar sistemas de
aprendizaje autónomo que puedan encontrar relaciones previamente
desconocidas.3
El big data no hace referencia únicamente a los datos en sí, sino también a
su análisis y a su utilización. En este proceso de evaluación se intentan
buscar patrones y conexiones para contextualizarlos correctamente. El desafío
no es solamente el ingente volumen de datos, sino también su velocidad y su
variedad (las tres “v” del big data), ya que estos acuden de forma constante a un
archivo desestructurado y deben ser, idealmente, registrados, almacenados y
procesados en tiempo real. Para leerlos correctamente y poder conectarlos es
necesaria una sofisticada infraestructura de datos.
3. Analítica financiera
Para garantizar que los departamentos se basen en los datos, los directores
financieros trabajan de la mano del departamento IT para aprovechar la analítica
financiera de manera que aproveche la integración y maximice la automatización.
4. Inteligencia de mercados
6. Analítica de datos
7. Inteligencia financiera
Sin embargo, durante las últimas décadas, la tecnología ha ido cerrando esa
brecha. En primer lugar, la contabilidad se trasladó a la era digital y permitió que
los datos se procesaran y resumieran de manera más eficiente. Las hojas de
cálculo permitieron a los profesionales de las finanzas acceder a los datos más
rápido y hacer cálculos con mucha mayor facilidad. Para organizaciones más
grandes, los almacenes de datos se han utilizado para recopilar, cotejar y
organizar grandes volúmenes de datos para su posterior análisis.
La tecnología actual lleva esta evolución un paso más allá. El nuevo paradigma
brinda la capacidad de acceder a datos que se encuentran en diferentes sistemas
de software, a veces incluso en diferentes continentes, tan pronto como se registra
una transacción en el sistema de origen. Esta capacidad de análisis en tiempo real
es transformadora. Es lo que distingue a las organizaciones financieras de primer
nivel del resto de la multitud. El análisis en tiempo real es la semilla de lo que
llamamos "inteligencia financiera".
En caso del área de RRHH, los datos manejados suelen proveer de tres tipos de
aplicaciones transaccionales tradicionalmente utilizadas: i) la planificación y el
control de RRHH, incluyendo sistemas de planificación de turnos de trabajo y
control de tiempo y asistencia; ii) la nómina, administración de personal y gestión
de la compensación, y iii) la gestión del talento en todo su ciclo, desde la selección
e incorporación del talento hasta su desarrollo y la evaluación del rendimiento.
Referencias
de 2021, de https://www.oracle.com/mx/data-science/machine-learning/what-is-
machine-learning/
web/machine-learning-asi-piensan-las-maquinas/
3. Big data: cómo se usan los datos que generamos. (2019, 20 marzo). IONOS
Digitalguide. https://www.ionos.mx/digitalguide/online-marketing/analisis-web/big-
data-nuestra-huella-en-forma-de-datos/
https://www.iebschool.com/blog/business-intelligence-analitica-financiera-
finanzas/#:%7E:text=en%20las%20finanzas-,%C2%BFQu%C3%A9%20es%20la
%20anal%C3%ADtica%20financiera%3F,estrat%C3%A9gicas%20que
%20mejoren%20su%20rendimiento.
5. Córdoba Gutiérrez, Angie Lorena; González Palacios, Ana Milena (6 de julio de 2013). «La
el 19 de agosto de 2021.
6. Sunil Chopra and Peter Meindl (2006). Supply Chain Management. 3° Edition. Pearson/Prentice
Hall.
7. Paul Schönsleben (2000). Integral Logistics Management. Auerbach Publications, Taylor &
Francis Group.
8. John T. Mentzer, William DeWitt, James S. Keebler, Soonhong Min, Nancy W. Nix, Cario D.
Srnith YZach G.Zacharia, "Defining Supply Chain Management", Journal of Businees Logistics,
Español. https://searchdatacenter.techtarget.com/es/definicion/Analisis-de-Datos
business-intelligence-whats-the-difference/
11. La importancia del Business Intelligence en RRHH. (s. f.). rrhhdigital. Recuperado
importancia-del-Business-Intelligence-en-RRHH