Comparativa entre Business Intelligence y Data Mining

George Jhonny Vera Cervantes; Jaime Sayago-Heredia

doi:10.26871/killkanatecnica.v6i3.1042

Autores/as

George Jhonny Vera Cervantes Pontificia Universidad Católica del Ecuador, Sede Esmeraldas
Jaime Sayago-Heredia Pontificia Universidad Católica del Ecuador, Sede Esmeraldas

DOI:

https://doi.org/10.26871/killkanatecnica.v6i3.1042

Palabras clave:

Data Mining, Business Intelligence, ETL.

Resumen

Vivimos en la sociedad de la información. Gracias a Internet y al desarrollo de los sistemas de información en las empresas, sus directivos pueden acceder a mucha más información, de más calidad y con mayor rapidez. Cada vez es más importante saber qué está pasando en nuestro mercado y en nuestras propias organizaciones. El tiempo de que disponemos para acceder a esa información es cada vez menor; consecuentemente, necesitamos obtener la información más rápidamente para analizarla y tomar decisiones a partir de ella, El objetivo principal de esta investigación es describir y comparar las principales técnicas, herramientas y características de Business Intelligence y Data mining. El resultado de la comparativa permite realizar una mejor elección de la tecnología más adecuada, en función de los datos a ser extraídos y requisitos de la organización.

Descargas

Los datos de descargas todavía no están disponibles.

Citas

J. Elizondo, M. J. Parzinger, O. J. Welch, and B. Greehey, “Using Business Analysis Software in a Business Intelligence Course,” ISEDJ, 2011, Accessed: Jun. 12, 2022. [Online]. Available: www.aitp-edsig.org/www.isedj.org.

J. L. Cano, BUSINESS INTELLIGENCE: COMPETIR CON INFORMACIÓN. 2007.

A. Peslak et al., “2011 AITP Education Special Interest Group (EDSIG) Board of Directors Information Systems Education Journal Editors ISEDJ Editorial Board Using Business Analysis Software in a Business Intelligence Course,” Inf. Syst. Educ. J., no. 6, p. 9, 2011, Accessed: Jun. 12, 2022. [Online]. Available: www.aitp-edsig.org/www.isedj.org.orgorthepublisheratpublisher@isedj.org.www.aitp-edsig.org/www.isedj.orgwww.aitp-edsig.org/www.isedj.org.

S. Sircar, “Business intelligence in the business curriculum,” Commun. Assoc. Inf. Syst., vol. 24, no. 1, pp. 289–302, 2009, doi: 10.17705/1CAIS.02417.

L. Szathmary, “Symbolic Data Mining Methods with the Coron Platform,” HAL open Sci., Nov. 2008, Accessed: Jun. 12, 2022. [Online]. Available: https://tel.archives-ouvertes.fr/tel-01754284v2.

J. F. Dipnall et al., “Fusing Data Mining, Machine Learning and Traditional Statistics to Detect Biomarkers Associated with Depression,” 2016, doi: 10.1371/journal.pone.0148195.

S. G. Alonso et al., “Data Mining Algorithms and Techniques in Mental Health: A Systematic Review,” J. Med. Syst., vol. 42, no. 9, Sep. 2018, doi: 10.1007/S10916-018-1018-2.

M. Pirooznia, F. Seifuddin, J. Judy, P. B. Mahon, and P. P. Zandi, “Data Mining Approaches for Genome-Wide Association of Mood Disorders,” Psychiatr Genet, vol. 22, no. 2, pp. 55–61, 2012, doi: 10.1097/YPG.0b013e32834dc40d.

H. Ni, X. Yang, C. Fang, Y. Guo, M. Xu, and Y. He, “Data mining-based study on sub-mentally healthy state among residents in eight provinces and cities in China,” J. Tradit. Chinese Med., vol. 34, no. 4, pp. 511–517, Aug. 2014, doi: 10.1016/S0254-6272(15)30055-8.

A. Beatrice, “Principales técnicas de Business Intelligence para agilizar el procesamiento de datos,” Artículo Web, Jul. 15, 2021. https://www.analyticsinsight.net/top-business-intelligence-techniques-to-streamline-data-processing/ (accessed Jun. 12, 2022).

L. Zeng, L. Xu, Z. Shi, M. Wang, and W. Wu, “Techniques, process, and enterprise solutions of business intelligence,” Conf. Proc. - IEEE Int. Conf. Syst. Man Cybern., vol. 6, pp. 4722–4726, 2006, doi: 10.1109/ICSMC.2006.385050.

L. Zhang, B. Vinodhini, and T. Maragatham, “Interactive IoT Data Visualization for Decision Making in Business Intelligence,” Arab. J. Sci. Eng. 2021, pp. 1–11, Jul. 2021, doi: 10.1007/S13369-021-05889-W.

JAYANTHI RANJAN, “Business Intelligence: Concepts, Components, Techniques and Benefits,” Bus. Intell. Concepts, Components, Tech. Benefits, vol. 9, pp. 60–68, 2009.

J. A. Gutiérrez O. and B. Molina, “Identificación de técnicas de minería de datos para apoyar la toma de decisiones en la solución de problemas empresariales,” Rev. Ontare, vol. 3, no. 2, pp. 33–51, May 2016, doi: 10.21158/23823399.V3.N2.2015.1440.

“Dynamics NAV is now Business Central | Microsoft Dynamics 365,” 2019. https://dynamics.microsoft.com/en-us/nav-overview/ (accessed Jun. 12, 2022).

“Visualización de datos | Microsoft Power BI.” https://powerbi.microsoft.com/es-es/ (accessed Jun. 12, 2022).

Y. Mamani-Coaquira, “Business Intelligence: herramientas para la toma de decisiones en procesos de negocio,” 2019, Accessed: Jun. 12, 2022. [Online]. Available: https://www.researchgate.net/publication/323993348.

“Business Intelligence (BI) | Oracle España.” https://www.oracle.com/es/business-analytics/business-intelligence/ (accessed Jun. 12, 2022).

P. Juneta, “Business Intelligence - Architecture, Components and its Benefits,” Artículo Web, 2019. https://www.managementstudyguide.com/business-intelligence.htm (accessed Jun. 12, 2022).

D. M. Tank, “Enable Better and Timelier Decision-Making Using Real-Time Business Intelligence System,” Int. J. Inf. Eng. Electron. Bus., vol. 7, no. 1, pp. 43–48, Jan. 2015, doi: 10.5815/IJIEEB.2015.01.06.

A. A. De Souza, T. S. Barcelos, R. Munoz, R. Villarroel, and L. A. Silva, “Data Mining Framework to Analyze the Evolution of Computational Thinking Skills in Game Building Workshops,” doi: 10.1109/ACCESS.2019.2924343.

“Business Intelligence vs. Data Mining: A Comparison - Talend | Talend.” https://www.talend.com/resources/business-intelligence-data-mining/ (accessed Jun. 12, 2022).

“Data Mining y Business Intelligence: potenciando las decisiones empresariales | 2022.” https://masterdatascienceceupe.com/data-mining-y-business-intelligence-potenciando-las-decisiones-empresariales/ (accessed Jun. 12, 2022).