1. BASES DE DATOS PARA LA TOMA DE
DECISIONES
BASES DE DATOS AVANZADAS
Juan Camilo Giraldo Mejia
MEDELLIN
2013

2. PROFESOR
Juan Camilo Giraldo Mejia
Formación. Ing. de Sistemas, Especialista en Informática,
Magister en Ingeniería de Sistemas, Estudiante de
Doctorado en Ingeniería de Sistemas
Ocupación. Profesor Investigador, Universidad de San
Buenaventura, profesor de catedra, Tecnológico de
Antiquia.
Email personal. jcgm16@hotmail.com
Email del curso.
Usuario: bidatos@gmail.com
Clave: datos2013

3. ESTUDIANTES
GRUPO. 005
PERIODO ACADEMICO. 2013
LISTADO. ver

4. EVALUACION
PARCIAL. 20% - Septiembre 2
SEGUIMIENTO. 60%
Evaluación de conceptos. 15% - Agosto 12
Trabajo en clase(taller 1). 10% - por definir
Trabajo en clase(taller 2). 10% - por definir
Entregable 1 (Propuesta, Modelo Estrella, BD). 10% - Agosto 5
Entregable 2 (Análisis multidimensional,cubo OLAP). 15% - Septiembre 9
FINAL. 20% - Noviembre 11
Entregable 3 (Técnicas de Minería de Datos. Reglas de Asociación y
Clustering)

5. TEMAS
INTELIGENCIA DE NEGOCIOS
TECNICAS DE INTELIGENCIA DE NEGOCIOS
BASES DE DATOS PARA TOMA DE DECISIONES
BODEGA DE DATOS
MIGRACION DE DATOS (ETL)
PROCESAMIENTO ANALITICO EN LINEA OLAP
MINERIA DE DATOS
METODOLOGIAS PARA PROYECTOS DE MINERIA DE DATOS
TECNICAS O ALGORITMOS DE MINERIA (Técnica de Asociación, Técnica
de Clustering)

6. INTELIGENCIA DE NEGOCIOS (AYALA, 2006)
Denominada Inteligencia Empresarial, o BI (Business Intelligence)
Es un conjunto de estrategias y herramientas para la obtención y
administración de conocimiento mediante el análisis
de datos existentes en una organización o empresa.

7. BENEFICIOS (LUZAR et al, 2011), (AYALA, 2006)
Estrategias
Mejor toma de decisiones del negocio
Competitividad y calidad del negocio
Mejorar el desempeño del negocio
Procesos
Toma
Decisiones
Aplicaciones
Tecnologías

8. TECNICAS DE BI
Datos
PROCESAMIENTO ANALITICO
EN LINEA
BODEGA DE DATOS
PROCESAMIENTO
ANALITICO(CUBOS)
OLAP
Información
PROCESAMIENTO DE DATOS
EXPLOTACION DE LOS DATOS
OBTENCION DE MODELOS
MINERIA
DE DATOS
Conocimiento
(KDD)

9. •Es el proceso no trivial de identificar patrones válidos,
novedosos, potencialmente útiles y comprensibles a partir
de los datos (Molina, 2000).
KDD
Descubrir
conocimiento
•El Descubrimiento de Conocimiento se encarga de la
preparación de los datos y la interpretación de los
resultados obtenidos, los cuales dan un significado a estos
patrones encontrados.
•El descubrimiento de estos patrones se da a través de la
Minería de Datos (Data Mining), la cual a través de técnicas
aplica la Inteligencia Artificial, con el fin de encontrar
patrones y relaciones dentro de los datos permitiendo la
creación de modelos, es decir, representaciones abstractas
de la realidad(Varcarcel, 2004).
•El proceso de KDD usa algoritmos de Minería de Datos para
extraer (identificar) lo que se considera como conocimiento
de acuerdo a la especificación de ciertos parámetros
usando una base de datos junto con procesamientos
específicos. (Lezcano, 2002)

10. ETAPAS PARA LA OBTENCION DE CONOCIMIENTO
Fuentes
Seleccion y Limpieza
Transformacion de Datos
Mineria de Datos
Explotacion de Informacion
Visualizacion e
interpretacion
CONOCIMIENTO
Fuentes: Comerstar Corp., All Rights Reserved ©2011,
http://www.comerstar.com/preguntas/

11. BIBLIOGRAFIA
• LUZAR, Vesna, JAREC, Iva, ZORAN Bekic. (2011). Information
Technology Interfaces (ITI), Proceedings of the ITI. International
Conference, IEEE.
• AYALA, Alejandro. (2006). Inteligencia de Negocios. Una propuesta
para su desarrollo en sus organizaciones. Instituto politécnico
nacional. Ed1 , México, d.f., ISBN: 970-94797-1-7
• MOLINA, Luis. (2000). Torturando los Datos Hasta que Confiesen”.
Departamento de Lenguajes y Sistemas Informáticos, Universidad
Politécnica de Cataluña. Barcelona, España. 2000.
• VALCÁRCEL ASENCIOS, V. (2004). Data Mining y el descubrimiento
de conocimiento”. Revista de la Facultad de Ingeniería Industrial.
Vol. (7) 2: pp. 83-86 UNMSM ISSN: 1560-9146.
• LEZCANO, RAMÓN. (2002). Minería de Datos. Trabajo de
Investigación. Universidad Nacional del Nordeste. 2002.