Plan de implementación de tecnologías Big Data para la optimización de estrategias comerciales y de segmentación

Vista sencilla de ítem
dc.contributor.advisorPajarito Grajales, Diego Fabiánspa
dc.contributor.advisorCalderón Benavides, Maritza Lilianaspa
dc.contributor.authorCarrillo Álvarez, Franciscospa
dc.contributor.cvlachttps://scienti.minciencias.gov.co/cvlac/visualizador/generarCurriculoCv.do?cod_rh=0000068900*
dc.contributor.googlescholarhttps://scholar.google.es/citations?hl=es&user=XihGBWoAAAAJ*
dc.contributor.researchgatehttps://www.researchgate.net/profile/Liliana_Calderon-Benavides*
dc.contributor.scopushttps://www.scopus.com/authid/detail.uri?authorId=15043558200*
dc.coverageBucaramanga (Colombia)spa
dc.coverage.campusUNAB Campus Bucaramangaspa
dc.date.accessioned2020-06-26T21:33:15Z
dc.date.available2020-06-26T21:33:15Z
dc.date.issued2016-06-20
dc.degree.nameMagíster en Gestión, aplicación y desarrollo de softwarespa
dc.description.abstractLa analítica de datos masivos ha disparado las iniciativas hacia la implementación de aplicaciones de Big Data en muchas organizaciones de todos los sectores económicos del país. La planeación y despliegue de estrategias comerciales exitosas, procesos adecuados de segmentación de clientes, implementación de políticas de fidelización, gestión del conocimiento y la unificación de la información son algunos de los aspectos más relevantes para empresas que buscan mejorar su desempeño comercial a través de la explotación de su activo más importante – la información-. Los medios impresos, por su naturaleza, son constantemente llamados a implementar herramientas que le permitan mejorar no solo el conocimiento del cliente sino sus procesos de gestión de información. En el presente estudio se hace una revisión de las necesidades de adopción de nuevas fuentes de información en procesos de venta, transformación y unificación de las diferentes fuentes de datos existentes en la empresa, se plantea una arquitectura tecnológica que soporte dichos cambios basada en la implementación de tecnologías Big Data, modelos de procesos de unificación de la información y de ventas, y a su vez se propone un plan de implementación que brinde a Vanguardia Liberal las fortalezas necesarias para afrontar procesos de analítica de datos masivos en el sector de los medios impresos.spa
dc.description.abstractenglishBig data analytics has triggered initiatives towards the implementation of Big Data applications in many organizations in all economic sectors of the country. The planning and deployment of successful business strategies, adequate customer segmentation processes, implementation of loyalty policies, knowledge management and the unification of information are some of the most relevant aspects for companies seeking to improve their commercial performance through exploitation of its most important asset - information. Print media, by their nature, are constantly called upon to implement tools that allow them to improve not only customer knowledge but also their information management processes. In this study, a review is made of the needs for the adoption of new information sources in sales processes, transformation and unification of the different data sources existing in the company, a technological architecture that supports said changes based on implementation is proposed. of Big Data technologies, information unification and sales process models, and in turn an implementation plan is proposed that provides Vanguardia Liberal with the necessary strengths to face massive data analytics processes in the printed media sector.eng
dc.description.degreelevelMaestríaspa
dc.description.learningmodalityModalidad Presencialspa
dc.description.tableofcontentsRESUMEN ............................................................................................................. 13 GLOSARIO ............................................................................................................ 14 INTRODUCCIÓN ................................................................................................... 17 1. MARCO METODOLÓGICO ............................................................................... 18 1.1 Planteamiento del Problema ............................................................................ 18 1.2 Justificación ..................................................................................................... 18 1.3 Pregunta De Investigación ............................................................................... 19 1.4 Objetivos De La Investigación .......................................................................... 19 1.4.1 Objetivo General ........................................................................................... 19 1.4.2 Objetivos Específicos .................................................................................... 20 1.5 Resultados Esperados ..................................................................................... 20 1.6 Metodología ..................................................................................................... 20 1.7 Etapas de la Investigación ............................................................................... 21 1.8 Actividades ....................................................................................................... 21 2. MARCO TEÓRICO ............................................................................................ 26 2.1 Big Data ........................................................................................................... 26 2.1.1 Las 3 “V” ....................................................................................................... 27 2.1.2 Tecnologías Big Data .................................................................................... 28 2.2 Cliente .............................................................................................................. 29 2.3 Estrategia ......................................................................................................... 30 2.4 Segmentación .................................................................................................. 30 2.5 Activos De Información .................................................................................... 31 3. DIAGNÓSTICO DEL ESTADO ACTUAL ........................................................... 33 3.1 Arquitectura ...................................................................................................... 33 3.1.1 Publicidad ..................................................................................................... 33 3.1.2 Circulación .................................................................................................... 34 3.1.3 Administración .............................................................................................. 36 3.1.4 Actores Externos ........................................................................................... 36 8 3.2 Procesos De Venta .......................................................................................... 37 3.2.1 Proceso de venta de publicidad .................................................................... 37 3.2.2 Proceso de Venta en servicio al Cliente ....................................................... 39 3.2.3 Proceso de venta suscripciones ................................................................... 40 3.2.4 Proceso de Validación de la información de los Actores externos ................ 41 4. IDENTIFICACIÓN DE REQUERIMIENTOS....................................................... 44 4.1 Encuesta .......................................................................................................... 44 4.1.1 Instrumento de recolección de la información ............................................... 44 4.2 Resultados ....................................................................................................... 46 4.3 Análisis de los resultados................................................................................. 46 4.4 Conclusiones de los Resultados ...................................................................... 48 5. TECNOLOGIAS BIG DATA ............................................................................... 50 5.1 Principales soluciones tecnológicas de Big Data ............................................. 50 5.2 Tipos de Soluciones Big Data .......................................................................... 54 5.2.1 Distribuciones ............................................................................................... 55 5.2.2 Appliance ...................................................................................................... 55 5.2.3 Cloud ............................................................................................................ 56 5.2.4 Comparación de Soluciones ......................................................................... 56 5.3 Recomendaciones Gartner 2016 ..................................................................... 59 5.3.1 Business Intelligence y Business Analytics ................................................... 59 5.3.2 Almacenamiento y gestión de bases de datos de Analytics ......................... 60 5.4 Evaluación Distribuciones ................................................................................ 61 5.5 Evaluación de Herramientas de Bussiness Intelligence. .................................. 65 5.6 Consideraciones Técnicas. .............................................................................. 69 6. ARQUITECTURA Y MODELOS PROPUESTOS ............................................... 71 6.1 Arquitectura de procesamiento de Big Data propuesta por Krishnan Krish. .... 71 6.2 Arquitectura de Big Data propuesta por Bob Marcus. ...................................... 73 6.3 Arquitectura de Big Data propuesta por Microsoft. .......................................... 75 6.4 Comparación de Arquitecturas Krishnan, Marcus y Microsoft.......................... 77 6.5 Arquitectura Propuesta .................................................................................... 79 6.6 Diagramas de Arquitecturas Propuestas ......................................................... 80 6.6.1 Diagrama de Arquitectura Deseado .............................................................. 81 6.6.2 Diagrama de Arquitectura Realizable ........................................................... 81 6.7 Modelos Propuestos ........................................................................................ 84 6.7.1 Modelo Integrador de Información ................................................................ 85 6.7.2 Modelo de Ventas unificado .......................................................................... 87 7. PLAN DE IMPLEMENTACIÓN .......................................................................... 91 7.1 Actividades ....................................................................................................... 91 7.2 Diagrama de Gantt ........................................................................................... 94 7.3 Discusión viabilidad técnica ............................................................................. 95 8. CONCLUSIONES .............................................................................................. 97 BIBLIOGRAFÍA ...................................................................................................... 99 ANEXOS .............................................................................................................. 109spa
dc.format.mimetypeapplication/pdfspa
dc.identifier.instnameinstname:Universidad Autónoma de Bucaramanga - UNABspa
dc.identifier.reponamereponame:Repositorio Institucional UNABspa
dc.identifier.urihttp://hdl.handle.net/20.500.12749/3369
dc.language.isospaspa
dc.publisher.facultyFacultad Ingenieríaspa
dc.publisher.grantorUniversidad Autónoma de Bucaramanga UNABspa
dc.publisher.programMaestría en Gestión, Aplicación y Desarrollo de Softwarespa
dc.relation.referencesCarrillo Álvarez, Francisco (2016). Plan de implementación de tecnologías BIG DATA para la optimización de estrategias comerciales y de segmentación. Bucaramanga (Colombia) : Universidad Autónoma de Bucaramanga UNABspa
dc.relation.references5 ventajas de la Inteligencia de Negocios. (s. f.). Recuperado 15 de junio de 2016, a partir de http://mprende.co/gesti%C3%B3n/5-ventajas-de-la-inteligencia-de-negociosspa
dc.relation.referencesAcerca de Gartner. (s. f.). Recuperado 15 de junio de 2016, a partir de http://www.gartner.com/technology/about.jspspa
dc.relation.referencesAcosta Medellín, J. N., & Florez Lara, D. H. (2015). Diseño e implementación de prototipo BI utilizando una herramienta de Big Data para empresas Pymes distribuidoras de tecnología. Recuperado a partir de http://repository.ucatolica.edu.co:8080/xmlui/handle/10983/2543spa
dc.relation.referencesApache Mahout: Scalable machine learning and data mining. (s. f.). Recuperado 6 de mayo de 2016, a partir de http://mahout.apache.org/spa
dc.relation.referencesApache SparkTM - Lightning-Fast Cluster Computing. (s. f.). Recuperado 21 de febrero de 2016, a partir de https://spark.apache.org/spa
dc.relation.referencesArana, E., & Hernan, J. (2015). Plan de marketing para la empresa comercial Jácome”, cantón Quevedo, año 2015. Recuperado a partir de http://repositorio.uteq.edu.ec/handle/43000/661spa
dc.relation.referencesArdila Cañas, E., & Gómez Díaz, I. C. (2015). Estrategias para la gestión de grandes volúmenes de datos por medio de big data en el contexto de la analítica de negocios: caso MVM ingeniería de software SAS. Recuperado a partir de http://bibliotecadigital.usbcali.edu.co:8080/jspui/handle/10819/2702spa
dc.relation.referencesAWS | Análisis de Big Data y almacenamiento en la nube. (s. f.). Recuperado 2 de junio de 2016, a partir de //aws.amazon.com/es/big-data/spa
dc.relation.referencesAWS | Elastic mapreduce (EMR) para el procesamiento rápido de datos. (s. f.). Recuperado 4 de mayo de 2016, a partir de //aws.amazon.com/es/elasticmapreduce/spa
dc.relation.referencesAWS | Servicio de base de datos gestionada NoSQL (DynamoDB). (s. f.). Recuperado 4 de mayo de 2016, a partir de //aws.amazon.com/es/dynamodb/spa
dc.relation.referencesAWS | Solución de almacenamiento y análisis de datos en la nube. (s. f.). Recuperado 4 de mayo de 2016, a partir de //aws.amazon.com/es/redshift/spa
dc.relation.referencesAyelo, E., & Alberto, S. (2015). Big data como mejora competitiva para la gestión de la información en la agricultura argentina. Recuperado a partir de http://repositorio.udesa.edu.ar/jspui/handle/10908/10919spa
dc.relation.referencesBig Data Analytics & Hadoop Services from Teradata. (s. f.). Recuperado 7 de mayo de 2016, a partir de http://www.teradata.com.es/services/big-analytics-and-hadoop-services/?ICID=mainnav&LangType=1034&LangSelect=true#tabbable=0&tab1=0&tab2=0spa
dc.relation.referencesBig Data Appliance | Oracle España. (s. f.). Recuperado 2 de junio de 2016, a partir de https://www.oracle.com/es/engineered-systems/big-data-appliance/index.htmlspa
dc.relation.referencesBig data de código abierto para el impaciente, Parte 1: Tutorial Hadoop: Hello World con Java, Pig, Hive, Flume, Fuse, Oozie, y Sqoop con Informix, DB2, y MySQL. (2013, mayo 20). [CT316]. Recuperado 20 de febrero de 2016, a partir de https://www.ibm.com/developerworks/ssa/data/library/techarticle/dm-1209hadoopbigdata/spa
dc.relation.referencesCloudera, © 2016, comerciales, I. T. los derechos reservados A. H. y los nombres de los proyectos de código abierto relacionados son marcas comerciales de A. S. F. P. ver una lista completa de las marcas, & Aquí, H. C. (s. f.). Cloudera. Recuperado 2 de junio de 2016, a partir de http://es.cloudera.com/spa
dc.relation.referencesCloudera, © 2016, Hadoop, I. A. rights reserved A., trademarks, associated open source project names are trademarks of the A. S. F. F. a complete list of, & Here, C. (s. f.). Why Cloudera. Recuperado 4 de mayo de 2016, a partir de http://es.cloudera.com/spa
dc.relation.referencesComparativa y diferencias entre las herramientas de Business Intelligence Pentaho y Qlikview. (s. f.). Recuperado 14 de mayo de 2016, a partir de http://www.buyto.es/general-business-intelligence/comparativa-y-diferencias-entre-pentaho-y-qlikviewspa
dc.relation.referencesContel Rico, B. (2011). Desarrollo de una solución business intelligence en una empresa del sector de alimentación. Recuperado a partir de https://riunet.upv.es/handle/10251/9127spa
dc.relation.referencesCoronel, C. (2011). Bases de Datos, Diseño, Implementacion y Administracion. Cengage Learning Editoresspa
dc.relation.referencesCuadrante Mágico para Data Warehouse y Data Management Solutions para Analytics. (s. f.). Recuperado 6 de mayo de 2016, a partir de https://www.gartner.com/doc/reprints?id=1-2ZSVG83&ct=160229&st=sb&mkt_tok=eyJpIjoiWVRGaFpUbGhNMlk1WVdaaCIsInQiOiJzSktMOWhCSUY3czRcL1Z4N01lTW0zVjJjNlg4aTdaM3hRYk9NN2t4UG9GSmpCRDF0ajJKc253bWY5N3E5NGNmS3NCajFUcWlscHhCTDRBTHdIYWxUSk5NUE41RjB6M3VDNXAwdTNvUktuUEE9In0%253Dspa
dc.relation.referencesData, C. B. (2015). Conociendo Big Data. Revista Facultad de Ingeniería (Fac. Ing.), 24(38), 63–77.spa
dc.relation.referencesData Visualization & Analytics Software - TIBCO Spotfire. (s. f.). Recuperado 13 de mayo de 2016, a partir de http://spotfire.tibco.com/spa
dc.relation.referencesData Warehousing in the Age of Big Data, 1st Edition | Krish Krishnan | ISBN 9780124059207. (s. f.). Recuperado 17 de junio de 2016, a partir de http://store.elsevier.com/Data-Warehousing-in-the-Age-of-Big-Data/Krish-Krishnan/isbn-9780124059207/spa
dc.relation.referencesDesarrollo Pentaho - Intryo. (s. f.). Recuperado 14 de mayo de 2016, a partir de http://www.intryo.com/pentahospa
dc.relation.referencesDresner Advisory Services - Home of Business Intelligence and the Wisdom of Crowds ® Market Research. (s. f.). Recuperado 16 de junio de 2016, a partir de http://dresneradvisory.com/spa
dc.relation.referencesEl Proyecto Apache Cassandra. (s. f.). Recuperado 5 de mayo de 2016, a partir de http://cassandra.apache.org/spa
dc.relation.referencesFerrer-Sapena, A., & Sánchez-Pérez, E. (2013). Open data, big data:?` hacia dónde nos dirigimos? Anuario ThinkEPI 2013, 7, 150–156spa
dc.relation.referencesFerri, C., Ramírez, Q. M. J., & Hernández, O. J. (2004). Introducción a la minería de datos. Editorial Prentice Hall, España.spa
dc.relation.referencesForrester : Welcome. (s. f.). Recuperado 16 de junio de 2016, a partir de https://www.forrester.com/homespa
dc.relation.referencesGarcés Uquillas, M. B. (2015). Estudio comparativo de metodologías e implementación de alternativas business intelligence opensource vs. propietarias en entornos tradicionales; caso prototipo en las pymes en el sector agroindustrial. Recuperado a partir de http://dspace.udla.edu.ec/handle/33000/2660spa
dc.relation.referencesGarcía, J. H. M. (2010). La Inteligencia De Negocios Como Herramienta Para La Toma De Decisiones Estratégicas En Las Empresas. Análisis De Su Aplicabilidad En El Contexto Corporativo Colombiano. Recuperado a partir de http://www.docentes.unal.edu.co/hrumana/docs/TESIS_JHMG_Inteligencia_de_Negocios_2010.pdfspa
dc.relation.referencesGartner BI. (s. f.). Recuperado 6 de mayo de 2016, a partir de https://www.gartner.com/doc/reprints?id=1-2XXET8P&ct=160204&st=sbspa
dc.relation.referencesGoogle. (s. f.). What is BigQuery? Recuperado 4 de mayo de 2016, a partir de https://cloud.google.com/bigquery/what-is-bigqueryspa
dc.relation.referencesGoyzueta Rivera, S. I. (2015). Big Data Marketing: una aproximación. Revista Perspectivas, (35), 147–158.spa
dc.relation.referencesGuerrero López, F. A., Rodríguez Pinilla, J. E., & others. (2014). Diseño y desarrollo de una guía para la implementación de un ambiente Big Data en la Universidad Católica de Colombia. Recuperado a partir de http://repository.ucatolica.edu.co/jspui/handle/10983/1320spa
dc.relation.referencesGuevara, S., & Antonio, O. (2015). Modelo de inteligencia de negocio para la toma de decisiones en la empresa San Roque S.A. Tesis digitales - UPAO. Recuperado a partir de http://repositorio.upao.edu.pe/handle/upaorep/794spa
dc.relation.referencesGuided Analytics | Business Intelligence Software | QlikView. (s. f.). Recuperado 5 de mayo de 2016, a partir de http://www.qlik.com/products/qlikviewspa
dc.relation.referencesGutiérrez, J. A. T., Acebrón, L. B., & Casielles, R. V. (2005). Investigación de mercados: métodos de recogida y análisis de la información para la toma de decisiones en marketing. Editorial Paraninfo.spa
dc.relation.referencesHadoop - IBM - Apache Hadoop Open Source Software Project. (2016-05-04). Recuperado 4 de mayo de 2016, a partir de http://www.ibm.com/analytics/us/en/technology/hadoopspa
dc.relation.referencesHadoop Summit: la seguridad un reto de Big Data según Hortonworks. (s. f.). Recuperado 6 de mayo de 2016, a partir de http://www.revistabyte.es/actualidad-byte/seguridad-principal-reto-de-big-data/spa
dc.relation.referencesHortonworks: Open and Connected Data Platforms. (s. f.). Recuperado 2 de junio de 2016, a partir de http://hortonworks.com/spa
dc.relation.referencesIBM - Colombia. (2016, mayo 16). Recuperado 16 de junio de 2016, a partir de https://www.ibm.com/co-es/spa
dc.relation.referencesIBM adquiere Cloudant. (2014, febrero 24). [CTB10]. Recuperado 5 de mayo de 2016, a partir de https://www-03.ibm.com/press/mx/es/pressrelease/43317.wssspa
dc.relation.referencesIBM - InfoSphere Information Server - Data Integration, Information Integration - Overview. (s. f.). Recuperado 4 de mayo de 2016, a partir de http://www-01.ibm.com/software/data/integration/info_serverspa
dc.relation.referencesIBM Analytics - Stream Computing. (2015, julio 3). [ct000]. Recuperado 4 de mayo de 2016, a partir de http://www.ibm.com/analytics/us/en/technology/stream-computingspa
dc.relation.referencesIBM DB2 for Linux, Unix and Windows – Database software – IBM Analytics. (2016, marzo 17). Recuperado 4 de mayo de 2016, a partir de https://www.ibm.com/analytics/us/en/technology/db2/db2-linux-unix-windows.htmlspa
dc.relation.referencesIBM PureData System - Analytics - System. (s. f.). Recuperado 4 de mayo de 2016, a partir de http://www-01.ibm.com/software/data/puredata/analytics/index.htmlspa
dc.relation.referencesIBM SPSS - IBM Analytics. (2016, marzo 17). Recuperado 6 de mayo de 2016, a partir de http://www.ibm.com/analytics/us/en/technology/spss/spa
dc.relation.referencesIBM Watson Explorer. (s. f.). [CT004]. Recuperado 4 de mayo de 2016, a partir de http://www.ibm.com/smarterplanet/us/en/ibmwatson/explorer.htmlspa
dc.relation.referencesInteligencia Operacional, Administración de registros, Administración de aplicaciones, Seguridad y cumplimiento de empresa. (s. f.). Recuperado 4 de mayo de 2016, a partir de http://www.splunk.com/es_esspa
dc.relation.referencesIs Big Data Still a Thing? (The 2016 Big Data Landscape). (2016, febrero 1). Recuperado 2 de mayo de 2016, a partir de http://mattturck.com/2016/02/01/big-data-landscape/spa
dc.relation.referencesLas bases de datos NoSQL. (s. f.). Recuperado 15 de junio de 2016, a partir de http://nosql-database.org/spa
dc.relation.referencesLawrence, P. S. (2002). Ingeniería de Software, Teoría y Práctica. Editorial Prentice Hall. Primera edición. ISBN, 987–9460.spa
dc.relation.referencesLópez García, D. (2013). Análisis de las posiblidades de uso de Big Data en las organizaciones. Recuperado a partir de http://repositorio.unican.es/xmlui/handle/10902/4528spa
dc.relation.referencesMapR: Plataforma de datos convergente. (s. f.). Recuperado 5 de mayo de 2016, a partir de https://www.mapr.com/spa
dc.relation.referencesMás de 500 mil usuarios únicos de 45 mil empresas en 185 países ayudaron a darle forma al nuevo Power BI | News Center Latinoamérica. (s. f.). Recuperado a partir de https://news.microsoft.com/es-xl/mas-de-500-mil-usuarios-unicos-de-45-mil-empresas-en-185-paises-ayudaron-a-darle-forma-al-nuevo-power-bi/#sm.001k62cxz12ptdj1thb19crn2ff24spa
dc.relation.referencesMicrosoft: página principal. (s. f.). Recuperado 16 de junio de 2016, a partir de https://www.microsoft.com/es-co/spa
dc.relation.referencesMLlib | Spark Apache. (s. f.). Recuperado 6 de mayo de 2016, a partir de http://spark.apache.org/mllib/spa
dc.relation.referencesMorales, G., & Carolina, S. (2015). Estudio Comparativo de Métodos Existentes para Integrar la Información Estructurada y no Estructurada de una Industria Enfocado en la Generación de Conocimiento, Desde la Perspectiva de una Solución Integral de Big Data. Recuperado a partir de http://dspace.udla.edu.ec/handle/33000/3385spa
dc.relation.referencesPSPP. (s. f.). Recuperado 6 de mayo de 2016, a partir de http://www.gnu.org/software/pspp/spa
dc.relation.referencesPentaho | Data Integration and Business Analytics Platform for Big Data Deployments. (s. f.). Recuperado 5 de mayo de 2016, a partir de http://www.pentaho.com/homepage/homepagespa
dc.relation.referencesPower BI | Herramientas de BI para la visualización de datos interactivos. (s. f.). Recuperado 13 de mayo de 2016, a partir de https://powerbi.microsoft.com/es-es/spa
dc.relation.referencesReinventando la gestión de datos. (s. f.). Recuperado 16 de junio de 2016, a partir de https://www.mongodb.com/dynamic/nodespa
dc.relation.referencesRodriguez, J. S., & Valverde, E. L. (s. f.). Big Data Analytics: propuesta de una arquitectura. Recuperado a partir de http://bb9.ulacit.ac.cr/tesinas/publicaciones/043235.pdfspa
dc.relation.referencesRomero Albarracín, D. L., Vargas López, C. A., Rojas Cordero, A., & Director. (2016, febrero 25). Diseño de prototipo para la implementación de un sistema Big Data (Thesis). Recuperado a partir de http://alejandria.poligran.edu.co/handle/10823/788spa
dc.relation.referencesSabater Picañol, J. (2013). Big Data. Recuperado a partir de http://upcommons.upc.edu/handle/2099.1/20144spa
dc.relation.referencesSAS. (s. f.). Recuperado 16 de junio de 2016, a partir de http://www.sas.com/en_us/insights/big-data.htmlspa
dc.relation.referencesSelectHub. (2016, enero 6). Tableau vs QlikView vs Microsoft Power BI. Recuperado a partir de https://selecthub.com/business-intelligence/tableau-vs-qlikview-vs-microsoft-power-bi/spa
dc.relation.referencesSerrat Morros, R. (2013). Big Data: análisis de herramientas y soluciones. Recuperado a partir de http://upcommons.upc.edu/handle/2099.1/19855spa
dc.relation.referencesSilva Guerra, H. (2014). LOS EFECTOS DE LA IMAGEN, LOS SÍMBOLOS Y LOS HÁBITOS CULTURALES EN LA ACTITUD CONSUMISTA DEL NEGOCIO MINORISTA COLOMBIANO (Spanish). University of St. Gallen, Business Dissertations, 1-160.spa
dc.relation.referencesSoftware, P. (2015, febrero 13). Pivotal [text/html]. Recuperado 6 de mayo de 2016, a partir de http://pivotal.io/spa
dc.relation.referencesde plataforma de análisis de big data en la nube – Haven OnDemand | HP® Colombia. (s. f.). Recuperado 4 de mayo de 2016, a partir de http://www8.hp.com/co/es/software-solutions/big-data-cloud-haven-ondemand/index.htmlspa
dc.relation.referencesTableau Software. (s. f.). Recuperado 6 de mayo de 2016, a partir de http://www.tableau.comspa
dc.relation.referencesTensorFlow - una biblioteca de software de fuente abierta para la máquina de Inteligencia. (s. f.). Recuperado 27 de mayo de 2016, a partir de https://www.tensorflow.org/spa
dc.relation.referencesThe BI Survey 15, BARC’s annual report on the BI industry. (s. f.). Recuperado a partir de http://barc-research.com/bi-survey-15/spa
dc.relation.referencesUn nuevo punto de Vista sobre Inteligencia de Negocios – Microsoft Power BI. (s. f.). Recuperado 14 de mayo de 2016, a partir de http://www.icsicorp.com.mx/index.php/news/113-un-nuevo-punto-de-vista-sobre-inteligencia-de-negocios-business-intelligence-bi-microsoft-power-bispa
dc.relation.referencesVega, J. J. C., Ortega, J. F. C., & Aguilar, L. J. (2015). Arquitectura Tecnológica Para Big Data. Revista Científica, 21. Recuperado a partir de http://revistas.udistrital.edu.co/ojs/index.php/revcie/article/view/8451spa
dc.relation.referencesVirtualización de servidor con VMware vSphere | VMware Colombia. (s. f.). Recuperado 4 de mayo de 2016, a partir de http://www.vmware.com/co/products/vsphere/spa
dc.relation.referencesVivancos Vicente, P. J. (2016, enero 20). Plataforma inteligente de diseño para todos para control de teléfonos móviles mediante habla en lenguaje natural [info:eu-repo/semantics/doctoralThesis]. Recuperado 21 de febrero de 2016, a partir de https://digitum.um.es/xmlui/handle/10201/47541spa
dc.relation.referencesWeka 3 - Data Mining with Open Source Machine Learning Software in Java. (s. f.). Recuperado 6 de mayo de 2016, a partir de http://www.cs.waikato.ac.nz/ml/wekaspa
dc.relation.referencesWelcome to ApacheTM Hadoop®! (s. f.). Recuperado 5 de mayo de 2016, a partir de https://hadoop.apache.orgspa
dc.relation.referencesZeppelin. (s. f.). Recuperado 6 de mayo de 2016, a partir de https://zeppelin.incubator.apache.org/spa
dc.rights.accessrightsinfo:eu-repo/semantics/openAccessspa
dc.rights.accessrightshttp://purl.org/coar/access_right/c_abf2spa
dc.rights.creativecommonsAtribución-NoComercial-SinDerivadas 2.5 Colombia*
dc.rights.localAbierto (Texto Completo)spa
dc.rights.urihttp://creativecommons.org/licenses/by-nc-nd/2.5/co/*
dc.subject.keywordsSystems engineeringeng
dc.subject.keywordsSoftware managementeng
dc.subject.keywordsSoftware applicationeng
dc.subject.keywordsSoftware developmenteng
dc.subject.keywordsEducationeng
dc.subject.keywordsNew technologieseng
dc.subject.keywordsTechnological innovationseng
dc.subject.keywordsInvestigationseng
dc.subject.keywordsTeachingeng
dc.subject.keywordsCommercial strategieseng
dc.subject.keywordsPrinted newspaperseng
dc.subject.keywordsArchitectureeng
dc.subject.keywordsTechnological innovationeng
dc.subject.keywordsSegmentationeng
dc.subject.keywordsInformation sourceseng
dc.subject.lembIngeniería de sistemasspa
dc.subject.lembGestión de softwarespa
dc.subject.lembAplicación de softwarespa
dc.subject.lembDesarrollo de softwarespa
dc.subject.lembEducaciónspa
dc.subject.lembNuevas tecnologíasspa
dc.subject.lembInnovaciones tecnológicasspa
dc.subject.lembInvestigacionesspa
dc.subject.lembEnseñanzaspa
dc.subject.proposalBig Data
dc.subject.proposalEstrategias comerciales
dc.subject.proposalPeriódicos impresos
dc.subject.proposalArquitectura
dc.subject.proposalInnovación tecnológica
dc.subject.proposalSegmentación
dc.subject.proposalFuentes de información
dc.titlePlan de implementación de tecnologías Big Data para la optimización de estrategias comerciales y de segmentaciónspa
dc.title.translatedBig Data technology implementation plan for the optimization of commercial and segmentation strategieseng
dc.type.coarhttp://purl.org/coar/resource_type/c_bdcc
dc.type.driverinfo:eu-repo/semantics/masterThesis
dc.type.hasversioninfo:eu-repo/semantics/acceptedVersion
dc.type.localTesisspa
dc.type.redcolhttp://purl.org/redcol/resource_type/TM

Archivos

Bloque original

Mostrando 1 - 4 de 4
Miniatura
Nombre:
2016_Tesis_Francisco_Carrillo_Alvarez.pdf
Tamaño:
2.51 MB
Formato:
Adobe Portable Document Format
Descripción:
Tesis
Descargar
Miniatura
Nombre:
2016_Articulo_Francisco_Carrillo_Alvarez.pdf
Tamaño:
562.2 KB
Formato:
Adobe Portable Document Format
Descripción:
Artículo
Descargar
Miniatura
Nombre:
2016_Impacto_Proyecto_Francisco_Carrillo_Alvarez.zip
Tamaño:
192 B
Formato:
Unknown data format
Descripción:
Impacto del proyecto
Descargar
Miniatura
Nombre:
2016_Licencia_FranciscoCarrillo_Alvarez.pdf
Tamaño:
154.14 KB
Formato:
Adobe Portable Document Format
Descripción:
Licencia
Descargar

Colecciones

Maestría en Gestión, Aplicación y Desarrollo de Software