INTELIGENCIA DE NEGOCIOS ADAPTATIVOS APLICADA A LA EMPRESA DE SERVICIOS PÚBLICOS E.S.P EMSERPUCAR DEL MUNICIPIO DE CARTAGENA DEL CHAIRÁ

##plugins.themes.academic_pro.article.sidebar##

Publicado Jan 29, 2021
https://doi.org/10.47847/faccea.v11n1a4
Download
PDF
Statistic

Descargas

Los datos de descargas todavía no están disponibles.
Vol. 11 Núm. 1 (2021)

##plugins.themes.academic_pro.article.main##

Jhon William Araque Farfán
Universidad Surcolombiana
Cristian Andrés Reyes Mora
Universidad Surcolombiana
Ana Victoria Perdomo Fajardo
Universidad Surcolombiana
Jasmidt Vera Cuenca
Universidad Surcolombiana

Resumen

Este proyecto se basa en la construcción de un modelo artificial a partir del software Rstudio, el cual permite al director de una empresa de servicios contar con una idea intuitiva sobre el funcionamiento de su compañía; lo anterior, con el fin de que pueda tomar decisiones acertadas acerca de su negocio. Con este modelo, y siguiendo de ciertos parámetros se podrá explorar el comportamiento futuro de la empresa, gracias al uso de las siguientes herramientas: conceptos estadísticos, técnicas de predicción y optimización para desarrollar el autoaprendizaje. Así mismo, a partir del estudio propuesto se generaron algunas conclusiones, recomendaciones y/o sugerencias, con el fin de orientar a los gerentes de negocio a tomar decisiones que aumenten la eficiencia, la productividad y la competitividad de sus organizaciones. Una de las predicciones que aquí se propone y que está dirigida específicamente a la organización objeto de estudio, es la de que, del 100% de los usuarios que habría para el año 2021, solo el 50% pagaría el servicio de alcantarillado.

##plugins.themes.academic_pro.article.details##

Creative Commons License

Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial-CompartirIgual 4.0.

Cómo citar
Araque Farfán, J. W., Reyes Mora, C. A. ., Perdomo Fajardo, A. V., & Vera Cuenca, J. (2021). INTELIGENCIA DE NEGOCIOS ADAPTATIVOS APLICADA A LA EMPRESA DE SERVICIOS PÚBLICOS E.S.P EMSERPUCAR DEL MUNICIPIO DE CARTAGENA DEL CHAIRÁ. Revista Facultad De Ciencias Contables Económicas Y Administrativas -FACCEA, 11(1), 55–71. https://doi.org/10.47847/faccea.v11n1a4
Crossref
Scopus
Google Scholar
Europe PMC

Citas

  1. Morín, E. &. Le Moígne, J. (2006). Inteligencia de la Complejidad Epistemología y Pragmática. Cerisy: l'aube. https://pdfcookie.com/documents/inteligencia-de-la-complejidad-x20gg9e0z3l3
  2. Alonso, A. M., & Daniel Peña, J. R. (2004). Introduciendo la incertidumbre del modelo en la serie de tiempo bootstrap. Instituto de Ciencia Estadística, Academia Sinica, 155-174.
  3. Andrés M. Alonso. (2004). Introducción al Análisis de Series Temporales. Cálculo de Tendencia y Estacionalidad. http://halweb.uc3m.es/esp/Personal/personas/amalonso/esp/seriestemporales.pdf
  4. García , R. ( 2011 ) . Interdisciplinariedad y s i stemas complejos. Re LMe CS, 66 - 101 . file:///C:/Users/Lenovo/Downloads/admin,+Gestor_a+de+la+revista,+v1n1a04.pdf
  5. Arias, M. M. (2015, 14 de enero). No todo es normal. Manejo de datos no normales. ANESTESIAR. https://anestesiar.org/2015/no-todo-es-normal-manejo-de-datos-no-normales/
  6. Arias, M. M. (2017). ¿Qué significa realmente el valor de p? Revista Pediatría Atención Primaria, 9(76). http://scielo.isciii.es/scielo.php?script=sci_arttext&pid=S1139-76322017000500014
  7. Back, T. (2002). Adaptive business intelligence based on evolution strategies: some application examples of self-adaptive software. Elsevier.
  8. Garcia, R. ( 2007 ) . Interdisciplinariedad y Sistemas Complejos*. proglocode. unam. http://www.proglocode.unam.mx/system/files/interdisciplinariedad%20y%20sistemas%20complejos%20
  9. -%20Rolando%20Grac%C3%ADa.pdf
  10. b.se-todo.com. (2015). La Ciencia de la Complejidad. En A. &. Toffler, La Tercera Ola. Tomado de: La Ciencia de la Complejidad (se-todo.com)
  11. Soler B , Y. ( 2017) . Teorías sobre los sistemas complejos . A & D , 5 2 - 6 9 . file:///C:/Users/Lenovo/Downloads/Dialnet-TeoriasSobreLosSistemasComplejos-6403420.pdf
  12. Barbatus, C. B. (2008). El Quark y el Jaguar. En M. Gell-Mann, El Quark y el Jaguar. http://elcajondewatson.blogspot.com/2008/05/el-quark-y-el-jaguar-hacia-un.html
  13. Castillo, A. J. (2010). Métodos Estadísticos con R y R Commander. Universidad de Jaén. https://cran.r- project.org/doc/contrib/Saez-Castillo-RRCmdrv21.pdf
  14. Castro Alfaro, A. (2016). Estrategias para la disminución de la carga impositiva en las organizaciones e m p r e s a r i a l e s . E n f o q u e D i s c i p l i n a r i o , 1 ( 1 ) , 2 1 - 3 4 . http://enfoquedisciplinario.org/revista/index.php/enfoque/article/view/6
  15. Cervan, D. (2020 29 de mayo). Regresión lineal múltiple con R. (Video). Tomado de https://www.youtube.com/watch?v=dFiOett-BgI&ab_channel=dheybicervan
  16. C o r p o r a t i o n , O . ( s . f . ) . ¿ Q u é e s l a i n t e l i g e n c i a d e n e g o c i o s ? . To m a d o d e : https://www.oracle.com/ocom/groups/public/@otn/documents/webcontent/317529_esa.pdf
  17. Modelo autorregresivo integrado de media móvil. (18 de marzo del 2020). En Wikipedia. https://es.wikipedia.org/wiki/Modelo_autorregresivo_integrado_de_media_m%C3%B3vil
  18. Joaquín, A. R. (2016). Introducción a la Regresión Lineal Múltiple: Cienciadedatos.net. https://www.cienciadedatos.net/documentos/25_regresion_lineal_multiple.html
  19. https://revistalogos.policia.edu.co:8443/index.php/rlct/article/view/11/406
  20. D h y b i C e r v a n . ( 1 9 d e M a y o d e 2 0 2 0 ) . D h e y b i C e r v a n . https://drive.google.com/drive/folders/1hftPFSswzVrJQz5MFifeX4QTtgZeCAAP
  21. G., C. S. (2017). Fundamentos Básicos de Estadística. (Sin editorial).
  22. G., M. Á. (2016). Análisis de integración y modelos de cointegración: Aplicación en software R. En L. Q.
  23. Romero, & M. Á. Mendoza (Ed.), ECONOMETRÍAAPLICADAUTILIZANDO R (. 174 - 207 ). Dgapa.
  24. Grolemund, H. W. (2017). R for Data Science: Import, Tidy, Transform, Visualize, and Model Data. O'Reilly Media .
  25. Berenstein, M. (2018). Inteligencia Adaptativa. Emprendedores News. https://emprendedoresnews.com
  26. / t ips/ intel igenc ia- apl i cada. html#: ~: text=La% 20 intel igenc ia% 20 adaptat i va% 20 es% 20 la,de%20una%20neurona%20a%20otra.
  27. Hsinchun Chen, R. H. (2012). Business intelligence and analytics: Mis Quarterly.
  28. Junco, M. J., & Castellanos, G. C. (2013). Business intelligence y la toma de decisiones financieras: una aproximación teórica. LOGOS CIENCIA& TECNOLOGÍA, 5(1), (119-138).
  29. Meyer, P. L. (s.f.). Probabilidad y aplicaciones estadísticas. Washington State University, Pearson.
  30. Rodrigo, J. A. (Julio de 2016). Introducción a la Regresión Lineal Múltiple. https://www.cienciadedatos.net/ documentos/25_regresion_lineal_multiple
  31. Rodrigo, J. A. (Agosto de 2016). Rpubs by Rstudio. Obtenido de https://rpubs.com/Joaquin_AR/254575
  32. Moro, S., Cortés, P., Rita, P. (2015). Business intelligence in banking: A literature analysis from 2002 to 2013
  33. using text mining and latent Dirichlet allocation. Elsevier. Expert Systems with Applications, 42(3), (1314-
  34. . https://data.library.virginia.edu/diagnostic-plots/
  35. Wickham, G. G. (2014). Hands-On Programming with R write your own functions and simulations. Matthew Hacker.
  36. Wickham, H. (2009). ggplot2 Elegant Graphics for data Analysis. Springer.
  37. Zbigniew Michalewicz, M. S. (2006). Adaptive Business Intelligence. Springer.
  38. Zylberberg, A. D. (2006). Probabilidad y Estadística. Nueva Librería.

Artículos más leídos del mismo autor/a