Show simple item record

Caracterización de herramientas para el análisis de datos

dc.contributor.advisorCalderón Benavides, Maritza Lilianaspa
dc.contributor.authorEspitia Rey, Jershon Orlandospa
dc.contributor.authorTorres Rodríguez, Jared Davidspa
dc.date.accessioned2020-07-24T23:28:15Z
dc.date.available2020-07-24T23:28:15Z
dc.date.issued2019
dc.identifier.urihttp://hdl.handle.net/20.500.12749/7028
dc.description.abstractEste trabajo se enfoca en realizar una caracterización de herramientas del análisis de datos específicamente en alguno de sus campos y también se describen algunos de los conceptos que tienen mayor impacto en el proyecto, este proyecto se enfoca en ayudar a las pequeñas y medianas empresas que no aplican estas tecnologías, para que puedan tener una transición lo más eficaz posible, también se explican los campos más significativos para las empresas dentro de los campos del análisis de datos y una guía escrita de un total de 45 herramientas de las cuales se escogen 9 herramientas para realizar una guía un poco más especializada de las mismas para así darle una visión general a las empresas de las posibles oportunidades que tendría al implementar cualquiera de estas herramientas que se mencionan en la guía sin gastar un solo crédito en ello.spa
dc.description.tableofcontentsResumen 4 Planteamiento del problema 5 Justificación 6 Pregunta de investigación 7 Hipótesis 7 Objetivos 8 Objetivo General 8 Objetivos Específicos 8 Marco teórico 9 Estado del arte 21 Metodología 24 Resultados obtenidos 25 Resultados del objetivo número 2 25 Resultados obtenidos del objetivo número 3 54 Presupuesto 118 Conclusiones 120 Recomendaciones para trabajos futuros 121 Referencia Bibliográfica 122spa
dc.format.mimetypeapplication/pdfspa
dc.language.isospaspa
dc.rights.urihttp://creativecommons.org/licenses/by-nc-nd/2.5/co/*
dc.titleCaracterización de herramientas para el análisis de datosspa
dc.title.translatedCharacterization of tools for data analysiseng
dc.degree.nameIngeniero de Sistemasspa
dc.publisher.grantorUniversidad Autónoma de Bucaramanga UNABspa
dc.rights.localAbierto (Texto Completo)spa
dc.publisher.facultyFacultad Ingenieríaspa
dc.publisher.programPregrado Ingeniería de Sistemasspa
dc.description.degreelevelPregradospa
dc.type.driverinfo:eu-repo/semantics/bachelorThesis
dc.type.localTrabajo de Gradospa
dc.type.coarhttp://purl.org/coar/resource_type/c_7a1f
dc.subject.keywordsSystems engineereng
dc.subject.keywordsTool characterizationeng
dc.subject.keywordsAnalysis of dataeng
dc.subject.keywordsMicro businesseseng
dc.subject.keywordsInformation analysiseng
dc.subject.keywordsInformation processingeng
dc.subject.keywordsInformation scienceeng
dc.subject.keywordsSocial networkseng
dc.subject.keywordsBig data & analyticseng
dc.subject.keywordsTechnological innovationseng
dc.identifier.instnameinstname:Universidad Autónoma de Bucaramanga - UNABspa
dc.identifier.reponamereponame:Repositorio Institucional UNABspa
dc.type.hasversioninfo:eu-repo/semantics/acceptedVersion
dc.rights.accessrightsinfo:eu-repo/semantics/openAccessspa
dc.rights.accessrightshttp://purl.org/coar/access_right/c_abf2spa
dc.relation.referencesAbdelFattah, M., Galal, D., Hassan, N., Elzanfaly, D. S., & Tallent, G. (2017). A Sentiment Analysis Tool for Determining the Promotional Success of Fashion Images on Instagram. Retrieved from http://web.b.ebscohost.com.aure.unab.edu.co/ehost/detail/detail?vid=0&sid=4d 1e78a5-ac19-4241-b31b-190331f5f9e2%40pdc-v- sessmgr03&bdata=Jmxhbmc9ZXMmc2l0ZT1laG9zdC1saXZl#AN=122443403& db=egsspa
dc.relation.referencesAzim, M. A., & Bhuiyan, M. H. (2018). Text to Emotion Extraction Using Supervised Machine Learning Techniques. Retrieved from http://web.a.ebscohost.com.aure.unab.edu.co/ehost/detail/detail?vid=0&sid=b1 03a955-ccbe-40b3-aea7- 935f6107aac0%40sessionmgr4007&bdata=Jmxhbmc9ZXMmc2l0ZT1laG9zdC1 saXZl#AN=129380864&db=egsspa
dc.relation.referencesBETANCOURT, G. A. (2005). LAS MÁQUINAS DE SOPORTE VECTORIAL (SVMs). Retrieved from http://revistas.utp.edu.co/index.php/revistaciencia/article/view/6895/4139spa
dc.relation.referencesBoquín, A. (2017). Decide. (2018). Machine Learning: aplicaciones en el mundo empresarial. Retrieved from https://decidesoluciones.es/machine-learning- aplicaciones-en-el-mundo-empresarial/. Retrieved from https://www.incae.edu/es/blog/2017/11/17/machine-learning-que-es-y-por-que- importa.htmlspa
dc.relation.referencesBrown, B., & GottliebJosh. (2016). The need to lead in data and analytics. Retrieved from https://www.mckinsey.com/business-functions/digital-mckinsey/our- insights/the-need-to-lead-in-data-and-analyticsspa
dc.relation.referencesBuitinck, L., Louppe, G., Blondel, M., Pedregosa, F., Mueller, A., Grisel, O., … Varoquaux, G. (2013). {API} design for machine learning software: experiences from the scikit-learn project. In ECML PKDD Workshop: Languages for Data Mining and Machine Learning (pp. 108–122).spa
dc.relation.referencesCamargo, J. J., Camargo, J. F., & Aguilar, L. J. (2014). Conociendo Big Data. Retrieved from http://www.scielo.org.co/pdf/rfing/v24n38/v24n38a06.pdfspa
dc.relation.referencesCaparrini, F. S. (2018). Métodos combinados de aprendizaje. Retrieved from http://www.cs.us.es/~fsancho/?e=106spa
dc.relation.referencesCunningham, P., Cord, M., & Delany, S. J. (2008). Supervised Learning. In M. Cord & P. Cunningham (Eds.), Machine Learning Techniques for Multimedia: Case Studies on Organization and Retrieval (pp. 21–49). Berlin, Heidelberg: Springer Berlin Heidelberg. https://doi.org/10.1007/978-3-540-75171-7_2spa
dc.relation.referencesDecide. (2018). Machine Learning: aplicaciones en el mundo empresarial. Retrieved from https://decidesoluciones.es/machine-learning-aplicaciones-en-el-mundo- empresarial/spa
dc.relation.referencesEpidat. (2014). REGRESIÓN LOGÍSTICA. Retrieved from https://www.sergas.es/Saude- publica/Documents/1898/Ayuda_Epidat4_Regresion_logistica_Octubre2014.pd fspa
dc.relation.referencesFernando Berzal. (n.d.). Clustering. Retrieved from http://elvex.ugr.es/decsai/intelligent/slides/dm/d3 clustering.pdfspa
dc.relation.referencesGhahramani, Z. (2004). Unsupervised Learning. In O. Bousquet, U. von Luxburg, & G. Rätsch (Eds.), Advanced Lectures on Machine Learning: ML Summer Schools 2003, Canberra, Australia, February 2 - 14, 2003, Tübingen, Germany, August 4 - 16, 2003, Revised Lectures (pp. 72–112). Berlin, Heidelberg: Springer Berlin Heidelberg. https://doi.org/10.1007/978-3-540-28650-9_5spa
dc.relation.referencesGNANA SINGH, D. A. A., & LEAVLINE, E. J. (2013). DATA MINING IN NETWORK SECURITY - TECHNIQUES & TOOLS: A RESEARCH PERSPECTIVE. Retrieved from http://web.a.ebscohost.com.aure.unab.edu.co/ehost/detail/detail?vid=0&sid=7b 1a4c14-e84d-4cf8-a8ee- a5caba7625d2%40sessionmgr4008&bdata=Jmxhbmc9ZXMmc2l0ZT1laG9zdC 1saXZl#AN=93654139&db=egsspa
dc.relation.referencesGómez Díaz, D., & Pérez de Armas, Marlet Curbelo Valladares, I. (2005). Gestión del conocimiento y su importancia en las organizaciones, XXVI, 37–46. Retrieved from http://www.redalyc.org/pdf/3604/360433559006.pdfspa
dc.relation.referencesGonzález, A. (2014). ¿Qué es Machine Learning? Retrieved from https://cleverdata.io/que-es-machine-learning-big-data/spa
dc.relation.referencesGonzález González, P., & Bermúdez, T. (2010). Fuentes de información, indicadores y herramientas más usadas por gerentes de Mipyme en Cali, Colombia. Contaduría y Administración. https://doi.org/10.22201/fca.24488410e.2010.235spa
dc.relation.referencesGoogle. (2018). Google Trends. Retrieved from https://trends.google.es/trends/?geo=COspa
dc.relation.referencesHalweb. (2016). Introducción a DataMining. Retrieved from http://halweb.uc3m.es/esp/Personal/personas/jmmarin/esp/DM/introduccion- DM.pdfspa
dc.relation.referencesHasan, A., Moin, S., Karim, A., & Shamshirband, S. (2018). Machine Learning- Based Sentiment Analysis for Twitter Accounts. Retrieved from http://web.b.ebscohost.com.aure.unab.edu.co/ehost/detail/detail?vid=0&sid=da d052d3-6eb6-4602-a911- 510f624b57e2%40sessionmgr104&bdata=Jmxhbmc9ZXMmc2l0ZT1laG9zdC1s aXZl#AN=128632009&db=egsspa
dc.relation.referencesHashtag, F. the. (2018). Follow the Hashtag. Retrieved from https://www.followthehashtag.com/spa
dc.relation.referencesIbertech. (2018). ¿Qué es Machine Learning y qué aplicaciones tiene en nuestro día a día? Retrieved from https://www.ibertech.org/que-es-machine-learning-y-que- aplicaciones-tiene-en-nuestro-dia-a-dia-2/spa
dc.relation.referencesIDashboards. (2019). What is Data Visualization? Retrieved from https://www.idashboards.com/guides/what-is-data-visualization/spa
dc.relation.referencesISOTools. (2018). ¿Qué aporta a tu empresa el Business Intelligence? Retrieved from https://www.isotools.org/2018/03/15/que-aporta-a-tu-empresa-el-business- intelligence/spa
dc.relation.referencesJamalian, E. (2018). A Hybrid Data Mining Method for Customer Churn Prediction. Engineering, Technology & Applied Science Research. Retrieved from www.etasr.comspa
dc.relation.referencesKamthania, D., Pahwa, A., & Madhavan, S. S. (2018). Market Segmentation Analysis and Visualization Using K-Mode Clustering Algorithm for E-Commerce Business. Retrieved from http://web.a.ebscohost.com.aure.unab.edu.co/ehost/detail/detail?vid=0&sid=c9 bbcbcf-7f86-40c0-9357- 5a9172bcede0%40sessionmgr4010&bdata=Jmxhbmc9ZXMmc2l0ZT1laG9zdC 1saXZl#AN=130767863&db=iihspa
dc.relation.referencesLÓPEZ, F. A. G., & PINILLA, J. E. R. (2013). DISEÑO Y DESARROLLO DE UNA GUÍA PARA LA IMPLEMENTACIÓN DE UN AMBIENTE BIG DATAEN LA UNIVERSIDAD CATÓLICA DE COLOMBIA. Retrieved from https://repository.ucatolica.edu.co/bitstream/10983/1320/1/DISEÑO Y DESARROLLO DE UNA GUÍA PARA LA IMPLEMENTACIÓN DE UN AMBIENTE BIG DATA EN LA UNIVERSIDAD CATÓLICA DE COLOMBIA.pdfspa
dc.relation.referencesLuca. (2017). Los 2 tipos de aprendizaje en Machine Learning: supervisado y no supervisado. Retrieved from https://data-speaks.luca-d3.com/2017/11/que- algoritmo-elegir-en-ml-aprendizaje.htmlspa
dc.relation.referencesLuque, C. M. (2003). Clasificadores Bayesianos. El algoritmo Naïve Bayes. Retrieved from https://www.nebrija.es/~cmalagon/inco/Apuntes/bayesian_learning.pdfspa
dc.relation.referencesMadrid, U. C. I. de. (n.d.). Análisis de Componentes Principales. Retrieved from http://halweb.uc3m.es/esp/Personal/personas/jmmarin/esp/AMult/tema3am.pdfspa
dc.relation.referencesMapal. (2017). ¿Para qué sirve el Business Intelligence o BI? Retrieved from https://mapalsoftware.com/business-intelligence-para-que-sirve-bi-que-es/spa
dc.relation.referencesMarr, B. (2018). How Much Data Do We Create Every Day? The Mind-Blowing Stats Everyone Should Read. Forbes. Retrieved from https://www.forbes.com/sites/bernardmarr/2018/05/21/how-much-data-do-we- create-every-day-the-mind-blowing-stats-everyone-should- read/#e8b64c160ba9spa
dc.relation.referencesMention, S. (2018). Social Mention. Retrieved from http://socialmention.com/spa
dc.relation.referencesMontesinos García, L. (2014). ANÁLISIS DE SENTIMIENTOS Y PREDICCIÓN DE EVENTOS EN TWITTER. Retrieved from http://repositorio.uchile.cl/bitstream/handle/2250/130479/cf-montesinos_lg.pdfspa
dc.relation.referencesNeoAttack. (2018). Concepto de Datamining. Retrieved from https://neoattack.com/neowiki/datamining/spa
dc.relation.referencesOntiveros, E., & Sabater, V. L. (2017). Economía de los Datos. Retrieved from https://www.fundacioncarolina.es/wp-content/uploads/2018/11/Libro-Economia- de-los-Datos-Ontiveros.pdfspa
dc.relation.referencesOpenCourseWare. (2006). ANALISIS DE COMPONENTES INDEPENDIENTES (ICA). Retrieved from https://ocw.upc.edu/sites/all/modules/ocw/estadistiques/download.php?file=115 39/2011/1/52885/tema3_teoria_1-2837.pdfspa
dc.relation.referencesOpenGeek. (2018). ¿Qué son y para qué sirven los metadatos? Retrieved from http://opengeekservice.cl/sitio/es/blog/67-¿qué-son-y-para-qué-sirven-los- metadatos.htmlspa
dc.relation.referencesOracle. (2018). What Is Big Data? Retrieved from https://www.oracle.com/big- data/guide/what-is-big-data.htmlspa
dc.relation.referencesOracle. (2019). What Is Data Mining? Retrieved from https://docs.oracle.com/cd/B28359_01/datamine.111/b28129/process.htm#DM CON002spa
dc.relation.referencesPÉREZ, F. S. (2015). BIG DATA. Retrieved from https://www.mincotur.gob.es/Publicaciones/Publicacionesperiodicas/EconomiaI ndustrial/RevistaEconomiaIndustrial/395/F SEVILLANO PEREZ.pdfspa
dc.relation.referencesPIAD, K. C. (2018). DETERMINING THE DOMINANT ATTRIBUTES OF INFORMATION TECHNOLOGY GRADUATES EMPLOYABILITY PREDICTION USING DATA MINING CLASSIFICATION TECHNIQUES. Retrieved from http://web.a.ebscohost.com.aure.unab.edu.co/ehost/detail/detail?vid=0&sid=12 3ab707-d8d0-4ed8-bf17- cc4d9b452546%40sessionmgr4007&bdata=Jmxhbmc9ZXMmc2l0ZT1laG9zdC 1saXZl#AN=130528956&db=egsspa
dc.relation.referencesPlata, U. nacional de la. (2010). Descomposición en Valores singulares(SVD). Retrieved from http://www.mate.unlp.edu.ar/practicas/70_18_0911201012951spa
dc.relation.referencesPowerData. (2018). Big Data: ¿En qué consiste? Su importancia, desafíos y gobernabilidad. Retrieved from https://www.powerdata.es/big-dataspa
dc.relation.referencesPrieto Gutiérrez, J. juan. (2011). Herramientas para el análisis y monitoreo en Redes Sociales. International Review of Information Ethics, 16, 8. Retrieved from http://www.i-r-i-e.net/inhalt/016/gutierrez.pdfspa
dc.relation.referencesQuonext. (2016). Principales riesgos en la implantación de un software ERP. Retrieved from https://www.quonext.com/blog/principales-riesgos-en-la- implantacion-de-un-software-erp/spa
dc.relation.referencesRanjan, J. (2009). BUSINESS INTELLIGENCE: CONCEPTS, COMPONENTS, TECHNIQUES AND BENEFITS. Journal of Theoretical and Applied Information Technology, 9, 60–70. Retrieved from https://s3.amazonaws.com/academia.edu.documents/33997956/9Vol9No1.pdf? AWSAccessKeyId=AKIAIWOWYYGZ2Y53UL3A&Expires=1539349159&Signat ure=%2BTvCa9FLQoj1WZtyNdIORB5R7QU%3D&response-content- disposition=inline%3B filename%3D9Vol9No1.pdfspa
dc.relation.referencesResta, M. (2016). VaRSOM: A Tool to Monitor Markets’ Stability Based on Value at Risk and Self-Organizing Maps. Retrieved from http://web.b.ebscohost.com.aure.unab.edu.co/ehost/detail/detail?vid=0&sid=8a 03957f-4846-4673-adb4-9e386238ce9c%40pdc-v- sessmgr01&bdata=Jmxhbmc9ZXMmc2l0ZT1laG9zdC1saXZl#AN=113928794& db=iihspa
dc.relation.referencesRodríguez, E. R. (2007). Ajuste de curvas. Retrieved from http://www.geocities.ws/datos_universidad/MNumericos/AjusteDeCurvas.pdfspa
dc.relation.referencesRodríguez Suárez, Y., & Amador Díaz, A. (2009). Herramientas de Minería de Datos. Retrieved from http://www.redalyc.org/html/3783/378343637009/spa
dc.relation.referencesRouse, M. (2016). Big Data. Retrieved from https://searchdatamanagement.techtarget.com/definition/big-dataspa
dc.relation.referencesRouse, M. (2017). Aprendizaje automático (machine learning). Retrieved from https://searchdatacenter.techtarget.com/es/definicion/Aprendizaje-automatico- machine-learningspa
dc.relation.referencesS., B. S., & N., C. K. (2018). A Systematic Review of Existing Data Mining Approaches Envisioned for Knowledge Discovery from Multimedia. Retrieved from http://web.a.ebscohost.com.aure.unab.edu.co/ehost/detail/detail?vid=0&sid=e2 4a7539-5376-46cd-89a5- 22558ed39725%40sessionmgr4007&bdata=Jmxhbmc9ZXMmc2l0ZT1laG9zdC 1saXZl#AN=129478937&db=egsspa
dc.relation.referencesSánchez, J. M. B. (2016). Big Data: Algoritmos, tecnología y aplicacione. Retrieved from http://madm.uib.es/wp-content/uploads/2016/06/Jose-Manuel-Benitez- Sanchez-Big-Data-Algoritmos_tecnologia_y_aplicaciones.pdfspa
dc.relation.referencesSAS. (2019a). Aprendizaje automático, ¿Qué es y por qué es importante? Retrieved from https://www.sas.com/es_co/insights/analytics/machine-learning.htmlspa
dc.relation.referencesSAS. (2019b). Data Mining What it is and why it matters. Retrieved from https://www.sas.com/en_us/insights/analytics/data-mining.htmlspa
dc.relation.referencesSAS. (2019c). Visualización de datos ¿Qué es y por qué es importante? Retrieved from https://www.sas.com/es_co/insights/big-data/data-visualization.htmlspa
dc.relation.referencesSchroeck, M., Shockle, R., Smart, J., Romero-Morales, D., & Tufano, P. (2012). Analytics: el uso de big data en el mundo real. Retrieved from https://www- 05.ibm.com/services/es/gbs/consulting/pdf/El_uso_de_Big_Data_en_el_mundo _real.pdfspa
dc.relation.referencesSinnexus. (2017). La Inteligencia de Negocio en los diferentes departamentos de la empresa. Retrieved from https://www.sinnexus.com/business_intelligence/departamental.aspxspa
dc.relation.referencesSinnexus. (2019). Datawarehouse. Retrieved from https://www.sinnexus.com/business_intelligence/datawarehouse.aspxspa
dc.relation.referencesTenorio, M. D. (2015). ¿Qué es el análisis del sentimiento? Retrieved from https://manueldelgado.com/que-es-el-analisis-del-sentimiento/spa
dc.relation.referencesThompson, J. J., Leung, B. H., Blair, M. R., & Taboada, M. (2017). Sentiment analysis of player chat messaging in the video game StarCraft 2: Extending a lexicon-based model. Retrieved from http://web.a.ebscohost.com.aure.unab.edu.co/ehost/detail/detail?vid=0&sid=cf1 5a35b-5b9e-4bd5-88ce- 0efd6f52d786%40sessionmgr4007&bdata=Jmxhbmc9ZXMmc2l0ZT1laG9zdC1 saXZl#AN=125704116&db=egsspa
dc.relation.referencesTIAN, Y., ÖZCAN, F., ZOU, T., GONCALVES, R., & PIRAHESH, H. (2016). Building a Hybrid Warehouse: Efficient Joins between Data Stored in HDFS and Enterprise Warehouse. Retrieved from http://web.a.ebscohost.com.aure.unab.edu.co/ehost/detail/detail?vid=0&sid=ad 640465-c34e-4741-b719- 1fa42a0f60f8%40sessionmgr4006&bdata=Jmxhbmc9ZXMmc2l0ZT1laG9zdC1s aXZl#AN=119373594&db=iihspa
dc.relation.referencesValcárce Asencios, V. (2004). DATAMINING Y EL DESCUBRIMIENTO DEL CONOCIMIENTO. Revista de La Facultad de Ingeniería Industrial, 7, 83–86. Retrieved from http://www.redalyc.org/html/816/81670213/spa
dc.relation.referencesVozábal, M. (2016). Tools and Methods for Big Data Analysis. Retrieved from https://dspace5.zcu.cz/bitstream/11025/23681/1/Master_Thesis_Miroslav_Voza bal.pdfspa
dc.contributor.cvlacCalderón Benavides, Maritza Liliana [0000068900]*
dc.contributor.googlescholarCalderón Benavides, Maritza Liliana [XihGBWoAAAAJ]*
dc.contributor.scopusCalderón Benavides, Maritza Liliana [15043558200]*
dc.subject.lembIngeniería de sistemasspa
dc.subject.lembMicroempresasspa
dc.subject.lembAnálisis de informaciónspa
dc.subject.lembProcesamiento de informaciónspa
dc.subject.lembCiencias de la informaciónspa
dc.subject.lembInnovaciones tecnológicasspa
dc.identifier.repourlrepourl:https://repository.unab.edu.cospa
dc.description.abstractenglishThis work focuses on performing a characterization of data analysis tools specifically in one of its fields and also describes some of the concepts that have the greatest impact on the project, this project focuses on helping small and medium enterprises that do not apply these technologies, so that they can have a transition as effective as possible, the most significant fields for companies within the fields of data analysis are also explained and a written guide of a total of 45 tools from which 9 tools are chosen to make a guide a little more specialized of them to give an overview to the companies of the possible opportunities that would have to implement any of these tools mentioned in the guide without spending a single credit on it.eng
dc.subject.proposalCaracterización de herramientasspa
dc.subject.proposalAnálisis de datosspa
dc.subject.proposalRedes socialesspa
dc.type.redcolhttp://purl.org/redcol/resource_type/TP
dc.rights.creativecommonsAtribución-NoComercial-SinDerivadas 2.5 Colombia*
dc.coverage.campusUNAB Campus Bucaramangaspa
dc.description.learningmodalityModalidad Presencialspa


Files in this item

Thumbnail
Name:
2019_Tesis_Jershon_Orlando_Esp ...
Size:
13.39Mb
Format:
PDF
Description:
Tesis
View/Open
Thumbnail
Name:
2019_Licencia1_Jershon_Orlando ...
Size:
86.08Kb
Format:
PDF
Description:
Licencia 1
View/Open
Thumbnail
Name:
2019_Licencia2_Jershon_Orlando ...
Size:
759.5Kb
Format:
PDF
Description:
Licencia 2
View/Open

This item appears in the following Collection(s)

Show simple item record

Atribución-NoComercial-SinDerivadas 2.5 Colombia
Except where otherwise noted, this item's license is described as Atribución-NoComercial-SinDerivadas 2.5 Colombia