Decisiones de negocio en materia de analítica de datos Claudia Gonzalez Rubalcava Luis Antonio Serrano Serrano

1. 6. DECISIONES DE NEGOCIO
EN MATERIA DE ANALÍTICA
DE DATOS
6.1. IDENTIFICACIÓN DE PROYECTOS DE INVERSIÓN EN ANALÍTICA DE
DATOS

2. MAESTRIA Administración de Negocios (MBA) CICLOESCOLAR: 19-1
ASIGNATURA: Analíticade Datos CLAVE DE LA ASIGNATURA AL2302
PROFESOR (RA): Claudia González Ruvalcaba
PERIODOEN QUE SE IMPARTE:
Del 15/10/2018
ALUMNO: Luis Antonio Serrano Serrano Al 11/11/2018

3. Hoy en día con el avance vertiginoso de la
tecnología, se han desarrollado nuevas
herramientas y planes estratégicos sobre
estas, con la finalidad de tener mayor
precisión, practicidad y agilidad en
objetivos organizacionales y/o personales;
En este trabajo hablaremos sobre los
conceptos y la importancia de la analítica
de datos con Big Data y Business
Intelligence, que permiten conocer el
mercado y los clientes para que las
empresas puedan planificar mejor sus
estrategias de ventas y con ello llegar a las

4. 6.1. IDENTIFICACIÓN DE PROYECTOS DE
INVERSIÓN EN ANALÍTICA DE DATOS
Metodología para
la identificación de
proyectos
2. Recoger los
requerimientos de
negocio
4. Identificar y
cuantificar los
beneficios
(tangibles,
estratégicos e
intangibles)
5. Establecer el
punto de partida
de medida, tanto
de los costes como
de los ingresos.
6. Calcular el coste
total de propiedad
(incluye hardware y
software)
7. Calcular el ROI
1. Definir el
problema u
oportunidad de
negocio así como
los objetivos
3. Construir el
proyecto de
business
intelligence

5. 6.1. IDENTIFICACIÓN DE PROYECTOS DE
INVERSIÓN EN ANALÍTICA DE DATOS
MANTENER LA ECONOMÍA
ESTABLE VALOR ESPERADO
Para desarrollar un proyecto de inversión, se debe de analizar a profundidad sus
alcances, limitantes, riesgos y ganancias, por lo que se debe de cuestionar lo
siguiente:
¿Qué vamos a esperar del proyecto?
¿Cuáles son las ventajas y beneficios?
¿Cuál será la utilidad?
¿Cuál será la utilidad? ¿Cuánto será la
inversión? ¿Soporta la organización la
inversión en tiempo de retorno de la
misma?

6. 6.1. IDENTIFICACIÓN DE PROYECTOS DE
INVERSIÓN EN ANALÍTICA DE DATOS
IMPLEMENTAR, EJECUTAR EL
PROYECTO
TODO LO QUE SE PUEDE MEDIR
SE PUEDE MEJORAR
¿Existen indicadores a mejorar o a
rediseñar?
¿En el contraste de resultados, se
obtiene lo esperado?

7. 6.1. IDENTIFICACIÓN DE PROYECTOS DE
INVERSIÓN EN ANALÍTICA DE DATOS
ROI: retorno de Inversión
Contra mayor sea el numerador y menor el
denominador ROI será más elevado.

8. 6. DECISIONES DE NEGOCIO
EN MATERIA DE ANALÍTICA
DE DATOS
6.2. DECISIONES DE HARDWARE Y CAPACIDAD FÍSICA

9. 6.2. DECISIONES DE HARDWARE Y
CAPACIDAD FÍSICA
Para la toma de
decisiones en la
elección de
Hardware y la
capacidad física, se
debe de
dimensionar la
organización /
negocio para poder
partir de las
características, así
como el involucrar a
personal calificado

10. 6. DECISIONES DE NEGOCIO
EN MATERIA DE ANALÍTICA
DE DATOS
6.3. DECISIONES DE SOFTWARE

11. 6.3. DECISIONES DE SOFTWARE
FORMAL INFORMAL
Lo ideal es siempre llevar a cabo una metodología/proceso de selección a la hora de
tomar decisiones para la elección de herramientas tecnológicas, ya que será una
inversión que deberá redituarse en su utilización.
Venta sin protocolo, se realiza la
compra a la empresa que mejor se
sepa vender.
1.-Inicio del proyecto, 2.-Análisis del
proceso de negocio, 3.-Definir
requerimientos, 4.-Punto de decisión,
5.-Gestión de proveedores, 6. Elección
de propuestas, 7. Determinación de

12. 6. DECISIONES DE NEGOCIO
EN MATERIA DE ANALÍTICA
DE DATOS
6.4. CONTRATACIÓN DE PROVEEDORES Y CONSULTOR

13. 6.4. CONTRATACIÓN DE PROVEEDORES Y
CONSULTOR
FORMA TRADICIONAL PARA
LA CONTRATACIÓN DE
PROVEEDORES
HISTORIA
Estabilidad y viabilidad
financiera
Recursos humanos y de gestión
Cobertura geográfica
Servicios ofertados
Experiencia
(producto y en el
sector)
Experiencia (Clientes afines)
Metodología y
herramientas de
desarrollo
Productos y
metodologías
implementadas
Grado de confianza

14. 6.4. CONTRATACIÓN DE PROVEEDORES Y
CONSULTOR
Forester Research propone agregar nuevos criterios:
Especialización vertical
Facilitar colaboración con otros proveedores
Flexibilidad para cambiar las necesidades del cliente
Soporte para la aparición de nuevas
tecnologías o innovación en los negocios
Casar los servicios ofrecidos con las
necesidades de los clientes

15. 6. DECISIONES DE NEGOCIO
EN MATERIA DE ANALÍTICA
DE DATOS
6.5. DESARROLLO DE ESTRUCTURA INTERNA RESPONSABLE DE LA
ANALÍTICA DE DATOS

16. 6.5. DESARROLLO DE ESTRUCTURA INTERNA
RESPONSABLE DE LA ANALÍTICA DE DATOS
1 – Chief Data Officer (CDO) 2. Data Scientists (científico de los datos)
3.Citizen Data Scientist4. Data Engineer (ingeniero de datos)
5. Data Stewart (administrador
de datos)
6. Business Data Analyst (analista
de datos).
Los sistemas de bases de datos personalizadas se basan en la presencia y la
participación continua de los elaboradores de sistemas

17. 6. DECISIONES DE NEGOCIO
EN MATERIA DE ANALÍTICA
DE DATOS
6.6. CONSIDERACIONES DE SEGURIDAD Y PRIVACIDAD DE LOS DATOS

18. 6.6. CONSIDERACIONES DE SEGURIDAD Y
PRIVACIDAD DE LOS DATOS
• Seguridad de datos incluye conceptos como encriptación de datos, tokenización y
prácticas de gestión de claves que ayudan a proteger los datos en todas las
aplicaciones y plataformas de una organización.
• Se trata de un aspecto que tiene que ver con la protección de datos contra accesos
no autorizados y para protegerlos de una posible corrupción durante todo su ciclo
de vida.
• Existen elementos comunes que todas las organizaciones deben tener en cuenta a
la hora de aplicar sus medidas: las personas, los procesos y la tecnología.

19. Como hemos visto, es todo un proceso para poder realizar una
optima implementación, ejecución y evaluación sobre el sistema
de grandes datos, sin embrago, para las organizaciones esta
herramienta es de vital importancia para detección de nuevos
mercados, análisis de posición actual y proyección futura,
mediciones de indicadores para su mejora o rediseño y para su
crecimiento en general; No solo se necesita la herramienta
tambien se necesita de personal calificado para su buen
desempeño y el análisis sorreecto de datos, por lo que Big Data y
Business Intelligence, deben ser parte del equipo, de cualquier

20.  lauraamlo1. (2018). Análisis factorial. YouTube.
Recuperado 18 Octubre 2018, a partir de
https://www.youtube.com/watch?v=V5L5ED_bnfQ
 González, C. (2018), Metodologías de Analítica,
Archivo PDF
 González, C. (2018), Ecuaciones Estructurales Archivo
PDF
 Aguilar, A. (2018). ¿Qué es Big Data y cómo funciona?
YouTube. Recuperado 26 Octubre 2018, a partir de
https://www.youtube.com/watch?v=2buYs2GVpGE
 González Ruvalcaba, C. (2018). Analítica de la WEB.
UNITEC On line. Recuperado 26 Octubre 2018, a
partir de
https://uniteconline.blackboard.com/bbcswebdav/pi
d-3208556-dt-content-rid-
79249918_1/courses/UNI_191_01_26_M2_MBAO_AN
L3S_AL2302/AnaliticadelaWeb.pdf?target=blank
 González Ruvalcaba, C. (2018). BigData. UNITEC On
line. Recuperado 26 Octubre 2018, a partir de
https://uniteconline.blackboard.com/bbcswebdav/pi
d-3208560-dt-content-rid-
79249926_1/courses/UNI_191_01_26_M2_MBAO_AN
L3S_AL2302/BigData.pdf?target=blank
 Kyocera. (2018). Diferencia entre datos estructurados
y no estructurados. Soluciones para digitalizar tu
negocio. Recuperado 26 Octubre 2018, a partir de
http://smarterworkspaces.kyocera.es/blog/diferencia
-datos-estructurados-no-estructurados/
 Merino, J. (2018). ¿Qué es la analítica web? YouTube.
Recuperado 26 Octubre 2018, a partir de
https://www.youtube.com/watch?v=HRZVz0khT9s
 PowerData, G. (2018). Big Data: ¿En qué consiste? Su
 Libro Business_Intelligence_competir_con_informacion.pdf. (2018).
Docs.google.com. Recuperado 9 November 2018, a partir de
https://docs.google.com/viewer?a=v&pid=sites&srcid=ZGVmYXVsdGR
vbWFpbnxlc2NlbmFyaW9zbWJhdW1nfGd4OjQ2M2JjYWFjNDkxYzJmZjU
 Armas, J. (2018). ¿Qué es la Minería de Datos? YouTube. Recuperado
31 Octubre 2018, a partir de
https://www.youtube.com/watch?v=zITvoaOD5LI
 Franganillo, J. (2018). Implicaciones éticas de la minería de datos.
Franganillo.es. Recuperado 31 Octubre 2018, a partir de
https://franganillo.es/mineria.pdf
 González Ruvalcaba, C. (2018). Minería de Datos. UNITEC on line.
Recuperado 31 Octubre 2018, a partir de
https://uniteconline.blackboard.com/bbcswebdav/pid-3245077-dt-
content-rid-
79993030_1/courses/UNI_191_01_26_M2_MBAO_ANL3S_AL2302/Min
eria%20de%20Datos.pdf?target=blank
 NJIT. (2018). What is Data Mining? YouTube. Recuperado 31 Octubre