Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Pc03-Arquitectura Empresarial
Pc03-Arquitectura Empresarial
“PRACTICA 03”
INTEGRANTES:
PROFESOR:
ESCUELA:
- INGENIERIA DE COMPUTACIÓN Y SISTEMAS
INDICE
INTRODUCCION.............................................................................................................................................................5
TEMA 1..............................................................................................................................................................................6
1.2. BPM...................................................................................................................................8
1.3. BPMN..............................................................................................................................10
TEMA 2............................................................................................................................................................................15
2.3.3. Técnicas.....................................................................................................................32
2.5. RPA..................................................................................................................................46
CONCLUSIONES...........................................................................................................................................................59
REFERENCIAS...............................................................................................................................................................60
5
INTRODUCCION
procesos empresariales y extraer información valiosa de los datos se ha vuelto fundamental para la toma
consolidado diversas disciplinas y tecnologías que revolucionan la forma en que las empresas operan y se
relacionan con su entorno. En este sentido, esta investigación se centra en explorar y analizar la
Negocio (BPM) y la Ciencia de Datos, junto con sus disciplinas y tecnologías relacionada
6
Tema 1
El BPM que es la gestión de procesos de negocio esta técnica a través de métodos nos sirve para
poder descubrir, modelar, análisis, medirlo, mejorarlo y la optimización de la estrategia y los diferentes
procesos del negocio, a veces esto se le confunde con la gestión de tareas y proyectos, su alcance del
BPM es mucho más amplio, el BPM se centra mayormente en procesos que son repetibles a través de la
reingeniería que esta continua de los procesos, las organizaciones se pueden optimizar todos sus flujos de
trabajo, ayudando a mejorar en su eficiencia y poder reducir costos. (¿Qué es la gestión de procesos de
negocio?, s. f.)
Impactan ya sea de forma directa o de forma indirecta sobre las prestaciones de sus servicio es
que por esta razón que es de mucha importancia que todas las áreas de las que se conforman el sistema se
encuentren correctamente interconectadas y que se cumplen los objetivos pautados en cada una de las
fases de los procesos sin embargo monitorear de forma continua el fujo de las operaciones para así
asegurar su correcto funcionamiento normalmente no es una tarea sencilla de realizar sobre todo cuando
no tenemos de las herramientas que se utilizan para la facilitación de estas tareas por esta razón hay
empresas como ACF que realizan el desarrollo de software que se encuentra especializado en la gestión
de procesos empresariales que también promueve el uso de las nuevas tecnologías de BPM lo que le da la
Una de las óptimas formas de poder aumentar la productividad de una organización es mediante
la automatización y optimización de sus muchos procesos, ya que esto beneficiara a reducir los tiempos
de su ejecución en cada tarea individual y así minimizar las necesidades de operadores que se encuentran
Los softwares de BPM mayormente están diseñados para que todas las personas que realizan el
uso del sistema de la organización se realizara cada tarea y de las cuales serán los tiempos que se tomaran
para ejecutar esa tarea esto nos permite conocer desde la plataforma el funcionamiento total de la
Al momento de adquirir un software que funciona con las metodologías de BPM no solo se podrá
controlar las gestiones de los procesos actuales de su organización, con un BPM se puede diseñar,
modelar, poder probar y ejecutar nuevas actividades que impactan de forma óptima en el funcionamiento
de su servicio, en pocas palabras se podrá establecer nuevos flujos de trabajo dentro de su organización y
monitoreo y su visualización de los muchos procesos de su organización en tiempo real lo que siempre
será un requisito anterior a la optimización de cualquier sistema o servicio, además de poder enviar
notificaciones a la gerencia en tiempo real de esta manera el software será capaz de recoger una gran
cantidad de datos y poder compararlos con los valores medios que fueron establecidos anteriormente para
así revelar posibles deficiencias en el funcionamiento de algunos procesos y así lograr que los analistas de
algunas de las actividades más importantes de la organización, de esta manera es más sencillo ejecutar
cada una de las operaciones de manera sistemática y poder garantizar siempre un buen servicio a los
clientes ya que reduce la interacción humana lo que genera permitir que los trabajadores de la
organización puedan centrarse en otras actividades que van a generar valor a la organización (BPM, 2022)
8
Con BPM en el ámbito de los procesos que se realizan ayuda a poder detectar con eficiencia las
debilidades que se tiene de esas tareas de forma que sea practica y poder llevarlas a un sistema de control
para poder realizar el monitoreo de estas mismas ya que esta transformación en la innovación de procesos
se cambia a la manera de cómo operan las organizaciones volviendo a definir sus tareas en el negocio por
la cual se realiza la creación de nuevas posiciones de nivel gerencial en el mercado laboral que ya tengan
conocimiento y las habilidades en las herramientas de gestión y de metodologías agiles. (Learning, 2022)
La automatización y poder mejorar las interacciones en los muchos usuarios y los muchos
procesos de la organización optimizándolo y aumentando su productividad, para así obtener una mejor
resolución en la atención gestionándolo de manera óptima toda la información y el análisis para así lograr
garantizar una toma de decisiones que este fundamentada, también ayuda a poder mejorar el orden, la
comprensión de la situación y la eficiencia de los muchos flujos de trabajo de los cuales se componen el
proceso que está dentro del negocio y para ello se consigue mediante la utilización de software que están
1.2. BPM
Este tipo de BPM solo se enfoca en los procesos que no requieran mucha participación por parte
de los humanos, estos procesos dependen más de que todo de las API y los mecanismos de integración de
datos en todos los sistemas como la gestión de recursos humanos o la gestión de relaciones con el cliente
A diferencia del anterior este se centra en la participación por parte de las personas normalmente
cuando se requieren aprobaciones, las interfaces del usuario de forma intuitiva con funciones de arrastrar
9
y soltar permiten a los equipos asignar tareas de los diferentes roles lo que hace que sea de forma más
Este tipo de BPM se centra en un documento muy específico como si fuera un contrato, cuando
las organizaciones compran un producto o servicio deben pasar las distintas formas y rondas de
aprobación para poder desarrollar un acuerdo entre clientes y proveedores. (¿Qué es la gestión de
La organización Ana Aeroportos que se encuentra en Portugal que está encargada del manejo de
muchos aeropuertos en Portugal, ya que es la responsables de toda la infraestructura que permite a los
muchos pasajeros realizar vuelos dentro de Portugal, se utilizó BPM para modelar el proceso que se llama
Change Orders que su objetivo principal es responder con mucha eficiencia ante cambios cada cierto
tiempo a aspectos tecnológicos que deben ser considerados también autorizados e implementados sin que
El grupo Santander es uno de los más importantes en el sector bancario y de servicios financieros,
utiliza BPM para lograr transformar digitalmente varios de sus procesos buscando una mayor eficiencia
interna y eficiencia en la obtención de resultados pudiendo modelar, tener una automatización y desplegar
en producción sus procesos sin tener que requerir de programación y en escasos de tiempo. («Banco
Santander», s. f.)
La Universidad Católica de Uruguay el papel era el principal aguante en sus procesos para el
ingreso y su contratación de docentes y otros muchos cargos más, la Universidad católica de Uruguay
utilizo BPM lo que género que este proceso se pudiera automatizar y se convirtió en un proceso
10
electrónico del 100% generando beneficios como ahorro de costos, menor utilización de papel,
eliminación de riesgos debido al deterioro, aumento de la eficiencia operacional y otros muchos más.
ProcessMaker:
inteligente para procesos empresariales que es de bajo código que facilita a romper los silos operativos y
ayuda a mejorar en gran nivel la eficiencia ya que intuitiva su solución de automatización de los muchos
información y las personas, ProcessMaker es de tecnología avanzada de Amazon Web Services que
mediante la arquitectura completa de su plataforma se aprovecha las tecnologías de la nube para poder
impulsar su producto más importante. (Las 3 mejores soluciones de BPM en la nube, s. f.)
Appian:
Apian nos brinda una plataforma de desarrollo de código bajo que ayuda a acelerar la creación la
procesos empresariales, Appian tiene una verdadera oferta en la nube y una que es gratuita que está
disponible en AWS Marketplace para que los usuarios puedan desplegar Appian en un entorno de nube y
probarlo antes de tomar decisiones de alteración. (Las 3 mejores soluciones de BPM en la nube, s. f.)
1.3. BPMN
Un modelo de BPMN es una unidad lógica que contiene los siguientes componentes:
Estos componentes nos permiten poder definir el flujo de trabajo de los procesos para las
personas también crear la lógica dentro de un proceso de negocio y realizar la integración con demás
hay implicadas personas de diferentes departamentos, los integrantes del equipo pueden trabajar
conjuntamente para capturar los requisitos previos de sus procesos de negocio y desarrollar el modelo de
Nos permite poder realizar la representación de forma eficiente de los muchos procesos de
negocio, si uno quiere crear un diagrama de BPMN lo primero que tiene que tiene que hacer es crear una
piscina que nos ayuda en dividir en varios carriles, también es posible utilizar muchas piscinas
dependiendo del tipo de diagrama que se vaya a utilizar, el modelo de procesos siempre se comienza con
al menos un evento de inicio y se termina con uno o muchos eventos finales, el proceso de creado en el
ínterin consta de eventos, actividades, compuertas y si se necesitara artefactos adicionales, las reglas de
modelamiento especificas aseguran el correcto uso de los elementos y la documentación uniforme de los
diferentes procesos. (Guía de modelado, reglas y símbolos de BPMN 2.0 | BIC Software, s. f.)
con la ayuda de BPMN, debido a que el software de modelización de los procesos empresariales, pueden
crear diagramas sean tanto simples o si fueran complejos según el proceso que se este realizando, el
organización con un estándar que sea comprensible para sus clientes, entre sus ventajas se incluyen:
Comprensión:
Al momento de crear diagramas de BPMN que todos los equipos puedan descifrar, se pueden
entender de manera sencilla los flujos de trabajo más complejos permitiendo que las organizaciones
Estandarización:
12
Dispone de una solución solamente única establecida que permite que la información se comparta
de forma rápida y que todo el mundo logre comprender el BPMN funciona como un estándar de notación
Simplicidad:
Los diagramas son herramientas de aprendizaje visuales, lo que los hace más fáciles de entender
que un texto narrativo, también se trata de un estándar del sector, así que existe poco margen de error
Comunicación:
organizaciones a través del diseño de los diagramas de flujo fáciles para los departamentos a todos los
niveles
Colaboración:
El BPMN involucra a todas las partes que están interesadas competentes en el proceso, lo que lo
convierte en una herramienta de colaboración eficaz, varios departamentos pueden revisar el diagrama de
flujo e identifica de forma casi inmediata el proceso de la organización, los resultados que se esperan del
equipo
Capacitación:
capacita a los empleados para que logren crear diagramas de flujo que representen los procesos de la
organización y otras actividades. (Modelo y notación de procesos de negocio (BPMN) | Microsoft Visio,
s. f.)
Mobile Bank:
Cuando un cliente del banco quiere realizar una solicitud de un préstamo para poder comprar un
coche se conecta con MobileBank a través de su aplicación móvil creada con un sistema de orquestación
que está basado en BPMN, un asesor de BigBank va a gestionar esta solicitud mediante una aplicación
interna, desde la aplicación necesitara cierta información del cliente sobre la solitud para ofrecer una
13
correcta respuesta de acuerdo a las políticas que se tengan tanto internas como externas y estándares
Flokzu:
Es una herramienta que permite la automatización de los flujos de trabajo para los equipos de alto
desempeño con base a la metodología BPMN en la nube para poder realizar tareas de forma recurrente en
Nos permite:
Bizagi:
Bizagi es una herramienta es gratis utilizado para diagramar, documentar y simular procesos
usando la notación estándar BPMN, ofreciendo ejecución en .NET y Java Platform Enterprise Edition,
Bizagi se acerca al mercado de manera disruptiva a través de un enfoque profundo en su fácil uso y un
Se trata de un método estructurado para identificar y convertir las necesidades y requisitos del
cliente en planes concretos para desarrollar productos que cumplan con esas necesidades. La expresión
"voz del cliente" se emplea para referirse a estas necesidades, tanto las expresadas abiertamente como las
14
implícitas. La información de la voz del cliente se obtiene a través de diferentes medios, como
conversaciones directas, encuestas, grupos de discusión, especificaciones del cliente, observación, datos
de garantía y reportes de campo, entre otros. Esta comprensión de las necesidades del cliente se resume en
una matriz de planificación del producto conocida como "casa de calidad". Estas matrices se utilizan para
convertir los requerimientos de nivel superior, es decir, el "qué es", en especificaciones de nivel inferior,
es decir, el "cómo es", que son los requisitos técnicos del producto necesarios para satisfacer esas
Tema 2
Datos, se refieren a los registros que pueden ser copilados y almacenados en diversas formas
ya sea en números o texto que puede ser procesado en una computadora, en la actualidad las empresas
acumulan grandes cantidades de datos en distintos formatos y en distintas bases de datos. Estos datos dan
aspectos operativos y transaccionales donde se registran elementos como costos, ventas, inventarios y
contabilidad.
pueden ayudar a comprender o a tomar decisiones. Entre ellos los datos proporcionan información como
el análisis de transacciones de un punto de venta que nos pueden dar información sobre qué cantidad de
productos se han vendido y durante cuánto tiempo. La información es esencial para la toma de decisiones
informadas.
encuentran por debajo de los datos. El conocimiento se utiliza para desarrollar modelos y teorías que
artificial (IA) y aprendizaje automático, junto con conocimiento en diversas áreas, con el propósito de
16
desvelar conocimientos prácticos ocultos en los conjuntos de datos de una entidad. Estos conocimientos
pueden servir como orientación para la toma de decisiones y la formulación de estrategias. (IBM, 2023)
Esta disciplina implica examinar datos con el propósito de obtener información relevante para
empresas. Se trata de un enfoque que integra diversas disciplinas, como matemáticas, estadística,
información. Este análisis habilito a los profesionales de la ciencia de datos a plantear y resolver
interrogantes como "cuáles fueron los eventos pasados", "las razones detrás de esos eventos", "qué
eventos futuros podrían ocurrir" y "cómo se pueden emplear los hallazgos obtenidos". (Amazon, 2023)
Data Analytics Se trata del proceso por el cual se efectúa un análisis de datos en su estado crudo
con el propósito de responder interrogantes y llegar a conclusiones pragmáticas. Muchas de estas técnicas
Para ello, se emplean algoritmos que destilan la información de manera que resulte más asimilable para
las personas.
mediciones que, de otra manera, habrían pasado inadvertidas en medio del vasto volumen de información
al que comúnmente se enfrenta. Estos datos pueden ser aprovechados con el propósito de optimizar
Dado el amplio interés que ha dado, las empresas estén contentas con la idea de emplear robots de
software. Sin embargo no todo es bueno lo que no resulta tan claro para muchos posibles usuarios en
Ya que es una tecnología relativamente nueva, la definición de RPA sigue evolucionando. Tanto
los proveedores como los expertos en tecnología coinciden en que RPA se basa en el uso de bots o
agentes para agilizar tareas repetitivas, beneficiando tanto a los profesionales de TI como a los usuarios
de negocios.
17
Reconocer que antes, un empleado hubiera tardado todo un día en realizar 250 operaciones de
este tipo pero al aplicar el RPA ahora un robot lo realiza en 60 minutos. Con esta definición es muy
La Minería de Datos abarca una variedad de herramientas y técnicas de análisis de datos que
tienen como objetivo principal identificar patrones significativos en grandes bases de datos. Esta
pueden ayudarnos como un recurso valioso para poder respaldar los procesos de toma de decisiones.
(Muñoz, 2002)
Al descubrir los conocimientos de información que nos plantea podemos utilizarlo de muchas
formas, se puede llegar a reconocer a los patrones como también las reglas de los datos para luego crear
los escenarios, por ende esta información es importante ya que se puede representar por medio de
modelos Matemáticos sobre datos históricos y gracias a esto permite crear un modelo de minería de
datos.
La ciencia de datos se utiliza para estudiar los datos de cuatro maneras principales:
Análisis Descriptivo
Al analizar los datos, se comprende tres aspectos clave de una variable: la tendencia central, la
dispersión y la forma de la distribución. Sin embargo, la utilidad de las medidas de tendencia central,
dispersión y los gráficos que representan la forma de la distribución varía según el tipo de variable en
consideración. Para variables categóricas, la distribución de frecuencias y los gráficos son esenciales,
mientras que, para variables continuas, las medidas de tendencia central y dispersión son más
18
informativas. Además, los diagramas que describen la forma de la distribución difieren según si la
Análisis de Diagnostico
Parte de una visión general antes de abordar en los detalles específicos. Esto implica esbozar el
tema en cuestión, comprender su contexto y sus relaciones con otros procedimientos mediante el uso de
flujo permite visualizar la secuencia de los procedimientos y cómo interactúan en diferentes etapas.
Además, se enfatiza la importancia de elaborar un Plan de Trabajo que incluya plazos, recursos y
pasos a seguir. Este plan es fundamental para definir el alcance y los límites del proyecto
Una vez que esté ubicado en el procedimiento a analiza recopila información de manera similar a
como se armaría un rompecabezas, identificando todas las piezas que lo conforman. (Universidad
Análisis Predictivo
Identifica relaciones entre varios componentes en conjuntos de datos. Después de recopilar todos
los datos necesarios, se elabora un modelo estadístico que se ajusta y perfecciona con el fin de efectuar
Esta clasificación es predominantemente binaria y, en ocasiones, resulta valiosa para llevar a cabo
una segmentación. En muchos contextos, la respuesta debe limitarse a un simple "sí" o "no". (Universitat
Carlemany, 2021)
uno o más factores predictores, que pueden tomar valores continuos o categóricos.
19
Análisis Prescriptivo
información detallada acerca de posibles situaciones o contextos, los recursos a disposición, el historial de
desempeño previo y el rendimiento actual, y propone una estrategia práctica. Puede aplicarse para tomar
decisiones en cualquier período de tiempo, ya sea a corto o largo plazo. (Flores, 2023)
determinada, y también proporciona recomendaciones concretas para lograr el resultado más deseado.
para aprender más continuamente sobre la relación entre diferentes acciones y resultados. (Universidad
resultados rápidos, sinceros y precisos. La ciencia de datos guarda una estrecha relación con el concepto
de Big Data, ya que posibilita la eficaz manipulación de vastas cantidades de información proveniente de
diversas fuentes de datos. La ejecución de este proceso de ciencia de datos facilita la formulación de
El proceso del ciclo de vida de la Ciencia de datos se representa como una serie de etapas
recurrentes que guían en cuanto a las acciones necesarias para aplicar modelos predictivos. El usuario
desarrolla modelos de predicción en el entorno de producción que planea utilizar para construir
aplicaciones inteligentes. El propósito principal del proceso del ciclo de vida es llevar un proyecto de
20
ciencia de datos hacia un punto final de interacción bien definido. La ciencia de datos implica investigar y
aumenta las probabilidades de culminar con éxito un proyecto de ciencia de datos complejo. (Microsoft,
2023)
El ciclo de vida se compone de cuatro fases principales que se ejecutan de forma iterativa. Estas
fases incluyen:
En esta fase es fundamental traducir los objetivos comerciales en metas específicas de análisis de
datos, como identificar clientes valiosos y predecir la probabilidad de abandono. Para el éxito, es
necesario asegurarse de que los datos sean adecuados y considerar cómo se aplicarán los resultados para
como priorizar acciones según el valor del cliente y su propensión al abandono. (Eunice, Biddle, &
Christensen, 2022)
En esta fase también se realiza la planificación de los pasos a seguir desde la elección del
problema hasta la formulación del enfoque metodológico. Esta planificación se compone de tres
elementos esenciales:
llevará a cabo.
Marco teórico: Aquí se establece la base teórica que respalda el problema en cuestión.
Es imperativo que la definición del problema sea precisa y clara, ya que esto contribuirá a hacer
metas específicas de análisis de datos, como la identificación de clientes valiosos y la predicción del
abandono. Para lograr el éxito, es crucial asegurarse de que los datos sean apropiados y considerar cómo
21
se aplicarán los resultados para respaldar los objetivos comerciales, incluyendo la priorización de
acciones según el valor del cliente y su propensión al abandono. Además, esta fase implica la
planificación de los pasos a seguir, que incluye el planteamiento del problema, la construcción de un
marco teórico y el diseño metodológico. La precisión y claridad en la definición del problema son
Esta etapa tiene como objetivo principal generar un conjunto de datos de alta calidad, comprender
su relación con las variables objetivo y prepararlo para el análisis. Además, se busca crear una
Factores que se deben considerar: Calidad, Cantidad, Disponibilidad de los Datos, en caso de no haber
Los datos pueden existir previamente, haber sido adquiridos recientemente o estar disponibles
para su descarga en línea. Los profesionales de la ciencia de datos pueden obtenerlos de fuentes internas o
externas, como el software CRM de la empresa, registros de servidores web, plataformas de redes
En esta etapa de preparación de datos para modelos predictivos, se deben abordar varios temas
clave:
Volumen de datos: Se requiere un conjunto grande de ejemplos históricos con datos suficientes
Datos faltantes (missing values):. Las alternativas para lidiar con datos faltantes incluyen la
exclusión de variables, la creación de una variable que indique valores perdidos, la eliminación de casos
Datos atípicos (outliers): Los valores atípicos pueden ser válidos (con motivo conocido) o
inválidos (ruido). Se pueden identificar mediante el examen del rango de valores históricos y la
Los datos se pueden dividir en dos categorías: datos primarios y datos secundarios.
Los datos primarios son aquellos que son recopilados por el individuo u organización
que llevará a cabo el análisis (Equipo de Codecademia, 2022). Ejemplos de estos datos
incluyen:
in situ.
textos.
Por otro lado, los datos secundarios son aquellos recopilados por terceros y generalmente
En síntesis, recopilar datos primarios puede ser un proceso que consume mucho tiempo,
pregunta.
Antes de entrenar modelos, es esencial comprender y limpiar los datos, ya que los
conjuntos de datos reales suelen tener ruido y discrepancias. Este proceso implica resumir
y visualizar los datos para garantizar su calidad, y puede requerir iteración. (Microsoft,
2023)
La calidad de los datos se evalúa en función de una serie de dimensiones que pueden
Completitud: representa la cantidad de datos que que se pueden utilizar o que están
completos.
Validez: esta dimensión mide cuántos datos coinciden con el formato necesario para las
reglas de negocio
Coherencia: esta dimensión evalúa los registros de datos de dos conjuntos de datos
diferentes.
Adecuación para un propósito: Permite comprobar que el activo de datos cumple con
Una vez satisfecho con la calidad de los datos, el análisis de patrones ayuda a seleccionar
proceso iterativo que se detalla en la guía "Tareas para preparar los datos para el
Configuración de una canalización de datos para puntuar los datos nuevos o que se
Modelado
Esta etapa implica la determinación de las características óptimas de los datos para el modelo de
aprendizaje automático, seguido de la creación de un modelo predictivo informativo que pueda predecir el
objetivo con la máxima precisión, garantizar que el modelo resultante sea adecuado para su
Se debe trabajar con la primera versión de los datos preparados y crear modelos predictivos o
predictivos, se utilizan datos históricos con resultados conocidos para construir el modelo. (Rollins, 2015)
Selección de variables. Consiste en incluir, agregar y transformar datos sin procesar para crear las
Selección del modelo. Consiste en determinar el modelo que responda a la pregunta de negocio
Los entregables incluyen un conjunto de variables, un informe técnico del modelo y una decisión de
Implementación
Antes de poner un modelo en producción, se deben seguir dos pasos adicionales: Modo sombra y
pruebas A/B.
pero solo registrar los resultados sin tomar ninguna acción. Esto permite verificar la integridad de los
Una vez que las pruebas A/B confirman el valor del modelo, se puede implementar en
producción. Es necesario también ajustar parámetros, reentrenar el modelo y adaptar las funciones para
Los entregables en esta etapa son dashboard de estado que muestra el estado del sistema y métricas clave,
En esta etapa el cliente debe confirmar que el sistema satisface sus necesidades empresariales y
responde con una precisión aceptable antes de su implementación en el entorno de producción y su uso
con la aplicación cliente. Toda la documentación se revisa y se da por concluida. Luego, el proyecto se
Las aplicaciones de las técnicas analíticas de la ciencia de datos pueden orientarse a entidades públicas o
Redes sociales
Permite analizar datos que den cuenta de las relaciones entre objetos y no solo de sus atributos
individuales. Para ilustrar este hecho, se incorpora una única observación en una base de datos
cada una de las relaciones que un actor tiene con otros y que, seguidamente, se realiza una
regresión múltiple sobre estos datos diádicos y un número de variables predictoras seleccionadas.
El uso para tales tipos de análisis supone dos tipos de problemas (Stevens y Verhoest, 2016): el
como el principio de “un amigo de un amigo es mi amigo” que, en las redes de amistad, da cuenta
26
del hecho de que la persona A es más probable que se haga amiga de la persona C, si la persona B
que es muy amiga de la persona A también tiene una amistad estrecha con la persona C
Multiplicación de datos calcula la probabilidad de observar una red en comparación con redes
incorporan como estadísticas calculadas para la red. Si alguna de estas variables predictoras
resulta ser significativamente diferente de cero, se interpreta que esta variable tiene un impacto
importante en la probabilidad de que un miembro de la red establezca una conexión con otro
Sector Salud
La medicina aprovecha la ciencia de datos en áreas como diagnósticos médicos, análisis clínicos,
predictivos que puedan identificar a las personas que tienen un mayor riesgo de desarrollar ciertas
olfativos para identificar a las personas que tienen un mayor riesgo de desarrollar estas
Minería de textos clínicos: Se utiliza para analizar grandes conjuntos de datos clínicos y
encontrar patrones que puedan ayudar a los médicos a tomar decisiones informadas. Por ejemplo,
27
se han utilizado técnicas de minería de texto para identificar ensayos clínicos en nanomedicina
Telemedicina: Se utiliza para desarrollar sistemas de telemedicina que permitan a los médicos y
Procesos Comerciales
La ciencia de datos brinda una comprensión más profunda de los clientes y sus patrones de
para mejorar sus procesos y tomar decisiones más informadas. Esto se aplica a diversos sectores y
departamentos, desde producción y ventas, que pueden anticipar tendencias y competencia, hasta
marketing, recursos humanos, producción y logística, que pueden beneficiarse de nuevas técnicas
Obtener información de los clientes: Se recopila datos de múltiples fuentes, como visitas a la
web, compras y redes sociales, y combinándolos con precisión, se pueden identificar tendencias y
comportamientos. Esto ayuda a comprender quiénes son los clientes, sus motivaciones, y
garantiza que el producto y las estrategias de ventas sean efectivos. Los datos confiables también
través del cifrado. Esto es esencial para garantizar la privacidad de los datos del cliente, como
fundamental para lograr un mayor nivel de seguridad y uso ético de los datos empresariales.
Informar a las finanzas internas Esto implica la recopilación de datos sobre flujos de efectivo,
activos y deudas de la empresa, que se utilizan para detectar tendencias financieras, ya sea
ingresos, basándose en datos históricos de la empresa e industria para estimar precios de venta
promedio y ventas futuras. Además, se emplea el análisis de gestión de riesgos para evaluar
Agilizar la fabricación Las máquinas recopilan grandes volúmenes de datos de producción, que
pueden ser procesados de manera rápida y precisa mediante algoritmos para identificar
Predecir las tendencias futuras del mercado Recopilar y analizar datos a gran escala permite
influencers y búsquedas en línea revela productos de interés. Las empresas pueden adelantarse a
la curva al tomar decisiones basadas en los comportamientos del mercado objetivo. (Coté, 2021)
través del uso de Python y herramientas de código abierto. Utiliza un entorno basado en
incluidos los portátiles Jupyter, RStudio y Apache Spark. También incluye algoritmos y
médica. Se puede utilizar para tareas como predicción de aceptación de préstamos, predicción de
abandono de clientes y detección de fraude (Fan, Iacob, Nicolae, & Dong, 2017)
Microsoft proporciona una máquina virtual de ciencia de datos compatible tanto con
Windows como con Linux. Esta máquina virtual contiene una serie de herramientas bien
Microsoft R Server Developer Edition, Anaconda Python Distribution, Jupyter Notebook para
Python y R, Visual Studio Community Edition con soporte para Python y Herramientas de R en
30
Windows, y Eclipse en Linux. También se incluyen Power BI Desktop para Windows y SQL
Server 2016 Developer Edition en Windows, así como Postgres en Linux. Además, se ofrecen
Wabbit.
Apache Spark es una plataforma de código abierto para el procesamiento paralelo que
uso y análisis avanzados. Sus capacidades de cálculo en memoria lo hacen ideal para algoritmos
iterativos, cálculos de gráficos y aprendizaje automático. Spark también es compatible con Azure
Azure Data Lake es un almacén corporativo que centraliza todos los tipos de datos
recopilados en un solo lugar antes de aplicar requisitos o esquemas formales. Esta versatilidad
permite almacenar cualquier tipo de datos en Data Lake, sin importar su tamaño, estructura o
avanzados para descubrir patrones en estos datos en Data Lake. Además, Data Lake funciona
como un depósito para realizar una preparación de datos más rentable antes de su almacenamiento
La minería de datos es un proceso que involucra varios pasos fundamentales para descubrir
• Elección del conjunto de datos: En esta elección se va incluyendo tanto las variables objetivo
como las variables independientes. También se puede considerar la selección de una muestra de los
registros disponibles.
En la minería de datos, existen varios tipos y enfoques que se utilizan según el objetivo del
análisis:
Predicción:
Varias técnicas de minería de datos tienen un enfoque predictivo. Por ejemplo, un modelo podría
hacer pronósticos sobre los ingresos basados en la educación y otros factores demográficos. Estos
pronósticos suelen estar acompañados de una medida de probabilidad, y estas medidas de probabilidad
Algunas técnicas de minería de datos predictiva generan reglas, que son condiciones que indican
una salida específica. Por ejemplo, una regla podría indicar que si una persona posee un título
32
universitario y reside en una determinada área, es probable que su ingreso sea superior al promedio de la
región.
Agrupación:
los datos. Por ejemplo, un modelo podría identificar un grupo dentro de la población que comparte un
rango particular de ingresos, tiene un historial positivo de conducción y alquila un automóvil nuevo de
aprendizaje guiado por un objetivo dependiente que ya se conoce previamente. Este tipo de aprendizaje
suele llevar a la creación de modelos predictivos. Esta diferenciación es importante cuando se compara
con el aprendizaje no supervisado, que se enfoca en la detección de patrones sin un objetivo predefinido.
(H.Orallo, 2004)
una diferencia entre atributos dependientes e independientes, ya que no existe un resultado previamente
conocido que guíe el proceso de construcción del modelo. En consecuencia, la minería de datos no
supervisada se puede utilizar con fines descriptivos, pero también tiene la capacidad de realizar
2.3.3. Técnicas
Las técnicas utilizadas en la minería de datos tienen sus raíces en la inteligencia artificial y la
estadística. Estas técnicas son, en esencia, algoritmos de diversa complejidad que se aplican a un conjunto
33
de datos con el fin de obtener resultados. Algunas de las técnicas más destacadas incluyen (Han Jiawei,
2004)
-El Perceptrón.
•Regresión lineal: Es la más utilizada para formar relaciones entre datos es rápida y eficaz pero
artificial. Se crea a partir de una base de datos y se presenta en forma de diagramas lógicos que se
asemejan a sistemas de predicción basados en reglas. Su función es representar y ordenar una serie de
utilizada en todos los tipos de diseños experimentales y en el análisis de regresión para expresar los
generalmente en criterios de proximidad y su objetivo es organizar los vectores de entrada de manera que
aquellos que compartan características similares estén más cerca entre sí. (Han Jiawei, 2004)
- Algoritmo K-medias.
- Algoritmo K-medianas.
34
La minería de datos está ganando popularidad de una manera rápida debido a la capacidad de ofrecer
Últimamente varias empresas están empleando la minería de datos para respaldar todas las etapas
del ciclo de vida del cliente, que abarcan desde la adquisición de nuevos clientes, el incremento de
A Nivel Industrial
acero cuenta con el propósito de predecir la fuerza requerida para el proceso de laminación de bobinas de
acero en trenes de bandas en caliente, basándose en características específicas del acero de entrada y en
Esta aplicación utiliza técnicas de minería de datos para recopilar información y tomar decisiones
informadas como la Recopilación de Datos, Control en tiempo real, Análisis de datos, optimización del
proceso.
En el Sector Farmacéutico
Esta aplicación nos ayudará a predecir las ventas mediante el desarrollo de un modelo que
estimará las ventas de un producto en un mes específico, basándose en información sobre las ventas de
meses anteriores, es una práctica común en empresas comerciales. La minería de datos se emplea
35
extensamente en esta área, y existen aparte más numerosas aplicaciones desarrolladas para llevar a cabo
este proceso.
En el Sector Financiero
financieras nos ayuda en la segmentación de los clientes en sus entidades financieras, dado la idea en un
banco a través de un modelo de agrupamiento que posibilita y ayuda en la comprensión tanto de cómo se
comportan los clientes en el momento actual como de las tendencias que han surgido a lo largo del
tiempo.
Las Aplicaciones de detección y control del fraude en el uso de tarjetas de crédito al analizar sus
características distintivas de las transacciones fraudulentas y lograr crear sistemas para identificar y
Mediante este desarrollo de esta aplicación se lograra mejorar en tener un mejor control del
fraude de tarjetas de créditos esto de tal forma ayudaran y lo analizara las empresas aplicando las técnicas
La Minería de datos cuenta con herramientas que las empresas hoy en día suelen utilizar para
IBM SPSS
Esta herramienta de análisis estadístico avanzado posibilita la toma de decisiones más informadas
mediante el empleo de técnicas avanzadas. Dispone de una interfaz de usuario intuitiva que facilita la
RapidMiner
Herramienta basada en el machine learning y minería de datos, esta plataforma consta de una
amplia gama de componentes y diversos operadores. Incluye más de 500 operadores que pueden utilizarse
en una amplia variedad de procesos y se integra con una herramienta independiente para el análisis de
Knime
Este software es de código abierto y permite funciones básicas de la minería de datos, como
integración de datos, procesamiento, análisis y exploración. A través de sus flujos visuales o tuberías de
El proceso consiste en examinar conjuntos de datos grandes y variados para descubrir patrones
ocultos, correlaciones desconocidas, tendencias del mercado, preferencias de los clientes y otra
Implica el uso de técnicas como Business Intelligence (BI) y Big Data Analytics para convertir
datos en conocimientos que puedan utilizarse para tomar decisiones informadas. (Calderón & Castro,
2021)
Antes de adentrarse en la sustancia de la cuestión en torno al análisis de datos, una empresa debe, en
primer término, establecer la razón por la cual requiere un procedimiento debidamente fundamentado.
¿Cuáles estrategias se pueden implementar para incrementar las oportunidades de venta con
largo del proceso. Asimismo, es imperativo identificar las fuentes de datos cuando llegue el momento
de recolectarlos.
o Recopilar datos
38
Una vez que se ha establecido el propósito, es el momento de iniciar la recolección de los datos
esenciales para el análisis. Este paso reviste gran importancia, ya que la naturaleza de las fuentes de datos
El proceso de recolección de datos se inicia con las fuentes primarias, conocidas también como
fuentes internas. Estas fuentes generalmente consisten en datos estructurados obtenidos de sistemas como
CRM, sistemas ERP, herramientas de automatización de marketing y otros recursos similares. Estas
fuentes albergan información relativa a clientes, aspectos financieros, desviaciones en las ventas y otros
datos relevantes.
Luego, se presentan las fuentes secundarias, también denominadas fuentes externas. Estas fuentes
engloban datos tanto estructurados como no estructurados que se pueden obtener de diversas fuentes
externas.
Por ejemplo, si se pretende llevar a cabo un análisis de la percepción hacia su marca, se pueden
recopilar datos procedentes de sitios de reseñas o utilizar las API de redes sociales.
Fuentes de
recolección Descripción
de Datos
Datos estructurados de fuentes internas, como software
Recopilación CRM, sistemas ERP y herramientas de automatización de
de Datos marketing. Contienen información sobre clientes, finanzas,
Primarios brechas en las ventas, etc.
Datos estructurados y no estructurados de fuentes externas.
Recopilación Pueden obtenerse de diversas fuentes, como sitios de
de Datos reseñas o API de redes sociales, dependiendo del
Secundarios propósito, como el análisis de sentimiento hacia la marca.
Una vez recopilados los datos provenientes de todas las fuentes pertinentes, el equipo
encargado del análisis de datos asume la labor de depuración y categorización de los mismos. La
análisis de datos, y ello se debe a que no todos los datos son fiables.
duplicados, anomalías y otras incongruencias que puedan distorsionar el análisis, con el propósito
Es importante destacar que la mayor parte del tiempo de un científico de datos se destina
Uno de los últimos pasos en el proceso de análisis de datos implica analizar y manipular los
datos. Esto se puede realizar de diversas maneras, incluyendo la minería de datos, que consiste en
descubrir conocimiento dentro de bases de datos, mediante técnicas como el análisis de agrupamiento,
diseñadas para facilitar la toma de decisiones al generar informes, paneles, cuadros de mando y gráficos
comprensibles.
Otra estrategia es el análisis predictivo, que forma parte de los cuatro enfoques actuales de
La interpretación de los resultados del análisis de datos debe servir para validar la razón fundamental de
someter a pruebas las alternativas A y B podría erigirse como una estrategia para reducir los costos de
Es imperativo fomentar la colaboración activa entre los analistas y los agentes empresariales durante este
limitación que podría no haberse manifestado de manera patente en los datos iniciales. Este enfoque
Análisis descriptivo
Es la fase inicial de la reflexión analítica, enfocándose en responder la pregunta "¿qué pasó?" Al procesar
datos de diversas fuentes, este método busca organizar, manipular y entender la información cruda para
responde a cuestiones de por qué sucedieron ciertos eventos, el análisis descriptivo prepara los datos de
manera que estén disponibles para investigaciones posteriores, siendo esencial para la presentación
significativa de la información.
Análisis Exploratorio
Se centra en la exploración de las relaciones de datos. Inicialmente, no se tiene una comprensión de las
relaciones entre los datos y las variables. Sin embargo, a medida que se investigan los datos, el análisis
exploratorio permite descubrir conexiones, generando hipótesis y ofreciendo soluciones para problemas
específicos.
Análisis de Diagnostico
Se enfoca en responder la pregunta "por qué sucedió". Proporciona a analistas y ejecutivos una
comprensión contextual sólida de los eventos. Al entender el motivo y el proceso detrás de un suceso, se
Análisis Predictivo
El análisis predictivo se enfoca en responder a la pregunta "¿qué sucederá en el futuro?" Utiliza los
aprendizaje automático (ML) y la inteligencia artificial (IA).El análisis predictivo permite descubrir
Análisis Prescriptivo
investigación. Se superpone con el análisis predictivo al utilizar patrones y tendencias para desarrollar
rol activo al utilizar conjuntos de datos visualmente organizados como una solución poderosa para
abordar problemas emergentes en diversas áreas clave, que incluyen marketing, ventas, atención al
cliente, etc.
Método Cuantitativo Refiere a todos los métodos que utilizan datos numéricos o datos que
pueden convertirse en números (por ejemplo, variables de categoría como género, edad, etc.) para extraer
información valiosa. Se utiliza para extraer conclusiones valiosas sobre relaciones, diferencias y probar
Análisis de Conglomerados
Implica agrupar objetos, sujetos o variables, con características similares en grupos. La semejanza o
disimilitud de los objetos se mide por un índice particular de asociación. Se consideran los tipos de
métodos que agrupan variables basadas en la estructura de correlación de variables. (Ruiz, 2019)
Análisis de Cohortes
comparten una característica común durante un período de tiempo definido. Este enfoque se utiliza para
42
2022)
Análisis de Regresión
La regresión es una técnica empleada para predecir el valor de una variable en función del valor de otra.
La variable que se busca predecir se llama variable dependiente, mientras que la variable que se utiliza
Este método de análisis estima los coeficientes de una ecuación lineal, involucrando una o más variables
independientes que mejor explican o predicen el valor de la variable dependiente. La regresión busca
ajustar una línea recta o una superficie que minimiza las discrepancias entre los valores pronosticados y
Análisis Factorial
El análisis factorial se utiliza para encontrar factores subyacentes que expliquen las relaciones
entre un conjunto de variables observadas. Su propósito principal es simplificar los datos al identificar un
número reducido de factores que explican la mayoría de la variabilidad en un grupo más amplio de
variables. Además, se puede emplear para formular hipótesis sobre relaciones causales y para
inspeccionar las variables antes de realizar análisis adicionales, como la detección de multicolinealidad
técnicas como entrevistas, grupos de discusión, cuestionarios, entre otras. En contraste con los métodos
cuantitativos, los datos cualitativos son más subjetivos, pero resultan extremadamente útiles para analizar
aspectos como la retención de clientes y la mejora de productos. Algunos de los métodos más claves son:
43
Minería de Texto
Se enfoca en revelar información implícita al conectar datos de diversos textos. Comprende tres
etapas: recuperación, que selecciona textos relevantes; extracción, que obtiene datos clave y relaciones
mediante procesamiento de lenguaje natural; y minería de datos, que identifica asociaciones entre estos
datos. Estas etapas se dividen en fases, incluyendo el preprocesamiento, donde se estructuran los textos y
se eliminan duplicados, y la etapa de descubrimiento, que analiza representaciones internas para encontrar
patrones y datos novedosos. Finalmente, en la etapa de visualización, los usuarios pueden explorar los
Análisis Temático
entrevistas, y los agrupa en temas o categorías que surgen con frecuencia en el texto. Es un gran método
cuando se trata de descubrir los puntos de vista y opiniones de la gente sobre un tema determinado.
generación de nuevas teorías. Con el método de la teoría fundamentada, puede iniciar el proceso de
análisis con la mente abierta y explorar los datos para generar nuevas teorías mediante pruebas y
revisiones
comportamiento de los clientes, personalizar las experiencias de compra y optimizar las campañas de
marketing. Al analizar las preferencias de los clientes, el historial de compras y los patrones de
Amazon aprovecha la analítica de datos para personalizar la experiencia del cliente, ofreciendo
recomendaciones basadas en historiales de compra e intereses, lo que impulsa las ventas. Además,
prevenir ciberamenazas y ataques. Los sistemas de seguridad utilizan técnicas de análisis de datos para
evaluar el tráfico de la red, el comportamiento de los usuarios y los registros del sistema con el fin de
identificar posibles anomalías y violaciones de la seguridad. Esta estrategia permite a las organizaciones
fortalecer proactivamente sus medidas de seguridad, detectar y responder a amenazas en tiempo real, y
proteger de manera efectiva la información confidencial y los activos digitales. (Khotari, 2023)
infraestructura y detectar anomalías que pueden indicar un ataque. La empresa también utiliza la analítica
de datos para identificar tendencias en los ataques cibernéticos, lo que le permite tomar medidas para
Los bancos utilizan el análisis de datos para obtener información sobre el comportamiento de los
clientes, gestionar riesgos y personalizar los servicios financieros. Los bancos pueden adaptar sus ofertas,
identificar posibles fraudes y evaluar la solvencia crediticia mediante el análisis de datos de transacciones,
datos demográficos de los clientes e historiales crediticios. El análisis de datos también ayuda a los
bancos a detectar actividades de lavado de dinero y mejorar el cumplimiento normativo. (Khotari, 2023)
45
información financiera. Estos proyectos han permitido obtener información sobre actividades comerciales
en áreas urbanas (Urban Discovery), el impacto económico de eventos importantes, o Commerce360, que
brinda acceso a datos previamente inaccesibles para el sector minorista. Esto les confiere una ventaja
Microsoft Power BI
cálculo como a extensas bases de datos para extraer la información necesaria, contribuyendo así a
Los Data Analysts hacen uso de Power BI para supervisar el rendimiento empresarial,
permitiéndoles conectar con bases de datos y representar gráficamente datos cruciales relacionados con
Entre las características destacadas de Power BI se incluyen su interfaz intuitiva, que resulta fácil
de comprender para los nuevos usuarios, así como su accesibilidad, ya que se trata de una plataforma
gratuita que resulta asequible para las pequeñas empresas. Además, la herramienta ofrece seguimiento en
tiempo real de datos vinculados a las operaciones fundamentales de la empresa y la capacidad de generar
Phyton
Una de las principales razones por las que el análisis de datos que utiliza Python se ha convertido en el
modo de análisis de datos más preferido y popular es que proporciona una variedad de bibliotecas.
Pandas : Proporciona funciones para manejar datos faltantes, realizar operaciones matemáticas y
Matplotlib : Se usa comúnmente para trazar puntos de datos y crear visualizaciones interactivas
de los datos.
SciPy : Se utiliza para informática científica. Contiene módulos de optimización, álgebra lineal,
Excel
Permite realizar comparaciones y calcular métricas clave, como los KPIs, para identificar
Además de evaluar el rendimiento, Excel se convierte en una herramienta valiosa para identificar
y evaluar los riesgos empresariales de manera clara y sencilla. A través de fórmulas, funciones y
herramientas de análisis, Excel permite analizar los datos empresariales y detectar posibles riesgos que
adversas al identificar los riesgos de negocio de manera temprana. Aunque los riesgos son inherentes a
cualquier empresa, reconocerlos de manera oportuna permite a las organizaciones tomar medidas
preventivas, desarrollar planes de contingencia y tomar decisiones más informadas para mitigar los
riesgos y proteger la salud general del negocio. En resumen, Excel se convierte en una herramienta
esencial para el monitoreo y la gestión del rendimiento y los riesgos en una empresa, contribuyendo a la
2.5. RPA
Es importante resaltar que las aplicaciones de RPA representan una forma de automatización
tecnológica que está provocando cambios en la manera en que funcionan las empresas. Los bots de
software de RPA interactúan con los sistemas y aplicaciones empresariales para optimizar los procesos y
disminuir la carga de trabajo que habitualmente recae en los empleados. (Adrian Villar)
Procesos específicos:
Se refieren a las operaciones extensas que suelen ser simples y repetitivas, tales como recibir
facturas y efectuar sus pagos, emplear hojas de cálculo para rastrear información particular, entre otros
ejemplos. (HelpSystems.)
Los procesos multi-funcionales son procesos en los que se realizan al tiempo dos o más
actividades al verificar las nóminas a pagar, los empleados de la nómina y sus respectivos bancos
asignados.
Este proceso hace referencia a procesos integrales que involucran múltiples departamentos de la
empresa, como el procedimiento para validar los pedidos de suministros, generar los recibos
correspondientes y efectuar los pagos. En esta ilustración, varias áreas de la empresa estarían
involucradas. (HelpSystems.)
48
las herramientas y competencias requeridas para crear, implementar y controlar los bots de RPA.
Automatización de procesos:
áreas como finanzas, compras, gestión de la cadena de suministro, contabilidad, atención al cliente y
recursos humanos. Esto abarca actividades como la introducción de datos, la generación de órdenes de
Asistente automatizado:
automatizados es relativamente reciente. Grandes compañías que gestionan centros de llamadas muy
concurridos adoptan RPA, ya que esta tecnología puede suministrar respuestas en lenguaje natural a
empleados o clientes, en lugar de recurrir a un código de software. Este enfoque permite a la empresa
eficaz y precisa, lo que mejora el rendimiento de los procesos. La utilización de software RPA posibilita
Existen tres tipos de RPA básicos que se pueden desarrollar en las organizaciones y ellos son el
RPA asistido
automatización se lleva a cabo con la asistencia y supervisión de un operador humano. En este enfoque,
los robots de software o bots trabajan junto con los seres humanos para realizar tareas de manera más
eficiente y precisa.
RPA No asistido
Este tipo de RPA se inicia de manera automática al recibir la entrada de datos por parte del
empleado en el sistema. También puede activarse el robot en función de un escenario particular. Además,
determinado. En cualquier caso, la ejecución se realiza en segundo plano en la computadora o portátil, sin
RPA hibrida
Este tipo de RPA híbrida es un trabajo mixto entre el RPA asistido y no asistido. Este tipo de
industrias y áreas. Algunas de las principales aplicaciones de RPA incluyen las siguientes:
Servicio al cliente
RPA contribuye a mejorar la atención al cliente en las empresas al automatizar las funciones del
Las empresas recurren a RPA en aplicaciones que abarcan desde contabilidad general y
Servicios financieros.
Las empresas de la industria de servicios financieros utilizan RPA para pagos de divisas,
reclamaciones de seguros.
En la atención médica, las organizaciones del sector de salud utilizan RPA para gestionar
registros de pacientes, procesar reclamaciones, brindar atención al cliente, administrar cuentas, emitir
Recursos humanos.
RPA es capaz de automatizar funciones relacionadas con Recursos Humanos, como el proceso de
de horas trabajadas.
La automatización de procesos robóticos tiene cuatro tipos de software que nos permiten realizar
soluciones de RPA. Cuáles están los siguientes lenguajes de programación en los que se fundamentan su
arquitectura y plataforma para el diseño, programación y motorización de los robots. (Digital Biz
Magazine)
51
Blue Prism:
procesos robóticos. En cuanto a su estructura, incluye el Process Studio para la elaboración de procesos,
el Object Studio para la programación y la interacción con aplicaciones, y el Control Rooms para la
ejecución y administración de robots. Sin embargo, una de sus principales limitaciones radica en que solo
permite la creación de robots para tareas de back office, dejando fuera las aplicaciones de front office.
Automation Anywhere:
Este software cuenta con una sólida experiencia en RPA. Su enfoque de programación se basa en
scripts, lo que lo hace más adecuado para desarrolladores, ya que no dispone de una interfaz visual.
Además, no ofrece el respaldo de una comunidad abierta para simplificar el proceso de aprendizaje. Lo
que lo distingue es su capacidad para analizar tanto datos estructurados como semiestructurados,
UiPath:
Este software no se apoya en un lenguaje de programación específico, sino que cuenta con una
interfaz de usuario altamente visual, lo que lo hace accesible para cualquier persona que desee adentrarse
en el mundo de RPA. Además, dispone de una comunidad activa que proporciona abundante
arquitectura se compone de un Studio diseñado para la creación de flujos de trabajo de robots. (UiPath.)
cantidades de datos para descubrir regularidades o relaciones previamente desconocidas para generar
hallazgos claros y valiosos para el propietario de la base de datos. La minería de datos consiste en
Los componentes principales de cualquier sistema de minería de datos son la fuente de datos, el
Cuando un usuario solicita consultas de minería de datos, estas solicitudes se envían a motores de
minería de datos para analizar patrones utilizando la base de datos existente. Los metadatos recuperados
se procesan y se envían al motor de minería de datos, que interactúa con módulos de evaluación de
patrones para determinar el resultado. Finalmente, este resultado se presenta en un formato amigable a
Componentes de La Arquitectura
Fuente de datos : Las fuentes de datos son recursos que suministran información en
diversos formatos, como texto sin formato, hojas de cálculo, imágenes o videos. Estas
fuentes pueden ser bases de datos, la World Wide Web (WWW) o repositorios de
minería de datos, ya que lleva a cabo muchas técnicas, como asociación, clasificación,
complejidades del proceso de minería de datos, una interfaz gráfica de usuario ayuda al
datos. Esta base de conocimientos puede incluir información obtenida de encuentros con
del resultado.
Estos patrones ayudan a organizar y gestionar los datos de manera eficiente, permiten realizar
Arquitectura Lambda
información, permitiendo el acceso tanto a métodos de procesamiento por lotes como a métodos de flujo
en una combinación híbrida. Su finalidad principal es abordar la tarea de realizar cálculos de funciones
La Capa por Lote se encarga de procesar de manera continua los nuevos datos que llegan al
sistema. La Capa de lotes recibe estos datos simultáneamente, los analiza en su totalidad y finalmente los
ajusta en la Capa de transmisión. En esta capa, es común encontrar numerosos procesos ETL (Extracción,
programa predefinido que suele ser diario o semanal. Sus dos funciones principales son la gestión de los
En la Capa de servicio, se reciben las salidas de la Capa por lotes en forma de vistas
precalculadas y las que provienen de la Capa de velocidad en forma de vistas casi en tiempo real. El
propósito de esta capa es indexar las vistas por lotes, permitiendo así consultarlas de manera eficiente con
La Capa de velocidad, su función principal es indexar las vistas por lotes para permitir consultas
eficientes con una latencia muy baja, adaptándose a las necesidades particulares. (Databrick, 2021)
55
Data Warehouse
Un Data Warehouse es una colección de bases de datos que almacena y organiza datos de forma
Las arquitecturas de un solo nivel no se utilizan en sistemas en tiempo real, se emplean para
procesamiento por lotes y preparación de datos. Los datos se convierten en formato adecuado en una
arquitectura de un solo nivel (llamada "de un solo subproceso") antes de transferirse al sistema en tiempo
real. Estas arquitecturas son preferidas para procesar datos operativos, pero no se usan en sistemas en
tiempo real.
antes de que el motor analítico los acepte y los convierta en información relevante. Esto evita la
exposición a código malicioso o defectuoso. Por ejemplo, en un cálculo de puntaje crediticio, un hacker
que controle el middleware podría modificar la puntuación y acceder a datos valiosos. (JavaTPoint, 2019)
56
En un almacén de datos de dos niveles, se separa el proceso analítico del proceso de negocio, lo
que proporciona control y eficiencia. La arquitectura de dos capas implica un flujo de datos de cuatro
La integridad de los datos es crucial para el almacén de datos, que almacena información en una
base de datos para su búsqueda y análisis. La preparación de datos agiliza el proceso ETL (extracción,
Los metadatos son esenciales para decidir qué datos conservar, eliminar y utilizar en informes
los datos y los estándares de presentación, permitiendo análisis avanzados y seguimiento de cambios,
escalabilidad y rendimiento del sistema en una plataforma de datos en vivo. (InterviewBit, 2023)
57
almacén de datos. La capa conciliada se sitúa entre los datos de origen y el almacén de datos. La principal
prioridad en la capa conciliada es asegurar la integridad, precisión y coherencia de los datos. Es adecuada
para sistemas de ciclo de vida largo y grandes. Cada cambio en los datos implica una revisión adicional
para prevenir errores. También se le conoce como arquitectura basada en datos y no consume espacio
repetitivas a través de scripts de robots que operan a través de interfaces de usuario. RPA es útil para
integrar aplicaciones empresariales heredadas sin API accesibles y para ayudar a los usuarios con tareas
repetitivas. Se puede utilizar servicios web si se necesita conectar con sistemas sin interfaz de usuario. La
Secuencia de la Arquitectura
Paso2: Una vez completado, probado y validado el script, se puede publicar en un servidor
robótico..
Paso3: El motor de ejecución de robot se activa desde el servidor del robot con un evento o un
temporizador.
Paso4: El motor de ejecución del robot se activa con una llamada explícita desde una aplicación
Paso5: En el caso de bots atendidos, el usuario empresarial activa el motor de ejecución del robot
de manera explícita a través del iniciador del robot para realizar una tarea específica.
Paso6: El motor de ejecución del robot generalmente realiza sus tareas al leer o escribir datos en
Paso7: Durante la ejecución de la tarea automatizada, el servidor del robot supervisa y registra
datos de ejecución para análisis continuo del rendimiento de los robots. Además, el servidor
59
proporciona las credenciales necesarias para que los robots accedan a las aplicaciones
empresariales.
Paso8: Las tareas automatizadas del motor de ejecución del robot se potencian y adaptan a una
toma de decisiones, captura de datos y servicios de inteligencia artificial, como los chatbots.
(IBM, 2021)
Conclusiones
60
Datos.
Para aprovechar al máximo las sinergias entre estas disciplinas, es esencial comprender
BPMN, Minería de Datos, Analytics y RPA. Esta investigación explorará los enfoques
Referencias
https://aws.amazon.com/es/what-is/data-science/
61
https://www.arimetrics.com/glosario-digital/analisis-de-cohortes
BBVA. (21 de Julio de 2017). BBVA. Obtenido de BBVA Data & Analytics o el reto de transformar los
reto-transformar-datos-valor-negocio/
Biswal, A. (21 de Julio de 2023). Simplearn. Obtenido de Análisis de datos con Python: demostración de
python
Calderón, F., & Castro, S. (18 de Diciembre de 2021). Semantic Scholar. Obtenido de Aplicación de
técnicas de Business Intelligence (BI) y Big Data Analytics en entornos de aprendizaje virtual:
https://www.semanticscholar.org/paper/Aplicaci%C3%B3n-de-t%C3%A9cnicas-de-Business-
Intelligence-y-Pineda-Loor/5fe0f5614eb0f07d6d5eaa61183e133d8fbe9e44
Certus. (25 de Setiembre de 2020). Certus. Obtenido de ¿Qué es Data Analytics y por qué es importante?:
https://www.certus.edu.pe/blog/que-es-data-analytics/
Chaves, V., & Gómez, C. (2023). Semantic Scholar. Obtenido de Clínica y Salud:
https://www.semanticscholar.org/paper/Cl%C3%ADnica-y-Salud-Chaves-Morillo-G
%C3%B3mez-Calero/8493e2fca995172d4b4162ba965ee23dfcc4b691
Coté, C. (14 de Enero de 2021). Harvard Business Schoolar . Obtenido de ¿QUÉ ES LA CIENCIA DE
data-science
https://www.databricks.com/glossary/lambda-architecture
de datos: https://www.codecademy.com/article/intro-to-data-acquisition
Eunice, T., Biddle, E., & Christensen, P. (2022). IBM. Obtenido de Traducir un problema empresarial en
https://www.ibm.com/garage/method/practices/discover/business-problem-to-ai-data-science-
solution/
Fan, X., Iacob, M., Nicolae, M., & Dong, E. (6 de Noviembre de 2017). Semantic Scholar. Obtenido de
https://www.semanticscholar.org/paper/Machine-learning-basics-with-IBM-data-science-Fan-
Iacob/860bf3c4fc96f418a472143ec8dba94bdbf4e395
Flores, N. (03 de Agosto de 2023). Tecnologico de Monterrey. Obtenido de Ciencia de datos: la mejor
datos-la-mejor-forma-de-predecir-un-comportamiento
https://cloud.google.com/learn/what-is-predictive-analytics?hl=es
https://www.ibm.com/cloud/architecture/architectures/roboticProcessAutomationDomain/
reference-architecture/
regression
data-quality
science
IBM. (2023). IBM. Obtenido de Algoritmos de clasificación y regresión de análisis predictivo de SPSS en
cuadernos: https://www.ibm.com/docs/es/watsonx-as-a-service?topic=algorithms-classification-
regression
statistics/saas?topic=features-factor-analysis
63
InterviewBit. (24 de Febrero de 2023). Scaler Academy. Obtenido de Arquitectura del almacén de datos:
explicación detallada:
https://www.interviewbit.com/blog/data-warehouse-architecture/#:~:text=A%20data
%20warehouse%20is%20a%20collection%20of%20databases%20that%20stores,framework%2C
%20and%20an%20integration%20layer.
https://www.javatpoint.com/data-warehouse-architecture
Khotari, S. (23 de Junio de 2023). Simpl Learn. Obtenido de Aplicaciones del análisis de datos:
tutorial/applications-of-data-analytics
Lerenia, O. (2019). Métodos de aplicaciones de la ciencia de datos para las politicas de CTI. CIECTI, 22-
24.
Lin, H., & Li, M. (2023). Practitioner’s Guide to Data Science. Florida: CRC PRESS.
https://learn.microsoft.com/en-us/azure/architecture/data-science-process/lifecycle-data
Microsoft. (11 de Julio de 2023). Microsoft. Obtenido de El ciclo de vida del proceso de ciencia de datos
en equipo: https://learn.microsoft.com/es-es/azure/architecture/data-science-process/lifecycle
platforms-and-tools
Monsalve Torra, A. E. (2017). Semantic Scholar. Obtenido de Sistemas de ayuda a la decisión clínica en
ayuda-a-la-decisi%C3%B3n-cl%C3%ADnica-en-de-Torra/
a817d0c2b7d9caad4cd1cbd2f9201dc85d30598d
64
https://www.codingninjas.com/studio/library/data-mining-architecture
científica: https://www.semanticscholar.org/paper/Metodolog%C3%ADa-de-la-investigaci
%C3%B3n-cient%C3%ADfica-Naranjo-Dr./4cadfbbc52e102d83bf2772430b0cf00458b01e4
intelligence/data-science/
Pérez Espinoza, C. (04 de Setiembre de 2015). Semantic Scholar. Obtenido de Uso de técnicas de minería
https://www.semanticscholar.org/paper/Uso-de-t%C3%A9cnicas-de-miner%C3%ADa-de-texto-
para-la-de-en-Espinoza/579e85a6bc60183c3cfd65500e9c095598740d38
PUC. (2023). Pontifica Universidad Catolica de Chile. Obtenido de ¿Qué aplicaciones se hacen con
Ramírez, T., & Verónica, A. (01 de Marzo de 2019). Semantic Scholar. Obtenido de Diseño de una
metodología de auditoría a la seguridad del proceso de ciencia de datos en una entidad financiera
%C3%ADa-de-auditor%C3%ADa-a-la-del-de-Tenecela-Alexandra./
1f15396c3b4173d427d93b4f7e91fc61dd4b71dd
Rollins, J. B. (2015). Metodología Fundamental para la Ciencia de Datos. IBM Analytics, 4-5.
TreeLogic. (16 de Abril de 2019). TreeLogic. Obtenido de EL VALOR EMPRESARIAL DEL DATA
SCIENCE: https://www.treelogic.com/es/Data_Science.html
Universidad Catolica de San Pablo. (2022). Postgrado UCSUP. Obtenido de Business analytics: todo lo
frecuencias: https://www.ugr.es/~fmocan/MATERIALES%20DOCTORADO/Descriptiva.pdf
65
Universidad de Malaga. (01 de Mayo de 2023). Universidad de Malaga. Obtenido de ¿Qué Es El Text
cuales-son-sus-aplicaciones/
https://patgu.eco.catedras.unc.edu.ar/unidad-2/metodologia-de-analisis-y-diagnostico-de-
procedimientos/
https://www.universitatcarlemany.com/actualidad/blog/analisis-predictivo-tipos-herramientas/
Xie, Y. (2016). Bookdown: Authoring Books and Technical Documents with R Markdown. Florida: CRC
Press.https://searchdatacenter.techtarget.com/es/
https://blog.hubspot.es/marketing/mineria-datos
Muñoz, H. ( 2002). Mineroa de Datos , informacion y conocimiento. The Morgan Kaufmann publishers.
Wesley.
https://softgrade.mx/software-de-bpmn/
https://www.integradoc.com/casos-de-exito/banco-santander/
https://www.acftechnologies.com/es/blog/bpm-mejora-la-gestion-de-procesos-y-aumenta-la-
productividad
BPM y casos de éxito | GlobalLogic Latam. (2021, febrero 10). GlobalLogic Latinoamerica.
https://www.globallogic.com/latam/insights/blogs/bpm-y-casos-de-exito/
Flechsig, C., Lohmer, J., & Lasch, R. (2019). Realizing the Full Potential of Robotic Process
Automation Through a Combination with BPM. Lecture Notes in Logistics, 104-119. Scopus.
https://doi.org/10.1007/978-3-030-29821-0_8
Guía de modelado, reglas y símbolos de BPMN 2.0 | BIC Software. (s. f.). Recuperado 16 de
business-process-modeling-notation-bpmn-model
Las 3 mejores soluciones de BPM en la nube. (s. f.). ProcessMaker. Recuperado 16 de octubre de
2023, de https://www.processmaker.com/es/blog/top-3-cloud-based-bpm-solutions/
Learning, I. (2022, agosto 26). Importancia del BPM como disciplina de gestión clave en todas
disciplina-de-gestion-clave-en-todas-las-empresas/
Modelo y notación de procesos de negocio (BPMN) | Microsoft Visio. (s. f.). Recuperado 16 de
notation
Orquestar servicios, personas y robots con BPMN. (s. f.). Recuperado 16 de octubre de 2023, de
https://es.bonitasoft.com/noticias/orquestar-servicios-personas-y-robots-con-bpmn-parte-3
¿Qué es la gestión de procesos de negocio? | IBM. (s. f.). Recuperado 16 de octubre de 2023, de
https://www.ibm.com/mx-es/topics/business-process-management
Universidad Católica del Uruguay. (s. f.). INTEGRADOC BPM. Recuperado 16 de octubre de
2023, de https://www.integradoc.com/casos-de-exito/universidad-catolica-del-uruguay/