Linked e-resources
Details
Table of Contents
Intro
Introducción
Marco problemático
La problemática de la información en las universidades
Gestión del servicio
Retos para una universidad pluriversa e incluyente
La universidad pública enfrenta hoy el reto de producir conocimiento que no atienda exclusivamente a las lógicas de mercado, producir conocimiento "no conformista, crítico, heterodoxo, no comercializable" y a la vez pertinente. Ello implica responder a la
Gestión del conocimiento para inteligencia de negocios
Sociedad de la información y del conocimiento
Gestión del conocimiento
TIC para la gestión del conocimiento
La Inteligencia de negocios como estrategia de generación de valor
Un marco conceptual para la Inteligencia de negocios
Proyectos de BI
Etapas de BI
Aplicaciones para el análisis y la visualización
Herramientas
Inteligencia de negocios en la educación
Inteligencia de negocios en la Universidad de Caldas
Modelo de inteligencia de negocios para la Universidad de Caldas
La aplicación de la inteligencia de negocios en la Universidad de Caldas
Caso egresados
Caso sistema académico
Validación del modelo
Prototipo de inteligencia de negocios
Conclusiones
Referencias
Figura 1. Esquema de BI
Figura 2. Piramide BI
Figura 3. Metodologia empleada para analítica de datos
Figura 4. Captura de pantalla Oracle Database Express 12c
Figura 5. Entorno de programacion sqlplus oracle 12c
Figura 6. Entorno de desarrollo Oracle apex 5.0
Figura 7. Arquitectura del Oracle Apex
Figura 8. Portabilidad Apex usando la nube
Figura 9. Mapa de ruta del enfoque
Figura 10. Estructura formato encuesta
Figura 11. Estructura formato complementario
Figura 12. Formato encuesta
Figura 13. Creación Pdb1 conectable
Figura 14. Creación del esquema Apex.
Figura 15. Consulta estado del contenedor conectable
Figura 16. Carga de la fuente "datain" base de datos contenedor
Figura 18. Paquete DBMS_PREDITIVE_ANALYTICS.EXPLAIN
Figura 19. Salida correlación "Explain" PERFORMANCE
Figura 20. Salida Correlación "Explain" TIEMPOEMPLEO
Figura 21. Salida Correlación "Explain" UTILESHABI
Figura 22. Salida Correlación "Explain" FACTORINGRESO
Figura 23. Paquete DBMS_PREDITIVE_ANALYTICS.PREDICT
Figura 24. Paquete dbms_preditive_analytics.predict
Figura 25. Valor de confianza de predicción del modelo
Figura 26. Predicciones consulta Tabla resultado
Figura 27. Consulta de contraste Tabla Capitulo 4_ resultado
Figura 28. Contraste de resultados valor objetivo vs valor de predicción
Figura 29. Contraste de resultados valor objetivo vs valor de predicción
Figura 30. Cuadro de mando Spiderweb
Figura 31. Radar Spiderweb
Figura 32. Pie
Figura 33. Gauge
Figura 34. Badge
Figura 35. Buble
Figura 36.Clandestick
Figura 37. Bar horizontal
Figura 38. Barras apiladas
Figura 39. Barras apiladas por año
Figura 40. Optimizacion y eficiencia
Figura 41. Barras apiladas por año
Figura 42. Mapa
Figura 43. Árbol de oficios egresados
Figura 44. Dashboard resultado egresados 2014
Figura 45. Dashboard resultado egresados 2016
Figura 46. Dashboard resulttado egresados 2015
Figura 47. Captura de ejemplo
Figura 48. Docentes con formación doctoral
Figura 49. Histórico por nivel de formación docentes planta
Figura 50. Comparativo por nivel de formación docente
Figura 51. Comparativa formación doctoral por departamentos
Figura 52. Promedio por edad según contratación
Figura 53. Ocupación de planta docente
Figura 54. Tipos de artículos publicados por año
Figura 55. Artículos publicados por categoría.
Figura 56. Desarrollo tecnológico según patentes
Figura 57. Información estadística sobre estudiantes
Figura 58. Comparativo según el grado de repitencia
Figura 59. Comparativo según tipo de programa
Figura 60. Dashboard con indicadores de la perspectiva Actividades internas
Figura 61. Marco para la toma de decisiones
Tabla 1. Estructura del maestro de datos
Tabla 2. Estructura de población adicional
Tabla 3. Estructura del subconjunto de datos
Tabla 4. Atributos de la tabla resultante proceso EXPLAIN
Tabla 5.Tipos de lectura grafica dashboard
Tabla 6. Caso sistema de información académica.
Introducción
Marco problemático
La problemática de la información en las universidades
Gestión del servicio
Retos para una universidad pluriversa e incluyente
La universidad pública enfrenta hoy el reto de producir conocimiento que no atienda exclusivamente a las lógicas de mercado, producir conocimiento "no conformista, crítico, heterodoxo, no comercializable" y a la vez pertinente. Ello implica responder a la
Gestión del conocimiento para inteligencia de negocios
Sociedad de la información y del conocimiento
Gestión del conocimiento
TIC para la gestión del conocimiento
La Inteligencia de negocios como estrategia de generación de valor
Un marco conceptual para la Inteligencia de negocios
Proyectos de BI
Etapas de BI
Aplicaciones para el análisis y la visualización
Herramientas
Inteligencia de negocios en la educación
Inteligencia de negocios en la Universidad de Caldas
Modelo de inteligencia de negocios para la Universidad de Caldas
La aplicación de la inteligencia de negocios en la Universidad de Caldas
Caso egresados
Caso sistema académico
Validación del modelo
Prototipo de inteligencia de negocios
Conclusiones
Referencias
Figura 1. Esquema de BI
Figura 2. Piramide BI
Figura 3. Metodologia empleada para analítica de datos
Figura 4. Captura de pantalla Oracle Database Express 12c
Figura 5. Entorno de programacion sqlplus oracle 12c
Figura 6. Entorno de desarrollo Oracle apex 5.0
Figura 7. Arquitectura del Oracle Apex
Figura 8. Portabilidad Apex usando la nube
Figura 9. Mapa de ruta del enfoque
Figura 10. Estructura formato encuesta
Figura 11. Estructura formato complementario
Figura 12. Formato encuesta
Figura 13. Creación Pdb1 conectable
Figura 14. Creación del esquema Apex.
Figura 15. Consulta estado del contenedor conectable
Figura 16. Carga de la fuente "datain" base de datos contenedor
Figura 18. Paquete DBMS_PREDITIVE_ANALYTICS.EXPLAIN
Figura 19. Salida correlación "Explain" PERFORMANCE
Figura 20. Salida Correlación "Explain" TIEMPOEMPLEO
Figura 21. Salida Correlación "Explain" UTILESHABI
Figura 22. Salida Correlación "Explain" FACTORINGRESO
Figura 23. Paquete DBMS_PREDITIVE_ANALYTICS.PREDICT
Figura 24. Paquete dbms_preditive_analytics.predict
Figura 25. Valor de confianza de predicción del modelo
Figura 26. Predicciones consulta Tabla resultado
Figura 27. Consulta de contraste Tabla Capitulo 4_ resultado
Figura 28. Contraste de resultados valor objetivo vs valor de predicción
Figura 29. Contraste de resultados valor objetivo vs valor de predicción
Figura 30. Cuadro de mando Spiderweb
Figura 31. Radar Spiderweb
Figura 32. Pie
Figura 33. Gauge
Figura 34. Badge
Figura 35. Buble
Figura 36.Clandestick
Figura 37. Bar horizontal
Figura 38. Barras apiladas
Figura 39. Barras apiladas por año
Figura 40. Optimizacion y eficiencia
Figura 41. Barras apiladas por año
Figura 42. Mapa
Figura 43. Árbol de oficios egresados
Figura 44. Dashboard resultado egresados 2014
Figura 45. Dashboard resultado egresados 2016
Figura 46. Dashboard resulttado egresados 2015
Figura 47. Captura de ejemplo
Figura 48. Docentes con formación doctoral
Figura 49. Histórico por nivel de formación docentes planta
Figura 50. Comparativo por nivel de formación docente
Figura 51. Comparativa formación doctoral por departamentos
Figura 52. Promedio por edad según contratación
Figura 53. Ocupación de planta docente
Figura 54. Tipos de artículos publicados por año
Figura 55. Artículos publicados por categoría.
Figura 56. Desarrollo tecnológico según patentes
Figura 57. Información estadística sobre estudiantes
Figura 58. Comparativo según el grado de repitencia
Figura 59. Comparativo según tipo de programa
Figura 60. Dashboard con indicadores de la perspectiva Actividades internas
Figura 61. Marco para la toma de decisiones
Tabla 1. Estructura del maestro de datos
Tabla 2. Estructura de población adicional
Tabla 3. Estructura del subconjunto de datos
Tabla 4. Atributos de la tabla resultante proceso EXPLAIN
Tabla 5.Tipos de lectura grafica dashboard
Tabla 6. Caso sistema de información académica.